view in publisher's site

Real-time continuous recognition of knee motion using multi-channel mechanomyography signals detected on clothes

Mechanomyography (MMG) signal has been recently investigated for pattern recognition of human motion. In theory, it is no need of direct skin contact to be detected and unaffected by changes in skin impedance. So, it is hopeful for developing wearable sensing device with clothes. However, there have been no studies so far to detect MMG signal on clothes and verify the feasibility of pattern recognition. For this study, 4-channel MMG signals were detected on clothes from the thigh muscles of 8 able-bodied participants. The support vector machines (SVM) classifier with 4 common features was used to recognize 6 knee motions and the average accuracy of nearly 88% was achieved. The accuracy can be further improved up to 91% by introducing a new proposed feature of the difference of mean absolute value (DMAV), but not by root mean square (RMS) or mean absolute value (MAV). Furthermore, the first-order Markov chain model was combined with the SVM classifier and it can avoid the misclassifications in some cases. For application to wearable power-assisted devices, this study would promote the developments of more flexible, more comfortable, and minimally obtrusive wearable sensing devices with clothes and recognition techniques of human motion intention.

تشخیص پیوسته بلادرنگ حرکات زانو با استفاده از سیگنال‌های multi چند کاناله تشخیص داده‌شده بر روی لباس‌ها

سیگنال Mechanomyography (MMG)اخیرا برای شناسایی الگوی حرکت انسان مورد بررسی قرار گرفته‌است. در تئوری، نیاز به تماس مستقیم پوست با تغییر در امپدانس پوست نیست. بنابراین، امیدوار است که ابزار سنجش پوشیدنی با لباس را توسعه دهد. با این حال، تاکنون مطالعه‌ای در مورد شناسایی سیگنال MMG بر روی لباس‌ها وجود نداشته و امکان شناسایی الگو را تایید می‌کند. برای این مطالعه، سیگنال‌های MMG کانال ۴ کانال بر روی لباس از عضلات ران ۸ شرکت‌کننده توانا تشخیص داده شدند. طبقه‌بندی کننده پشتیبان (SVM)با ۴ ویژگی معمول برای تشخیص ۶ حرکت مفصل زانو استفاده شد و میانگین دقت حدود ۸۸ % بدست آمد. دقت می‌تواند تا ۹۱ % با معرفی یک ویژگی پیشنهادی جدید تفاوت میانگین مطلق (DMAV)بهبود یابد، اما نه توسط مجذور میانگین ریشه (RMS)و یا متوسط مقدار مطلق (MAV). علاوه بر این، مدل زنجیره مارکف مرتبه اول با طبقه‌بندی کننده SVM ترکیب‌شده و می‌تواند از the در برخی موارد جلوگیری کند. این مطالعه برای کاربرد در دستگاه‌های پوشیدنی به کمک توان، پیشرفت‌های انعطاف‌پذیری، راحتی بیشتر، و حداقلی از ابزارهای سنجش پوشیدنی را با لباس و تکنیک‌های شناسایی قصد حرکت انسان، ارتقا خواهد داد.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Neuroscience (miscellaneous)
  • ترجمه مقاله Neuroscience (miscellaneous)
  • مقاله علوم عصبی (متفرقه)
  • ترجمه مقاله علوم عصبی (متفرقه)
  • مقاله Clinical Neurology
  • ترجمه مقاله Clinical Neurology
  • مقاله عصب‌شناسی بالینی
  • ترجمه مقاله عصب‌شناسی بالینی
  • مقاله Biophysics
  • ترجمه مقاله Biophysics
  • مقاله بیوفیزیک
  • ترجمه مقاله بیوفیزیک
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.