Sterowanie bioprotezą dłoni - klasyfikacja miosygnałów za pomocą drzew decyzyjnych

• Autorzy: Suchodolski T. , Wołczowski A.

Warianty tytułu

EN

Hand-bioprosthesis control - decision tree based EMG pattern classification

• Języki publikacji: PL

Abstrakty

PL

Praca omawia problem sterowania decyzyjnego bioprotezą dłoni traktowany jako rozpatrywanie intencji ruchowych człowieka na drodze analizy sygnałów bioelektrycznych z kikuta protezowanej kończyny. Przedstawione podejście polega na połączeniu wybranych metod analizy danych (drzewa decyzyjne, sieci neuronowe, algorytmy genetyczne, kNN, jądrowy estymator gęstości) dla poprawy niezawodności klasyfikacji tych sygnałów.

EN

The paper discusses the problem of decision control of hand bioprosthesis. The problem is considered as human intention recognition by means if the electromyography (EMG) signals analysis. The signal characteristics and the large number of movement classis of a dexterous hand together with the high reliability of their recognition that is demanded make the decision control problem all the more difficult. The presented approach consist in combining such technics as Decision Tree, Neural Networks and Genetic Algorithms, to obtain the reliable recognition.

Słowa kluczowe

PL

bioproteza dłoni; sterowanie bioprotezą; sygnały bioelektryczne; drzewo decyzyjne

EN

hand-bioprosthesis; bioprosthesis control; EMG signals; decision tree

• Wydawca: Oficyna Wydawnicza Politechniki Warszawskiej
• Czasopismo: Prace Naukowe Politechniki Warszawskiej. Elektronika
• Rocznik: 2012
• Tom: z. 182, t. 1
• Strony: 103--114
• Opis fizyczny: Bibliogr. 12 poz., rys., tab.

Twórcy

autor

Suchodolski T.

• Instytut Informatyki, Automatyki i Robotyki, Politechnika Wrocławska, ul. Janiszewskiego 11/17, 50-372 Wrocław

autor

Wołczowski A.

• Instytut Informatyki, Automatyki i Robotyki, Politechnika Wrocławska, ul. Janiszewskiego 11/17, 50-372 Wrocław

Bibliografia

• [1] M.R. Ahsan, M.I. Ibrahimy, O.O. Khalifa. Hand motion detection from EMG signals by using ANN based classifier for human computer interaction. 4th International Conference on Modeling, Simulation and Applied Optimization (ICMSAO), Kuala Lumpur, 2011.
• [2] AB. Ajiboye, RF. Weir, A heuristic fuzzy logic approach to EMG pattern recognition for multifunctional prosthesis control, IEEE Trans. Neural Sys. Rehab. Eng., 2005.
• [3] K. Krysztoforski, A. Wołczowski. Stanowisko laboratoryjne do pomiarów sygnałów EMG. Postępy Robotyki. Red. K. Tchoń. Warszawa, WKŁ 2005, s. 203-212.
• [4] M. Lei, Z. Wang, LY. Cai, HH. Zhang, H. Cai, An EMG classifying method based on Bayes criterion, Engineering in Medicine and Biology Society, Proceedings of the 20th Annual International Conference of the IEEE, 1998.
• [5] S. Mallat, A Theory for Multiresolution Signal Decomposition: The Wavelet Representation, IEEE Trans, Pattern Analysis and Machine Intelligence, vol. 11,1989.
• [6] J. R. Quinlan, 1993, C4.5: Programs for Machine Learning, San Mateo, California, Morgan Kaufmann.
• [7] T. Suchodolski, A. Wołczowski. Sterowanie bioprotezą dłoni - Oprogramowanie do analizy sygnału EMG. Problemy Robotyki. Red. K. Tchoń. Warszawa, OWPW 2010.
• [8] A. Wołczowski. Smart Hand: The Concept of Sensor based Control. In: 7th IEEE Int. Symposium MMAR. Proceedings. Miedzyzdroje 2001, s. 783-790.
• [9] A. Wołczowski, M. Kurzyski. Human-machine interface in bioprosthesis control using EMG signal classification. Expert Systems 2010, (27), s. 53-70.
• [10] A. Wołczowski, M. Kurzyński. Sterowanie bioprotezą poprzez rozpoznawanie sygnałów mioelektrycznych. Postępy robotyki. Red. K. Tchoń. WKŁ 2005.
• [11]A. Wołczowski, T. Suchodolski, 2007, Bioprosthesis Control: Human-Machine Interaction Problem, Challenges for Assistive Technology - AAATE 07, IOS Press.
• [12] Q. F. Zhao. Evolutionary design of neural network tree - integration of decision tree, neural network and GA. Proceedings. IEEE Congress on Evolutionary Computation. Seoul, 2001. s. 240-244.