Forearm muscle electromyogram signal analysis for real time detection of finger movements
محل انتشار: همایش ملی پژوهش های کاربردی در علوم و مهندسی
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 940
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TIAU01_079
تاریخ نمایه سازی: 14 شهریور 1393
چکیده مقاله:
In this paper, a nonlinear classification method based on the neural networks is presented for detection of different finger movements. Forearm muscles SEMG signal during different the finger movements were recorded. Then, the intended movement is detected through a presented signalanalyses method. In the proposed methodology, the preprocessed SEMG signals were segmented.Then, the extracted features related to each segment were used to classify the intended movement. Theneural networks were used as the nonlinear classifiers to discriminate the 11 different movements. Theperformance of neural networks was compared with the performance of a linear classifier called SVM. According to the results, the performance of neural network in offline and online mode are 90.57% and 98.14%, respectively, and performance of SVM classifier in offline and mode is 83.58%.
کلیدواژه ها:
نویسندگان
AMIRAHMAD KHANIAN
Islamic azad university mashhad branch, biomedical engineering group, mashhad, Iran.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :