利用 EEG 与 EMG 信号进行上肢运动识别以用于康复机器人
机器学习
2023-03-10 v3 机器人学
信号处理
摘要
上肢运动分类将输入信号映射到目标活动，是康复机器人控制中的关键组成部分。为康复系统训练分类器以理解上肢功能异常患者的意愿。肌电图（EMG）信号与脑电图（EEG）信号被广泛用于上肢运动分类。通过分析实时 EEG 和 EMG 信号的分类结果，系统可理解用户意图并预测其欲执行的事件。据此，系统将为用户提供外部辅助。然而，实时 EEG 和 EMG 数据采集过程中的噪声损害了数据的有效性，从而削弱分类性能。此外，并非所有患者都具备强 EMG 信号，因肌肉损伤与神经肌肉障碍所致。为解决这些问题，本文探索了不同的特征提取技术以及机器学习和深度学习模型用于 EEG 与 EMG 信号分类，并提出了一种新颖的决策级多传感器融合技术以整合 EEG 与 EMG 信号。该系统从两种来源中提取有效信息以理解和预测用户需求，从而提供辅助。通过在公开可用的 WAY-EEG-GAL 数据集（包含同步记录的 EEG 和 EMG 信号）上测试所提技术，我们得出了该新颖系统可行且有效的结论。
引用
@article{arxiv.2207.08650,
title = {Upper Limb Movement Recognition utilising EEG and EMG Signals for Rehabilitative Robotics},
author = {Zihao Wang and Ravi Suppiah},
journal= {arXiv preprint arXiv:2207.08650},
year = {2023}
}
备注
20 pages, 11 figures, 2 tables; Thesis for Undergraduate Research Project in Computing, NUS; Accepted by Future of Information and Communication Conference 2023, San Francisco