用于肌电控制系统运动意图优化表征的多分辨率双多项式分解方法
机器人学
2022-11-15 v1 人工智能
摘要
表面肌电图（sEMG）可以说是最受青睐的生理信号，具有广泛的生物医学应用，尤其在多功能假肢等小型化康复机器人中。sEMG之所以被广泛用于驱动基于模式识别（PR）的控制方案，主要因其丰富的运动信息含量和无创性。此外，sEMG记录呈现非线性和非均匀特性，并伴随不可避免的干扰，这些干扰扭曲了信号的内在特征，使现有信号处理方法难以产出必要的运动控制信息。因此，我们提出一种由双多项式插值驱动的多分辨率分解（MRDPI）技术，用于对多类EMG信号进行充分去噪与重建，以保证信号质量增强与运动信息保留的双重优势。利用本机构建及公开NinaPro数据库中截肢者执行多达22种预定义上肢动作所获取的EMG数据集，在阈值估计方案与信号分辨率水平的组合上构建了最优MRDPI配置参数。实验结果表明，所提方法产生的信号在所有指标上均带来一致且显著优于现有方法的解码性能，跨特征、分类器与数据集均如此，为利用肌电信号作为控制输入的多功能假肢及其他小型化康复机器人系统中基于EMG-PR的直观控制方案的实际部署提供了潜在解决方案。
引用
@article{arxiv.2211.07378,
title = {Multiresolution Dual-Polynomial Decomposition Approach for Optimized Characterization of Motor Intent in Myoelectric Control Systems},
author = {Oluwarotimi Williams Samuel and Mojisola Grace Asogbon and Rami Khushaba and Frank Kulwa and Guanglin Li},
journal= {arXiv preprint arXiv:2211.07378},
year = {2022}
}