Değişken Kuvvetli EMG Sinyallerinin Çok Değişkenli Görgül Kip Ayrışımı ile Analizi ve Sınıflandırılması
Yıl: 2020 Cilt: 32 Sayı: 3 Sayfa Aralığı: 229 - 238 Metin Dili: Türkçe DOI: 10.7240/jeps.618193 İndeks Tarihi: 04-11-2020
Değişken Kuvvetli EMG Sinyallerinin Çok Değişkenli Görgül Kip Ayrışımı ile Analizi ve Sınıflandırılması
Öz: Elektromiyografi (EMG) sinyalleri, insan-makine etkileşimli akıllı el protezlerinin kontrolünde önemli bir rol oynamaktadır.Kas aktivesinin bir sonucu olarak ortaya çıkan EMG sinyalleri, yapılan aktiviteye dair özel bilgileri kendi içerisinde ihtivaetmektedir. Dolayısıyla akıllı el protezlerinin işlevselliğinin arttırılması, kas bölgesinden toplanan EMG sinyalinin doğru birşekilde analiz edilip yorumlanmasına önemli ölçüde bağlıdır. Bu konsepte uygun olarak, akıllı el protezi hareketlerinin kararverme sürecinde, EMG sinyallerinin güvenilir bir şekilde kullanılabilmesi için, var olan yöntemlerin geliştirilmesi ya da buyöntemlere üstünlük sağlayacak yeni yöntemler önerilmesi gerekmektedir. Bu çalışma kapsamında, çok kanallı EMGsinyallerinin analizinin geliştirilmesi amacıyla, çok değişkenli görgül kip ayrışımı (ÇDGKA) tabanlı öznitelik çıkarma yöntemi,geleneksel metotlara alternatif olarak sunulmuştur. Sinyali adaptif olarak salınım modlarına ayıran ÇDGKA yöntemikullanılarak, EMG sinyalinden daha anlamlı bilgi edinilmesi amaçlanmıştır. ÇDGKA tabanlı özniteliklerin farklı el ve parmakhareketlerini ayırt etme performansı ve farklı kuvvet seviyelerine karşı gösterdiği performans incelenmiştir. Bu amaçla amputekatılımcıların artık uzuvlarından toplanan düşük, orta ve yüksek kuvvet seviyelerine ait EMG sinyalleri üzerinde ÇDGKAyöntemi uygulanarak özgül kip fonksiyonları (ÖKF) elde edilmiştir. Elde edilen ÖKF’lerden çıkarılan öznitelikler kullanılarakaltı farklı el ve parmak hareketi, en yakın komşu (k-NN), doğrusal ayrım analizi (LDA) ve destek vektör makinesi (SVM)sınıflandırıcıları kullanılarak sınıflandırılmıştır. Aynı kuvvet seviyesinde eğitilip test edilerek (Senaryo 1) ve tüm kuvvetseviyelerinde eğitilip tek bir kuvvet seviyesinde test edilerek (Senaryo 2) gerçekleştirilen sınıflandırmalar neticesinde, önerilenÇDGKA tabanlı özniteliklerin ham sinyal tabanlı özniteliklere göre, senaryo 1 için %10 - %15, senaryo 2 için %18’e kadarüstünlük sağladığı belirlenmiştir.
Anahtar Kelime: Analysis and Classification of Variational Force EMG Signals with Multivariate Empirical Mode Decomposition
Öz: Electromyography (EMG) signals play an important role in the control of human-machine interfaced smart hand prostheses. The EMG signals emerged as a result of muscle activity contain specific information about the activity. Therefore, enhancing the functionality of intelligent hand prostheses significantly depends on the precise analysis and interpretation of the EMG signals that are collected from the muscle region. In accordance with this concept, in order to use EMG signals reliably in the decision-making process of smart hand prosthesis movements, it is necessary to improve present methods or to propose new methods to be superior to these methods. In this study, multivariate empirical decomposition (MEMD) based feature extraction method is presented as an alternative to traditional methods to improve the analysis of multichannel EMG signals. It is aimed to obtain more meaningful information from EMG signals by using the MEMD method which separates the signal into adaptive oscillation modes. The performance of discriminating hand and finger movements at different force levels of the MEMD based features was investigated. For this purpose, intrinsic mode functions (IMF) were obtained by using the MEMD method on surface EMG signals of low, medium and high force levels collected from the amputated participants. The features which are extracted from IMFs, classified by k nearest neighbors (k-NN), linear discriminant analysis (LDA) and support vector machines (SVM) to discriminate six hand and finger movements. Training and testing at same force level (Scheme 1) and training the classifier with all levels of force and testing it with a single level of force (Scheme 2) classification operations were performed. The proposed MEMD based features have outperformed raw signal-based features, 10% -15% for Scheme 1 and up to 18% for Scheme 2.
Anahtar Kelime: Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık
- [1] Bright, D., Nair, A., Salvekar, D., & Bhisikar, S. (2016). EEG-based brain controlled prosthetic arm. In Conference on Advances in Signal Processing, CASP 2016.
- [2] Barea, R., Boquete, L., Mazo, M., Lopez, E., & Bergasa, L. M. (2000). EOG guidance of a wheelchair using neural networks. Proceedings 15th International Conference on Pattern Recognition. ICPR-2000.
- [3] Hakonen, M., Piitulainen, H., & Visala, A. (2015). Current state of digital signal processing in myoelectric interfaces and related applications. Biomedical Signal Processing and Control, 18, 334–359.
- [4] Bock, O. (2006). Myoelectrıc Control Of Powered Upper- Lımb Prostheses.
- [5] Stashuk, D. (2001). EMG signal decomposition: How can it be accomplished and used. Journal of Electromyography and Kinesiology, 11(3), 151– 173.
- [6] Hargrove, L. J., Englehart, K., & Hudgins, B. (2007). A comparison of surface and intramuscular myoelectric signal classification. IEEE Transactions on Biomedical Engineering, 54(5), 847-853
- [7] Al-Timemy, A. H., Khushaba, R. N., Bugmann, G., & Escudero, J. (2016). Improving the Performance Against Force Variation of EMG Controlled Multifunctional Upper-Limb Prostheses for Transradial Amputees. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 24(6), 650–661.
- [8] Huang, N. E., Shen, Z., Long, S. R., Wu, M. C., Shih, Zheng. (1998). The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis. Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences, 454(1971), 903–995.
- [9] Rehman, N., & Mandic, D. P. (2010a). Multivariate empirical mode decomposition. Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences, 466(2117), 1291–1302.
- [10] Altamirano, A. A. (2017). EMG Pattern Prediction for Upper Limb Movements Based on Wavelet and Hilbert-Huang Transform. (Doctoral dissertation, Université de Lorraine; Instituto Politécnico Nacional (México)).
- [11] Phinyomark, A., Quaine, F., Charbonnier, S., Serviere, C., Tarpin-Bernard, F., & Laurillau, Y. (2013). EMG feature evaluation for improving myoelectric pattern recognition robustness. Expert Systems with applications, 40(12), 4832- 4840.
- [12] Sapsanis, C., Georgoulas, G., Tzes, A., & Member, S. (2013). A. EMG Data Collection, 716–722
- [13] Ruiz-Olaya, A. F., & Lopez-Delis, A. (2013). Surface EMG signal analysis based on the empirical mode decomposition for human-robot interaction. In Symposium of Signals, Images and Artificial Vision - 2013, STSIVA 2013.
- [14] Sapsanis, C., Georgoulas, G., Tzes, A., & Lymberopoulos, D. (2013). Improving EMG based Classification of basic hand movements using EMD. 2013 35th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), 5754–5757.
- [15] De Luca, C. J., Donald Gilmore, L., Kuznetsov, M., & Roy, S. H. (2010). Filtering the surface EMG signal: Movement artifact and baseline noise contamination. Journal of Biomechanics, 43(8), 1573–1579.
- [16] Myers, L. J., Lowery, M., O’Malley, M., Vaughan, C. L., Heneghan, C., St. Clair Gibson, A., Sreenivasan, R. (2003). Rectification and nonlinear pre-processing of EMG signals for corticomuscular analysis. Journal of Neuroscience Methods, 124(2), 157–165.
| APA | ONAY F, Mert A (2020). Değişken Kuvvetli EMG Sinyallerinin Çok Değişkenli Görgül Kip Ayrışımı ile Analizi ve Sınıflandırılması. , 229 - 238. 10.7240/jeps.618193 |
| Chicago | ONAY Fatih,Mert Ahmet Değişken Kuvvetli EMG Sinyallerinin Çok Değişkenli Görgül Kip Ayrışımı ile Analizi ve Sınıflandırılması. (2020): 229 - 238. 10.7240/jeps.618193 |
| MLA | ONAY Fatih,Mert Ahmet Değişken Kuvvetli EMG Sinyallerinin Çok Değişkenli Görgül Kip Ayrışımı ile Analizi ve Sınıflandırılması. , 2020, ss.229 - 238. 10.7240/jeps.618193 |
| AMA | ONAY F,Mert A Değişken Kuvvetli EMG Sinyallerinin Çok Değişkenli Görgül Kip Ayrışımı ile Analizi ve Sınıflandırılması. . 2020; 229 - 238. 10.7240/jeps.618193 |
| Vancouver | ONAY F,Mert A Değişken Kuvvetli EMG Sinyallerinin Çok Değişkenli Görgül Kip Ayrışımı ile Analizi ve Sınıflandırılması. . 2020; 229 - 238. 10.7240/jeps.618193 |
| IEEE | ONAY F,Mert A "Değişken Kuvvetli EMG Sinyallerinin Çok Değişkenli Görgül Kip Ayrışımı ile Analizi ve Sınıflandırılması." , ss.229 - 238, 2020. 10.7240/jeps.618193 |
| ISNAD | ONAY, Fatih - Mert, Ahmet. "Değişken Kuvvetli EMG Sinyallerinin Çok Değişkenli Görgül Kip Ayrışımı ile Analizi ve Sınıflandırılması". (2020), 229-238. https://doi.org/10.7240/jeps.618193 |
| APA | ONAY F, Mert A (2020). Değişken Kuvvetli EMG Sinyallerinin Çok Değişkenli Görgül Kip Ayrışımı ile Analizi ve Sınıflandırılması. International journal of advances in engineering and pure sciences (Online), 32(3), 229 - 238. 10.7240/jeps.618193 |
| Chicago | ONAY Fatih,Mert Ahmet Değişken Kuvvetli EMG Sinyallerinin Çok Değişkenli Görgül Kip Ayrışımı ile Analizi ve Sınıflandırılması. International journal of advances in engineering and pure sciences (Online) 32, no.3 (2020): 229 - 238. 10.7240/jeps.618193 |
| MLA | ONAY Fatih,Mert Ahmet Değişken Kuvvetli EMG Sinyallerinin Çok Değişkenli Görgül Kip Ayrışımı ile Analizi ve Sınıflandırılması. International journal of advances in engineering and pure sciences (Online), vol.32, no.3, 2020, ss.229 - 238. 10.7240/jeps.618193 |
| AMA | ONAY F,Mert A Değişken Kuvvetli EMG Sinyallerinin Çok Değişkenli Görgül Kip Ayrışımı ile Analizi ve Sınıflandırılması. International journal of advances in engineering and pure sciences (Online). 2020; 32(3): 229 - 238. 10.7240/jeps.618193 |
| Vancouver | ONAY F,Mert A Değişken Kuvvetli EMG Sinyallerinin Çok Değişkenli Görgül Kip Ayrışımı ile Analizi ve Sınıflandırılması. International journal of advances in engineering and pure sciences (Online). 2020; 32(3): 229 - 238. 10.7240/jeps.618193 |
| IEEE | ONAY F,Mert A "Değişken Kuvvetli EMG Sinyallerinin Çok Değişkenli Görgül Kip Ayrışımı ile Analizi ve Sınıflandırılması." International journal of advances in engineering and pure sciences (Online), 32, ss.229 - 238, 2020. 10.7240/jeps.618193 |
| ISNAD | ONAY, Fatih - Mert, Ahmet. "Değişken Kuvvetli EMG Sinyallerinin Çok Değişkenli Görgül Kip Ayrışımı ile Analizi ve Sınıflandırılması". International journal of advances in engineering and pure sciences (Online) 32/3 (2020), 229-238. https://doi.org/10.7240/jeps.618193 |
