Gestures classification from EMG signals

Lucas S. Bualo Giordano, Franco Moiola
{"title":"Gestures classification from EMG signals","authors":"Lucas S. Bualo Giordano, Franco Moiola","doi":"10.1109/ARGENCON.2018.8646122","DOIUrl":null,"url":null,"abstract":"La medición de las señales electromiográficas (EMG) generadas por los músculos se puede utilizar para monitorear su actividad y, de este modo, para la identificacion de movimientos que será el objetivo de este trabajo. Para ello, se obtuvieron tres señales EMG con electrodos superficiales, los cuales fueron ubicados en el antebrazo. Los ensayos fueron realizados sobre cuatro individuos, a quienes se les solicitó repetir varias veces nueve gestos sencillos con la mano; a partir de las mediciones, se construyó una base de datos con los distintos movimientos. Cada conjunto de datos de cada gesto particular fue caracterizado utilizando la energía de los niveles de la Transformada Wavelet Discreta (DWT). Dichos datos fueron usados para entrenar dos algoritmos de clasificación; uno basado en Redes Neuronales Artificiales (ANN) y otro que utiliza Conjuntos mediante bagging. Con el objetivo de evaluar sus rendimientos y mejorarlos, la cantidad de datos de entrenamiento fue modificada observándose un impacto en la eficiencia. También se ajustaron los parámetros de los algoritmos mejorando sustancialmente los resultados, que fueron representados empleando matrices de confusión. Como resultado, se alcanzaron porcentajes de exactitud superiores al 80%. Este trabajo evidencia la potencial aplicación de la electromiografía en interfaces hombre m´aquina a través de simples gestos.","PeriodicalId":395838,"journal":{"name":"2018 IEEE Biennial Congress of Argentina (ARGENCON)","volume":"73 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2018-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"2018 IEEE Biennial Congress of Argentina (ARGENCON)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.1109/ARGENCON.2018.8646122","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

La medición de las señales electromiográficas (EMG) generadas por los músculos se puede utilizar para monitorear su actividad y, de este modo, para la identificacion de movimientos que será el objetivo de este trabajo. Para ello, se obtuvieron tres señales EMG con electrodos superficiales, los cuales fueron ubicados en el antebrazo. Los ensayos fueron realizados sobre cuatro individuos, a quienes se les solicitó repetir varias veces nueve gestos sencillos con la mano; a partir de las mediciones, se construyó una base de datos con los distintos movimientos. Cada conjunto de datos de cada gesto particular fue caracterizado utilizando la energía de los niveles de la Transformada Wavelet Discreta (DWT). Dichos datos fueron usados para entrenar dos algoritmos de clasificación; uno basado en Redes Neuronales Artificiales (ANN) y otro que utiliza Conjuntos mediante bagging. Con el objetivo de evaluar sus rendimientos y mejorarlos, la cantidad de datos de entrenamiento fue modificada observándose un impacto en la eficiencia. También se ajustaron los parámetros de los algoritmos mejorando sustancialmente los resultados, que fueron representados empleando matrices de confusión. Como resultado, se alcanzaron porcentajes de exactitud superiores al 80%. Este trabajo evidencia la potencial aplicación de la electromiografía en interfaces hombre m´aquina a través de simples gestos.
基于肌电信号的手势分类
测量肌肉产生的肌电信号(EMG)可以用来监测它们的活动,从而识别运动,这将是这项工作的目标。为此,我们使用位于前臂的表面电极获得了三个肌电信号。这些试验是在四个人身上进行的,他们被要求重复9个简单的手势;根据测量结果,建立了一个包含不同运动的数据库。利用离散小波变换(DWT)能级对每个特定手势的每个数据集进行了表征。这些数据被用来训练两种分类算法;一种基于人工神经网络(ANN),另一种使用装袋集。为了评估他们的表现并提高他们,对训练数据的数量进行了修改,观察到对效率的影响。对算法参数进行了调整,大大提高了用混淆矩阵表示的结果。结果,准确率达到了80%以上。这项工作通过简单的手势证明了肌电图在人机界面中的潜在应用。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信