مدلسازی وشبیه سازی حرکت دست انسان در صفحه افق به کمک سیگنال الکترومایوگرام و شبکه عصبی مصنوعی

درگذشته و حال، مطالعات متعدد و پژوهشهایی در زمینه مدلسازی حرکت دست و بکارگیری ویژگیهای سیگنال الکترومایوگرام انجام شده است. یکی از معضلات سیگنال EMG شیوه تحلیل آن است. کاربرد این تحلیل، بررسی و بهره گیری از ویژگی های مناسب الکترومایوگرام، در جهت تحلیل و پردازش سیگنال میباشد.کار روی الگوهای مناسب در تحلیل و تخمین تابع حرکات و مقایسه آنها بخش دیگری از پژوهش است. برخی ویژگیهایی که توسط پژوهشگران مختلف در سراسر دنیا تاکنون در پردازش EMGاستفاده شده شامل سطح زیر نمودار(انتگرال)، متوسط ارزش مطلق، واریانس، شکل طول موج و روش میانگین متحرک در الکترومایوگرام می باشد. بخش دیگر ازاین مقاله در زمینه آموزش یک سیستم محاسباتی است، روش های متفاوت یافتن تابع مدل بهینه با خطای حداقل که خروجی آن اطلاعات موقعیت دست باشد. در این پژوهش سعی بر این شده به برخی از سوالات در این زمینه پاسخ گفته شود، چگونه به الگوریتم مناسبی برای یافتن یک نگاشت غیرخطی در تحلیل EMGبرسیم روش بهینه کدام است یکی از چالش های تحلیل EMG، تغییرات بسیار زیاد در سیگنال، همچنین یافتن موثرترین عضلات در حرکات موردنظر و یافتن بهترین مکان برای قرار دادن حسگر روی عضله است. در این پژوهش از 9سوژه آزمایش گرفته شد سپس استخراج ویژگیهای مناسب برای تقریب و تخمین حرکات مورد بررسی قرار گرفت. ازجمله استفاده از روش های پیش پردازش سیگنال مانند فیلترهای پایین گذر پس از حذف نویزهای اصلی و یکسو سازی بکار گرفته شد. در مرحله پردازش اصلی مقاله، پردازش سیگنال بر روی سه ویژگی مختلف شامل میانگین، میانه و بیشینه سیگنال در طول پنجره های متفاوت (از کم به زیاد) بررسی شد. درنهایت روش های پردازش باهم مقایسه شده اند و متوسط خطای ثبت شده در طول پنجره از بازه 50 تا 2200 داده به ترتیب در فیلترهای میانه گیر، میانگین گیر و بیشینه گیر به ترتیب 0/0342 ، 0/0613 و 0/0691 می باشد. نتایج حاصل شده بیانگر آن است که کمترین میزان خطا در فیلتر میانه با میزان 0/0233ثبت شد.