Pattern recognition of EMG signals
EMG işaretlerinin örüntü tanıması
- Tez No: 95366
- Danışmanlar: DOÇ. DR. AYŞIN BAYTAN ERTÜZÜN, DOÇ. DR. AHMET ADEMOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Dalgacık dönüşümleri, Elektromiyografi, Örüntü tanıma, Wavelet transforms, Electromyography, Pattern recognition
- Yıl: 2000
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
IV emg İşaretlerinin oruntu tanimasi özet Deri üzerinde gözlenen elektromiyografik (EMG) işaret, kas liflerinde üretilen binlerce küçük gerilimin toplamıdır. Bu işaret işlendikten sonra yapay uzuvların kon trolü için kullanılabilir. EMG işaretlerinin istatistiksel ve matematiksel metodlar kul lanılarak sınıflandırılması gerekir. Bu çalışmanın hedefi, protez uzuvların kontrolü için geçici EMG işaretlerinin sınıflandırılması probleminde, öznitelik çıkarma araçları olarak zaman uzayı ve zaman-frekans uzayı metodlarmm karşılaştırmalı analizini yapmaktır. Ayrıca boyut indirgeme ve sınıflandırma metodları da araştırılmıştır. Dalgacık dönü şümü ve dalgacık paket dönüşümünün öznitelik çıkarma için güçlü metodlar olduğu gösterilmiştir. Öznitelik çıkarma safhasında öznitelik boyutu büyük olduğu için sınıf landırma başarısı uygun boyut indirgeme metodlarmm kullanılması ile sağlanabilir. Ana bileşen analizi yardımıyla dalgacık paket dönüşümü öznitelikleri, sınıflandırma başarımı açısından, zaman uzayı ve dalgacık dönüşümü özniteliklerinden daha iyi sonuç vermiştir. Öznitelik çıkarma için yeni bir metod önerilmiştir. Bu metodda, dal gacık paket dönüşümününün herbir altbandınm enerjisi öznitelik olarak kullanılmıştır. Dalgacık paket dönüşümü ağacının herbir adımmdaki altbandlarda bu öznitelikler hesaplanmış ve boyut indirgeme safhasına aktarılmıştır. Bu metod dalgacık paket dönüşümünün doğrudan kullanılmasına kıyasla daha az sayıda öznitelik üretmiştir. Böylece dalgacık paket dönüşümü özniteliklerinin yüksek boyut dezavantajı engellenmiş ve dalgacık paket dönüşümü ile karşılaştırılabilir başarım elde edilmiştir.
Özet (Çeviri)
Ill PATTERN RECOGNITION OF EMG SIGNALS ABSTRACT The electromyographic (EMG) signal observed at the surface of the skin is the sum of thousands of small potentials generated in the muscle fibers. This signal can be used as a control source of artificial limbs after it has been processed. The EMG signals must be classified using statistical and mathematical techniques. The objective of this work is to make a comparative analysis of time domain (TD) and time-frequency domain methods as feature extraction tools for the transient EMG signal classification for the control of prosthetic limbs. Also investigated are the related dimensionality reduction and classification methods. It is shown that the wavelet transform (WT), and the wavelet packet transform (WPT) provide a powerful framework for feature extraction. Because of the high dimension of features at the extraction stage, the success of classification can be achieved by employing suitable dimensionality reduction methods. It is shown that WPT features with the assistance of principal component analysis (PCA) as a dimensionality reduction method outperform TD and WT features. A new feature extraction method is also proposed. In this method, the energy of each subband is used as a feature. In each level of full WPT tree, these features are computed and then conveyed to the dimensionality reduction stage. The method generates relatively smaller number of features than direct use of WPT features. It prevents the overhead introduced by high dimensions of WPT features and shows comparable performance with them.
Benzer Tezler
- Fractal modeling of surface electromyography (EMG) signals for EMG pattern recognition by artificial neural networks
Yüzeyden kaydedilen elektromiyografik (EMG) sinyallerin yapay sinir ağları ile örüntü tanıma amaçlı modellenmesi
MEHMET EYLEM KIRLANGIÇ
Yüksek Lisans
İngilizce
1998
Tıbbi BiyolojiBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. AYKUT SÜMER
- Ön kol yüzey emg sinyallerinin örüntü tanıma tabanlı analizi ve yapay sinir ağları ile sınıflandırılması
Pattern recognition based analysis of forearm surface emg signals and classification with artificial neural networks
SEYİT AHMET GÜVENÇ
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA ULUTAŞ
- EMG işaretlerinin özniteliklerinin çıkarılması, kNN ve YSA yöntemleri ile sınıflandırılması
Classification of the EMG signal using neural network pattern recognition and kNN algorithm
ÇAĞRI ÇERÇİ
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ
- Myoelectric pattern recognition for activities of daily living: a neural network classification approach
Tez günlük yaşam aktıvıtelerı ıçın mıyoelektrık tanıma: Bır sınır ağı sınıflandırma yaklaşım
ALA AMER M SALEH
Yüksek Lisans
İngilizce
2025
BiyomühendislikBahçeşehir ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BORA BÜYÜKSARAÇ
- MYO bileklik kullanılarak alınan parmak hareketlerine ait EMG işaretlerinin makine öğrenme yöntemleri ile sınıflandırılması
Classification using machine learning methods of finger gesture EMG signals acquired with MYO armband
MUHAMMED ERDİM
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiOndokuz Mayıs ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CENGİZ TEPE