بهبود عملكرد پروتز دست با استفاده از پردازش سيگنال مايوالكتريك سطحي

كارشناسي ارشد

در مطالعات در زمينه ي سيستم هاي مايوالكتريك، ميزان چالاكي و دقت پروتزهاي دست مايوالكتريك تا حد زيادي به ويژگي هاي ارايه شده و همچنين طبقه بندي كننده هاي آن وابسته است. در اين پايان نامه به استخراج ويژگيهاي متنوع و شيوه هاي طبقه بندي برروي پايگاه داده ي ninapro و همچنين بخشي مبتني بر تخمين همزمان نيروي انگشتان پرداخته ايم. پس از ثبت سيگنالهاي مايوالكتريك از مهمترين مراحل كنترل و پردازش، كلاس بندي حركات است. در بخش كلاس بندي حركات، استخراج ويژگي مناسب تاثير زيادي روي بهبود عملكرد كلاس بندي حركات دارد. اين پايان نامه برروي استخراج ويژگيهاي جديد مبتني بر تابع چگالي احتمال از جمله انتروپي، بيشينه، واريانس، چولگي و كجي تابع چگالي احتمال به منظور كلاس بندي دقيق حركات متمركز است. با اعمال روشهاي استخراج ويژگي پيشنهادي اين پايان نامه، ميانگين صحت كلاسبندي ۴۰ حركت روي۴۰ نفر آزمايش به ترتيب ۸۳/۶۹ ،۸۷/۰۹ ، ۸۴/۷۳ ، ۸۷.۰۹ و ۵۰/۳۰ براي كلاسبندي LDA و ۸۳/۳۴ ، ۸۶/۲۸، ۸۸/۴۵ ، ۸۶/۲۸ و ۵۴/۱۶ براي كلاسبندي كننده SVM بدست آمده است. درنهايت با مقايسه ي نتايج حاصل با نتايج روش هاي استخراج ويژگي مرسوم بهترين ويژگي واريانس تابع چگالي احتمال تشخيص داده شد. همچنمين عملكرد تخممين همزمان نيروي انگشتان دست با ۶ درجه آزادي با استفاده از معيار R2 بررسي شد كه به صحت عملكرد ۹۲/۸±۰/۲ رسيديم.

190951

دانشگاه علم و صنعت ايران

الكترونيك ديجيتال

دكتر ستار ميرزاكوچكي