研究大时间跨度下非侵入式假手的控制
机器学习
2015-11-20 v1 人机交互
摘要
肌电(EMG)信号是神经肌肉激活的电学表现，它提供了对导致肌肉产生力并产生运动的生理过程的访问途径。非侵入式假肢利用放置在使用者残肢上的电极所检测到的此类信号作为输入，根据假肢佩戴者的意图生成手部姿态运动。本初步研究旨在探索可重复性问题，即控制算法在数天的时间跨度内对由 EMG 信号表示的 17 种不同手部姿态进行分类的能力。数据采集实验持续了四天，信号采集自一名受试者的前臂。我们发现，支持向量机(SVM)的分类结果足够高，能够保证在所考虑时间跨度内的每个时刻对 10 种以上姿态进行正确分类。
引用
@article{arxiv.1511.06004,
title = {Studying the control of non invasive prosthetic hands over large time spans},
author = {Mara Graziani},
journal= {arXiv preprint arXiv:1511.06004},
year = {2015}
}
备注
10 pages, 18 figures, 8 tables