EMG işaretlerinin işlenmesi ve sınıflandırılması

Abstract

Elektrokimyasal kökenli biyolojik işaretlerin varlığının fark edilmesinden bu yana birçok bilim adamı insana haiz mükemmel olan vücut hareketlerini inceleyip modellemeye çalışmışlardır. Yapılan çalışmalarda geliştirilen yeni teknikleri ve yöntemleri kullanarak kasların aktivasyonu sonucu ortaya çıkan ham miyoelektrik işaretleri(MES) faydalı hale getirmişler ve protez-biyonik uzuvların mekanik kısımlarını süren elektronik kontrolörlerde kaynak işareti olarak kullanmışlardır. Ayrıca teknolojinin gelişimiyle günlük hayatımızda çokça yer alan, başta otomotiv olmak üzere birçok endüstri alanında kullanılan ve yakın gelecekte hastanelerde evlerimizde de kullanılması beklenen robotlara da insana yakın el becerileri kazandırılmaya çalışılmaktadır.Günümüzde kullanılan protez eller sınırlı hareket kabiliyetine sahiptirler. Gerçeğe yakın daha hünerli protez-yapay ellerin yapılabilmesi için şu üç konu üzerindeki çalışmalar sürecektir. Birincisi elin yeterli serbestlik derecesinde çalışabilmesini sağlayacak mekanik çözümler, ikincisi mekanik kısmın istenen kabiliyette ve hızda hareket etmesini sağlayacak elektronik devreler ve üçüncüsü bu kontrolör devreyi sürmesi için kullanılacak kaynak işaretin üretilmesi ve amaca uygun olarak kullanılmasıdır. Üçüncüsü, ham EMG işaretinden faydalı kaynak işaretin elde edilmesi ve amaca uygun kullanılmasıdır ki buda işaret işleme ve yapay zeka tekniklerinin gelişimine paralel olarak daha da iyileşecektir. Önem derecesine göre sıralamak gerekirse öncelikle 3. ve 2. problemler çözülmeden daha gelişmiş protez ? yapay uzuvlardan bahsedilemeyecektir.Bu çalışmada yukarıda belirtilen problemlerden üçüncüsüne, yeni çözümler getirilmek istenmiştir. Bu amaçla protez-biyonik el çalışmalarında önem arz eden el hareketlerinden; nesnelerin bilinçli kontrol altında amaca uygun kullanılmasını sağlayan bazı hareketler seçilerek bu hareketlerin konumlarına karşılık gelen elektromiyogram işaretleri kayıtlanmıştır. Daha sonra kayıtlanan bu ham elektromiyogram işaretleri, elektromiyogram işaretinin tabiatına uygun dalgacık dönüşümü tabanlı öz bağlanımlı modeller kullanılarak yapay sinir ağları ile sınıflandırılmıştır.

Lots of researchers try to modelling perfect body motions since electrochemical basis biologic signals have been discovered. In many studies, raw Mioelectrical Signals (MES) which are consequent of muscle contraction become meaningful and useful via new technics and methods. This signals used for source signals for electronic devices drive mechanical parts of prosthesis-bionic limb. Also the development of technology in robotics field; researchers wants to bring robots in hand proficiency which are rarely used in automotive, surgery etc. areas.Nowadays prosthesis hands used has limited activity ability. To compose more proficient prothesis-artificial hands the studies must keep going on this three topics. The first one is mechanical solutions which supply the ability of freenes scale, second one is electronic circuits which are responsible for obtaning motion speed at desirable ability and the third one is to generate source signals which are used to drive this electronic circuits. The third one become better which is paralel with the improvement and development of signal processing and artificial intelligence technics. We couldn?t talk about more developed prothesis-artificial limbs unless third and second problems solved.In this work, the aim is to make better and newer solutions for third problem. For this reason, motions which are used for controlling objects consciously are identified and Electromyogram signals which are used for talented some hand motions was recorded according to this consciously motions. After this recording stage; Wavelet Transform based autoregressive models that is suitable for signal nature and known as a good signal processing technic for Electromyogram used for analysis of signal. After that these signals are classified by neural networks.