Ogólna koncepcja bionicznej ręki sterowanej sygnałem EMG
DOI:
https://doi.org/10.5604/01.3001.0014.1901Słowa kluczowe:
EMG, sieci neuronowe, uczenie maszynowe, transformata Fourniera, transformata Hilberta-Huanga, model Hodgkina-HuxleyaAbstrakt
W artykule przedstawiono ogólną koncepcję aktualnie opracowywanego systemu sterowania bioniczną ręką wykorzystującego wielokanałowy sygnał EMG. Opisano metodę akwizycji i przetwarzania wielokanałowego sygnału EMG i ekstrakcji cech dla uczenia maszynowego. Ponadto omówiono projekt implementacji systemu sterowania w czasie rzeczywistym za pomocą systemu wbudowanego.
Pobrania
Bibliografia
Błaszczyk JW. Biomechanika kliniczna. Warszawa: PZWL; 2014.
Murray RK, Granner DK, Rodwell VW. Biochemia Harpera. Warszawa: PZWL; 2008.
Chandra R. hhrun - Hodgkin Huxley model simulation for user defined input current. MATLAB Central File Exchange, [Online]. Available: https://www.mathworks.com/matlabcentral/fileexchange/46740-hhrun-hodgkin-huxley-model-simulation-for-user-defined-input-current. (accessed 10.12.2019).
Wołczowski A, Błędowski M, Witkowski J. System do rejestracji sygnałów EMG i MMG dla sterowania bioprotezą dłoni. Prace Naukowe Politechniki Warszawskiej. Elektronika. 2016;195(1);167-178.
DFRobot Bionic Robot Hand, DFRobot, [Online]. Available: https://www.dfrobot.com/product-1623.html. (accessed 2019.12.11).
Saebo, [Online]. Available: https://www.saebo.com/shop/saeboglove/. (accessed 2019.12.11).
Recommendations for sensor locations on individual muscles, SENIAM, [Online]. Available: www.seniam.org/sensor_location.htm. (accessed 07.06.2020).
Yoo HJ., Park H, Lee B. Myoelectric Signal Classification of Targeted Muscles Using Dictionary Learning. Sensors. 2019;19(2370):1-19. doi: https://doi.org/10.3390/s19102370.
NXP Semiconductors, [Online]. Available: https://www. nxp.com/design/microcontrollers-developer-resources/lpc-microcontroller-utilities/lpcxpresso-board-for-lpc1347:OM13045. (accessed 07.06.2020).
QT Company. Qt Framework - One framework to rule all! [Online]. Available: https://www.qt.io/product/framework. (accessed 07.06.2020).
eIQ™ for Arm® CMSIS-NN, [Online]. Available: https://www.nxp.com/design/software/development-software/eiq-ml-development-environment/eiq-for-arm-cmsis-nn:eIQArmCMSISNN. (accessed 07.06.2020).
Geron A. Uczenie maszynowe z użyciem Scikit-Learn i Tensorflow. Gliwice: Helion; 2018.
Zieliński TP. Cyfrowe przetwarzanie sygnałów. Warszawa: WKŁ; 2007.
Gawędzki W, Socha M, Sławik P. Dekompozycja sygnałów EEG w dziedzinie czasu przy zastosowaniu transformacji Hilberta-Huanga HHT. Przegląd Elektrotechniczny. 2015;91(5):33-36.
Huang NE, Shen Z, Long SR, Wu MJ, Shih HH, Zheng Q, Yen NC, Tung CC, Liu HH. The Empirical mode decomposition and the Hilbert Spectrum for nonlinear and non-stationary time series analysis. Royal Society of London Proceedings Series A. 1998; 454(1971):903-998. doi: https://doi.org/10.1098/rspa.1998.0193.
Feldman M. Hilbert Transform Application in Mechanical Vibration. Wiley; 2011.
Huang NE, Shen SSP. Hilbert-Huang Transform and Its Applications. Singgapore: World Scientific; 2005.
Kukker A, Sharma R, Malik H. Forearm movements classification of EMG signals using Hilbert Huang transform and artificial neural networks. Materiały konferencyjne 2016 IEEE 7th Power India International Conference (PIICON); 2016 Nov 25-27; Bikaner, India: IEEE; 2016. doi: https://doi.org/10.1109/POWERI.2016.8077417.
Ruiz-Olaya AF, López-Delis A. Surface EMG Signal Analysis Based on the Empirical Mode Decomposition for Human-Robot Interaction. Materiały konferencyjne Symposium of Signals, Images and Artificial Vision – 2013: STSIVA – 2013; 2013 Sep 11-13; Bogota, Colombia; 2013. doi: 10.1109/STSIVA.2013.6644943.
Tan A. Hilbert-Huang Transform. MATLAB Central File Exchange, [Online]. Available: https://www.mathworks.com/matlabcentral/fileexchange/19681-hilbert-huang-transform. (accessed: 31.12.2019).
Pobrania
Opublikowane
Numer
Dział
Licencja
Prawa autorskie (c) 2020 Państwowa Wyższa Szkoła Zawodowa w Tarnowie & Autorzy

Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne 4.0 Międzynarodowe.