Various interfaces using Electromyo

Various interfaces using Electromyogram (EMG) signals for controlling a robot hand have been developed. However, there are few researches that apply support vector machines (SVMs) to EMG signal classification for estimating operator's hand motions. There is a possibility that the SVMs are effective classifiers. This paper proposes a real-time hand motion estimation method using the EMG signals with the SVMs. This method consists of two phases for the hand motion estimation. The first phase is the hand motion classification of EMG signal patterns with the SVMs. In addition to amplitude features in the EMG signals, cepstrum coefficients are extracted as frequency features for robust classification. The second phase is the estimation of operator's joint angles. The joint angles are estimated from EMG signals based on simple linear models between the joint angles and the EMG signals. These two phases are designed so that they can be processed in real-time. Experimental results of seven hand motion estimation show the effectiveness of our proposed method

ผลลัพธ์ (ไทย) 1:

ได้รับการพัฒนาอินเตอร์เฟสต่าง ๆ ที่ใช้สัญญาณ Electromyogram (ดำรง) สำหรับการควบคุมมือหุ่นยนต์ อย่างไรก็ตาม มีบางงานวิจัยที่สนับสนุนเครื่องแบบเวกเตอร์ (SVMs) กับกล้ามสัญญาณประเภทสำหรับการประเมินการเคลื่อนไหวมือของตัว มีความเป็นไปได้ที่ SVMs คำนามภาษามีผลบังคับใช้ กระดาษนี้เสนอวิธีเคลื่อนไหวมือแบบเรียลไทม์ประเมินสัญญาณกล้ามด้วย SVMs วิธีนี้ประกอบด้วย 2 ขั้นตอนสำหรับการประเมินการเคลื่อนไหวของมือ ระยะแรกเป็นการจัดประเภทการเคลื่อนไหวมือของรูปแบบสัญญาณกล้ามด้วย SVMs นอกจากคุณลักษณะคลื่นสัญญาณกล้าม cepstrum สัมประสิทธิ์ที่สกัดเป็นคุณลักษณะความถี่การจัดประสิทธิภาพ ระยะที่สองเป็นการประเมินมุมมองร่วมของผู้ปฏิบัติงาน มุมมองร่วมจะประเมินจากสัญญาณกล้ามตามแบบจำลองเชิงเส้นอย่างระหว่างมุมร่วมและสัญญาณกล้าม ระยะที่สองเหล่านี้ถูกออกแบบมาเพื่อให้สามารถประมวลผลได้ในเวลาจริง ผลการทดลองประเมินการเคลื่อนไหวมือ 7 แสดงประสิทธิภาพของวิธีการนำเสนอของเรา

ผลลัพธ์ (ไทย) 2:

การเชื่อมต่อต่างๆโดยใช้แบบ electromyogram (EMG) สัญญาณในการควบคุมหุ่นยนต์มือได้รับการพัฒนา แต่มีเพียงไม่กี่งานวิจัยที่นำไปใช้สนับสนุนเครื่องเวกเตอร์ (SVMs) เพื่อจำแนกสัญญาณ EMG สำหรับการประเมินการเคลื่อนไหวของผู้ประกอบการมือ มีความเป็นไปได้ที่จะจำแนกแยกแยะเป็นที่มีประสิทธิภาพ บทความนี้นำเสนอในเวลาจริงวิธีการประมาณค่าการเคลื่อนไหวมือโดยใช้สัญญาณ EMG กับ SVMs วิธีการนี​​้จะประกอบด้วยสองขั้นตอนในการประมาณการความเคลื่อนไหวมือ ขั้นตอนแรกคือการจัดหมวดหมู่การเคลื่อนไหวมือข​​องรูปแบบอีเอ็มสัญญาณ SVMs นอกจากคุณสมบัติกว้างในสัญญาณ EMG ค่าสัมประสิทธิ์ cepstrum จะถูกแยกเป็นคุณสมบัติความถี่สำหรับการจำแนกประเภทที่แข็งแกร่ง ขั้นที่สองคือการประมาณค่าของผู้ประกอบการของมุมร่วมกัน มุมร่วมกันจะมีการประเมินจากสัญญาณ EMG ตามรูปแบบเชิงเส้นอย่างง่ายระหว่างมุมร่วมกันและสัญญาณ EMG สองขั้นตอนเหล่านี้ได้รับการออกแบบเพื่อให้พวกเขาสามารถประมวลผลได้ในเวลาจริง ผลการทดลองของการประมาณค่าการเคลื่อนไหวมือเจ็ดแสดงประสิทธิภาพของวิธีเสนอของเรา

ผลลัพธ์ (ไทย) 3:

การเชื่อมต่อต่าง ๆ โดยใช้คลื่นไฟฟ้ากล้ามเนื้อ ( EMG ) สัญญาณควบคุมแขนหุ่นยนต์ได้รับการพัฒนา อย่างไรก็ตาม มีงานวิจัยที่ไม่ใช้เครื่องเวกเตอร์สนับสนุน ( แบบ ) การจำแนกสัญญาณ EMG เพื่อประเมินการเคลื่อนไหวมือของผู้ให้บริการ . มีความเป็นไปได้ว่าเป็นแบบที่มีประสิทธิภาพบทความนี้เสนอวิธีการประมาณค่าแบบมือเคลื่อนไหวโดยใช้ความแรงสัญญาณกับแบบ . วิธีนี้ประกอบด้วยสองขั้นตอนสำหรับมือเคลื่อนไหวประมาณ ขั้นตอนแรกคือมือเคลื่อนไหวการจำแนกรูปแบบสัญญาณ EMG ด้วยแบบ . นอกจากคุณสมบัติของในความแรงสัญญาณ ) จะแยกเป็นค่าความถี่คุณสมบัติสำหรับประเภทที่แข็งแกร่งระยะที่สอง คือ การประมาณค่าของผู้ประกอบการร่วมมุม มุมข้อต่อ จะประเมินจากสัญญาณ EMG จากโมเดลเชิงเส้นอย่างง่ายระหว่างมุมร่วมกันและความแรงสัญญาณ เฟส ซึ่งถูกออกแบบมาเพื่อให้พวกเขาสามารถประมวลผลในเวลาจริง ผลการทดลองของเจ็ดมือเคลื่อนไหวประมาณแสดงประสิทธิผลของวิธีที่เสนอของเรา