Фильтрация и анализ различного рода интенсивности сигналов электромиографии для программно-аппаратного комплекса распознавания движений кисти
Автор проекта
Санников Вадим
11 класс
Научный руководитель
Немов Владислав Николаевич, преподаватель ЦДНИТТ при КузГТУ «УникУм», г. Кемерово (Кемеровская область)
Цель проекта
Реализация методики программной обработки электромиографических (ЭМГ) сигналов и ее использование с целью создания программно-аппаратного комплекса распознавания движений кисти. Проект направлен на решение таких проблем обработки ЭМГ, как воздействие тех или иных условий окружающей среды на ЭМГ-сигнал (например, помехи от сети и их гармоники, возникающие присутствием электроприборов с нелинейной нагрузкой); наличие изменений интенсивности анализируемых движений; влияние анатомических и физиологических особенностей мышц.
Краткое описание проекта
На сегодняшний день существует задача создания систем управления на основе анализа мышечной активности человека для применения их в протезах, исследовательских аппаратах, а также в перспективных интерфейсах «человек-машина». Подобная задача решается снятием и обработкой электромиографических сигналов. Однако электромиографические сигналы, полученные с поверхности кожи, имеют свойства нестационарности, нелинейности, сложности и вариативности и, более того, сильно подвержены воздействиям окружающей среды. Также на ЭМГ влияют анатомические и физиологические особенности мышц. Перечисленные качества затрудняют анализ сигналов ЭМГ. На решение этих проблем рассчитан данный проект, тем самым реализуя себя как методику и конечный продукт – программно-аппаратный комплекс на основе предложенной методики.
Результаты проекта
1. Изучены методы для предотвращения возникновения помех в сигнале ЭМГ.
2. Проведен анализ вариантов программной фильтрации ЭМГ-сигналов.
3. Осуществлен анализ вариантов детектирования ЭМГ-сигналов.
4. Проведено исследование по изучению статистики сигналов ЭМГ с целью выделения классовых признаков.
5. Проведено исследование по изучению частотных характеристик ЭМГ-сигналов с целью выделения классовых признаков.
6. Реализованы методы уменьшения признакового пространства.
7. Изучены методы оптимизации параметров классификаторов.
Дальнейшее развитие проекта
Разработка продукта в виде AR-приложения для интеграции созданного устройства в качестве элемента управления системы.