پردازش و دسته بندی سیگنالهای EMG سطحی در چهار شوت ورزش واترپلو با استفاده از شبکه عصبی مصنوعی MLP

الکترومایوگرافی (EMG) روشی تجربی در زمینه بسط، ثبت و آنالیز سیگنالهای الکتریکی عضله است. سیگنالهای الکتریکی عضله بوسیله دگرگونی های فیزیولوژیکی در غشاء فیبر عضلانی شکل می گیرند. اگر چه ماهیچه با توجه به ساختار پیچیده آن بخشی از وظایف کنترل کننده و مسیرهای فیدبک را نیز برعهده دارد. قابل ذکر ست که سیگنال EMG در تشخیص اختلالات عصبی و عضلانی مانند؛دیستروفی عضلاتی، مایوپاتی مادرزادی، نوروپاتی های محیطی، فلج اطفال و ... نیز کاربرد دارد. در این تحقیق با استفاده از پردازش های پیشرفته جهت ارزیابی فضای ویژگی در ورزی واترپلو پرداخته شده است. برای این منظور پس از ثبت سیگنال EMG از عضلات Trapezuis,pectoralis,deltoid و triceps و پردازش سیگنال و استخراج ویژگی به ارزیابی فضای ویژگی پرداخته شده و در نهایت با استفاده از شبکه عصبی MLP این چهار عضله طبقه بندی شد تا برای کاربردهای عملی سیستم های بیوفیدیک بکار رود. سیگنال EMG سطحی ثبت شده، در حوزه های زمان، فرکانس و زمان- فرکانس و همچنین فضای فاز، مورد پردازش و استخراج ویژگی قرار گرفت. نتایج دسته بندی این سیگنال ها با استفاده از شبکه عصبی مصنوعی انجام شد که صحت تفکیک کلاس ها را 96/99% گزارش می کند. مشکلات و ناراحتی های مربوط به شانه در ورزش های پرتابی متداول می باشد. با استفاده از سیگنال EMG برای ورزشکاران، بهبود عملکرد، کاهش آسیب دیدگی و همچنین توانبخشی در صورت آسیب دیدگی را می توان انتظار داشت.

کلیدواژه ها:

الکترومایوگرافی سطحی (SEMG) ، ضرایب ویولت ، شبکه عصبی مصنوعی ، استخراج ویژگی