EMG Sinyallerinin Kısa Zamanlı Fourier Dönüşüm Özellikleri Kullanılarak Yapay Sinir Ağları ile Sınıflandırılması
Yükleniyor...
Tarih
2019
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Öz: EMG sinyali kasların kasılması sırasında oluşan elektriksel aktivasyonun ölçülmesi işlemidir. EMG sinyali, kasların nöralaktivasyonu ve dinamikleri hakkında bilgi sağlamaktadır. Bu nedenle EMG sinyallerinin işlenmesi; sinir hastalıkları teşhisi,protez cihazlar ve insan makine etkileşiminde olmak üzere birçok alanda giderek daha etkin olarak kullanılmaya başlanmıştır.Özellikle EMG sinyallerinden hareket tespiti ve EMG sinyallerinin sınıflandırılması bu çalışmalar için önem teşkil etmektedir.Bu amaçla yapılan çalışmada EMG sinyallerinden hareket tespiti yapılması amaçlanmıştır. İlk olarak 6 farklı harekete ait EMGsinyalleri alınmış ve bu sinyallere Kısa Zamanlı Fourier Dönüşümü (KZFD) uygulanmış ve sinyaller Zaman-Frekans (Z-F)düzleminde gösterilmiştir. Daha sonra bu Z-F gösterimlerinden öznitelik çıkarmak amacıyla gösterimler bölütlenmiş ve her birpencereye ait istatistiksel öznitelikler, Yerel İkili Örüntü (YİÖ) değerleri ve Gri Seviye Eş oluşum Matrisi (GSEM)hesaplanarak EMG sinyaline ait öznitelikler çıkartılmıştır. Çıkarılan bu öznitelikler Yapay Sinir Ağı (YSA) ile sınıflandırılmışve sistemin başarımı ölçülmüştür. Sistemin doğruluk başarımı ortalama %92 olarak hesaplanmıştır.
Öz: EMG signal is procedure that measuring electrical activation during contraction of muscles. EMG signal provides information about neural activation and dynamics of muscles. Therefore, EMG signals have been used more and more effectively in many areas like diagnosis of nervous diseases, prosthetic devices and human machine interaction. Especially, motion detection from EMG signals and classification of EMG signals are important for these studies. In this study, it is aimed to determine motion from EMG signals. Firstly, EMG signals of 6 different movements were taken and Short-Term Fourier Transform (STFT) was applied to these signals. Thus these EMG signals were transformed to Time-Frequency (T-F) domain. After than these representations used to extract features from EMG signal, statistical properties, Local Binary Pattern (LBP) values and Gray Level Co-occurrence Matrix (GLCM) were calculated from each window. These features were classified by Artificial Neural Network (ANN) and performance of system was measured. Evaluated accuracy of the system is 92%.
Öz: EMG signal is procedure that measuring electrical activation during contraction of muscles. EMG signal provides information about neural activation and dynamics of muscles. Therefore, EMG signals have been used more and more effectively in many areas like diagnosis of nervous diseases, prosthetic devices and human machine interaction. Especially, motion detection from EMG signals and classification of EMG signals are important for these studies. In this study, it is aimed to determine motion from EMG signals. Firstly, EMG signals of 6 different movements were taken and Short-Term Fourier Transform (STFT) was applied to these signals. Thus these EMG signals were transformed to Time-Frequency (T-F) domain. After than these representations used to extract features from EMG signal, statistical properties, Local Binary Pattern (LBP) values and Gray Level Co-occurrence Matrix (GLCM) were calculated from each window. These features were classified by Artificial Neural Network (ANN) and performance of system was measured. Evaluated accuracy of the system is 92%.
Açıklama
Anahtar Kelimeler
Kaynak
Fırat Üniversitesi Mühendislik Bilimleri Dergisi
WoS Q Değeri
Scopus Q Değeri
Cilt
31
Sayı
2
Künye
ARI A,AYAZ F,HANBAY D (2019). EMG Sinyallerinin Kısa Zamanlı Fourier Dönüşüm Özellikleri Kullanılarak Yapay Sinir
Ağları ile Sınıflandırılması. Fırat Üniversitesi Mühendislik Bilimleri Dergisi, 31(2), 443 - 451.