Data acquisition and feature extraction for classification of prehensile SEMG signals for control of a multifunctional prosthetic hand

Abstract

Bu çalışma, bir kasın sinir-kas aktivite bilgisinin yer aldığı ve çok fonksiyonlu protezler gibi insan-makine arayüzlerinde kullanılan yüzeyel elektromyografi sinyali üzerine odaklanmıştır. Önkol üzerindeki dört farklı kas grubundan ölçülen yüzeyel elektromyografi sinyali zayıf, karmaşık ve çevresel gürültülere karşı oldukça hassas bir sinyaldir. Bu çalışmanın ilk aşaması, yüzeyel elektromyografi sinyalinin ölçülmesi amacıyla kullanılan donanımın tasarımını ve uygulamasını içermektedir. Temel olarak cihaz tasarımı, yüzeyel elektromyografi sinyalinin özellikleri ve sinyal kalitesini etkileyen faktörler baz alınarak yapılmıştır. Tezin ikinci amacı ise daha sonraki işlemlerde kullanılmak amacıyla, kaydedilen elektromyografi sinyaline anlam kazandırmaktır. Doğrusal olmayan karakteristik özelliğe sahip olan elektromyografi sinyalinin kullanışlı bir bilgi sunabilmesi için sayısallaştırılması gereklidir. Bu amaçla çeşitli sinyal işleme yöntemleri uygulanmış ve sinyalin karakteristik özellikleri elde edilmiştir. Bu özellikler, çok fonksiyonlu protezlerin kavrayabilme ve tutabilme hareketlerinin sınıflandırılması için seçilmiştir. Tezin bu kısmında, sinyal karakteristiğini belirleyen birçok algoritma uygulanmış ve herbir algoritmanın sınıflandırma methodu altında performansları, başarı yüzdelerine bakılarak karşılaştırılmıştır.

This study focuses on the SEMG (surface electromyography) signals that carry the valuable information of the neuromuscular activity of a muscle and are utilized in the man-machine interfaces such as multi-functional prostheses. The SEMG signals measured from four different muscle groups of the forearm are weak, sophisticated and very sensitive to ambient noise. The first stage of this study is hardware design and implementation for the SEMG measurement. The fundamentals of the design are mainly based on the specifications of the SEMG signal and the factors that affect the signal quality. The second purpose of the thesis is applying various methodologies to the recorded SEMG signal to give meaning to its nature to be used in the further processes. The raw EMG signals have nonlinear characteristics and present useful information if they are quantified. For this purpose, various signal processing methods are applied to the SEMG signal to acquire useful information, features. Features of the signal are extracted to be used for classification of prehensile motions of multi-functional prosthetics. In this part, many algorithms that have been employed as feature extraction methods are compared with respect to their classification performance.