In this study, EMG signals taken from the skin surface as a result of muscles' contraction are classified.
Studied EMG signals include 400 different patterns relating to four different movements. Each pattern is obtained
by adding EMG signals one after another, which are recorded synchronously from two different muscles relating to
one movement. Support Vector Machine (SVM) classifier, a supervised method, is used to classify these pattterns.
But signals need to be preprocessed before being used in SVM classifier. To this end, spectral methods are
consulted. In this way, feature vectors which are more significant than raw data and are composed of coefficients are
achieved. Four different methods are used for preprocessing and feature vectors obtained are classified by SVM.
Success of SVM classifier is tested and performances of preprocessing methods are compared. Best achievement is
94.25%.
Keywords: EMG; Spectral Methods; Autoregressive (AR); SVM Classifier.
Bu çalışmada kas liflerinin kasılması neticesinde deri yüzeyinden algılanan elektromiyografi (EMG) işaretleri sınıflandırılmıştır. Çalışılan EMG işareti dört farklı harekete ait toplam 400 farklı örüntüden oluşmaktadır. Her bir örüntü bir harekete ait iki farklı kastan eş zamanlı olarak kaydedilen EMG işaretinin art arda eklenmesiyle elde edilmiştir. Bu örüntülerin sınıflandırılması için danışmanlı bir yöntem olan Destek Vektör Makinesi (DVM) sınıflandırıcı kullanılmıştır. Fakat DVM sınıflandırıcı kullanılmadan önce işaretin bir ön işlemeden geçmesi gerekmektedir. Bu amaçla da spektral yöntemlere başvurulmuştur. Böylece işlenmemiş veriden daha anlamlı ve katsayılardan oluşan özellik vektörleri elde edilmiştir. Ön işleme için dört farklı yöntem kullanılmış, elde edilen özellik vektörleri de DVM sınıflandırıcı ile sınıflara ayrılmıştır. Kullanılan veri seti için DVM sınıflandırıcının başarısı ölçülmüş ve ön işleme metotlarının performansı kıyaslanmıştır. En yüksek başarı oranı %94,25’tir
Birincil Dil | İngilizce |
---|---|
Bölüm | Araştırma Makalesi |
Yazarlar | |
Yayımlanma Tarihi | 5 Haziran 2016 |
Gönderilme Tarihi | 25 Ocak 2011 |
Yayımlandığı Sayı | Yıl 2010Cilt: 13 Sayı: 2 |