Analýza EMG signálu pro protetickou ruku založenou na Fuzzy logice

Abstract

Lidská ruka je koncový orgán horní končetiny, který slouží k důležité funkci uchopení, stejně jako důležitý orgán pro vnímání a komunikaci. Je to úžasný příklad o tom, jak komplexní mechanismus může být implementovaný, schopný chápat velice komplexní a užitečné úkoly používáním velmi efektivní kombinace mechanismů, snímání a řídicích funkcí. Elektromyogram (EMG) byl původně vyvinutý pro vyšetrování svalnatého nepořádku. Klinické aplikace se brzo rozšířila, nejpozoruhodněji ve výzkumu epilepsii a nakonec se stal populární po zavedení protéz, specificky tělem poháněných protéz. EMG nahrávání je použito pro studování funkčního stavu svalu během různých pohybů. Cílem tohoto projektu je vyvinutí elektromyogramové (EMG) metody třídění, která bude pomáhat v aplikacích jako systém pracující v reálném čase. První část tohoto projektu bylo získávání informací. Údaje reálného času byly zaznamenaný pomocí EMG monitorovacího systému (BIOPAC) a kompletní datová sada různých osob byl zaznamena. Tyto EMG data byly konvertované ze souboru ASCII do čitelné formy pro MATLAB. Druhou částí projektu byla extrakce vlastností. Pět tradičních parametrických rysů bylo vypočítáno, jmenovitě Integrovaný EMG (IEMG), variance (VAR), Zero Crossing (ZC), Slope Sign Changes (SSC) a Vlnová délka (WL). Třetí část projektu byla klasifikace EMG vzorů s použitím fuzzy logiky. Výsledky jsou docela slibné.

The human hand is an important limb essential for movement, grasping, perception , as well as being a vital part of the human body for sensation and communication. It is a classic example of how a complex mechanism can be implemented, capable of realizing very tedious and useful tasks using a very effective combination of mechanisms, sensing, actuation and control functions. Electrmyogram (EMG) was originally developed for the detection and further correction of muscular disorder. Further applications were soon evident, most importantly in epilepsy, and finally it became popular due to the introduction of prosthetics, specifically body powered prosthesis. EMG recording is used for studying the functional state of the muscle undr various motions when it undegoes stress and tension. The goal of this project is to develop electromyogram (EMG) classification methods that shall help in applications like real-time system. First Phase of this project was Data Acquisition. Real time data using PC based EMG Monitoring System (BIOPAC) was recorded and a complete data set of different subjects was obtained. This EMG data was converted from ASCII file to a readable form for MATLAB. Second Phase of this project was Feature Extraction. Five traditional parametric features, namely Integrated EMG (IEMG), Variance (VAR), Zero Crossings (ZC), Slope Sign Changes (SSC) and Waveform Length (WL) were extracted. Third phase of this project was Classification of EMG patterns using fuzzy logic techniques. The results were quite promising.