استخراج ویژگی های بافتی طیف سیگنال های ماهیچه ای و به کارگیری ماشین بردار پشتیبان به منظور دسته بندی حرکات فیزیکی

سیگنال­های الکترومیوگرافی(EMG) با استفاده از دستگاه استخراج سیگنال­های ماهیچه­ ای (الکترومیوگراف) و به منظور تشخیص میزان اختلاف پتانسیل به ­وجود آمده در اثر تحریک عصبی سلول­های ماهیچه ­ای جهت کاربردهای گوناگون استخراج می­شوند. یک مرحله ­ی مهم در پردازش سیگنال­های استخراج شده که تاثیر بسیار اساسی در عملکرد کلی سیستم­های کنترل ماهیچه ­ای دارد استخراج ویژگی­های موثر از این سیگنال­ها است. در این مقاله به منظور بهبود ویژگی­های زمانی، فرکانسی و زمان-فرکانسی، روش­های استخراج خصوصیات بافت از تصاویر زمان-فرکانس سیگنال با استفاده از توصیف­گرهای الگوی دودویی محلی (LBP) و ماتریس هم­رخداد (GLCM) مورد بررسی قرار گرفته است. با تحلیل بافت تصاویر طیف سیگنال­های ماهیچه ­ای روابط بین فرکانس­های مختلف در زمان­ های مختلف استخراج می­شود. در نتیجه، روابط مابین اطلاعات زمان و فرکانس به صورت توامان به عنوان نماینده سیگنال در نظر گرفته خواهد شد. در این تحقیق، جهت بررسی کارایی این روش استخراج خصوصیات از پایگاه داده ­ی "سیگنال­های ماهیچه ­ای حرکات فیزیکی"، استفاده شده است. همچنین، جهت دسته­ بندی بردارهای ویژگی استخراج شده، ماشین بردار پشتیبان در دو حالت کلی و با تفکیک باندهای فرکانسی بکار گرفته شده­ است. در نتیجه­ ی آزمایشات، دقت دسته ­بندی ۹۸/۷۵% با استفاده از روش تفکیک باندهای فرکانسی حاصل شده است که در مقایسه با نتایج به ­دست آمده از روش­های قبلی دقیق­تر است.

استخراج ویژگی های بافتی طیف سیگنال های ماهیچه ای و به کارگیری ماشین بردار پشتیبان به منظور دسته بندی حرکات فیزیکی Keywords:

تصویر زمان-فرکانس , الگوی دودویی محلی , ماتریس همرخداد , سیگنال ماهیچه ای , ماشین بردار پشتیبان