مریم کرمی - دانشکده مهندسی برق- واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
مهدی خضری - مرکز تحقیقات پردازش دیجیتال و بینایی ماشین- واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

یک روش برای تعیین فرمان های حرکتی برای کنترل پروتزهای دست، استفاده از الگوهای سیگنال الکترومایوگرام سطحی (sEMG) است. با توجه به ماهیت تصادفی و غیرایستای سیگنال­، ایده استفاده از اطلاعات سیگنال در بازه­های زمانی کوچک مورد بررسی قرار گرفت. در این مطالعه با هدف تشخیص دقیق­تر و سریع­تر حرکت­های دست، دو روش­ تجزیه سیگنال شامل تبدیل موجک گسسته (DWT) و تجزیه مد تجربی (EMD) ارزیابی شده­اند. سیگنال های مجموعه داده نیناپرو DB۱ که از ۲۷ فرد سالم در حین انجام حرکت­های دست و انگشتان استخراج شده­اند، برای طراحی سیستم به­کار رفته است. ویژگی­های زمانی ساده با قابلیت محاسبه سریع برای هر زیرباند از سیگنال­های تجزیه شده به­کار گرفته شدند. همچنین ماشین بردار پشتیبان (SVM) با استفاده از توابع کرنل مختلف به­عنوان طبقه­بندی­کننده مورد استفاده قرار گرفت. نتایج به­دست آمده نشان می­دهد، استفاده از روش­های تبدیل موجک گسسته و تجزیه مد تجربی با قابلیت دسترسی به اطلاعات زیربازه­های زمانی و فرکانسی سیگنال­ها، نتایج بهتری در شناسایی حرکت­های دست در مقایسه با مطالعات گذشته ارایه می­کند. با روش تجزیه مد تجربی و تعداد هشت تابع مد ذاتی، بالاترین دقت تشخیص با مقدار ۳/۸۳ درصد برای شش حرکت به دست آمد. همچنین روش تبدیل موجک گسسته با موجک مادر بای­ارتوگونال ۵/۵ در پنج سطح تجزیه، دقت تشخیص ۸۰ درصد را برای ده حرکت و با موجک مادر کویفلت ۲ در شش سطح تجزیه، دقت ۳۳/۸۳ درصد را برای شناسایی هشت حرکت کسب کرد. نتایج به­دست آمده عملکرد بهتر روش تجزیه موجک در مقایسه با تجزیه مد تجربی را برای طراحی سیستم شناسایی حرکت­های دست با استفاده از الگوهای سیگنال الکترومایوگرام سطحی نشان می­دهد.

تجزیه موجک, تجزیه مد تجربی, دست مصنوعی, سیگنال الکترومیوگرام سطحی, ماشین بردار پشتیبان