Hauptkomponentenanalyse-Vorverarbeitung zur Verbesserung der Klassifikationsgenauigkeiten in der mustererkennungsbasierten myoelektrischen Steuerung

Informationen, die aus mehreren Kanälen der Oberflächen-myöelektrischen Signals (MES) an den Aufzeichnungsstellen extrahiert werden, können als Eingaben für Steuersysteme für motorisierte Oberschenkelprothesen verwendet werden. Bei kleinen, eng beieinander liegenden Muskeln, wie den Muskeln im Unterarm, enthält das erkannte MES oft Beiträge von mehr als einem Muskel, wobei der Beitrag jedes spezifischen Muskels durch die dispersive Ausbreitung durch den Volumenleiter zwischen dem Muskel und den Detektionspunkten verändert wird. In diesem Paper werden die gemessenen Roh-MES-Signale durch klassen-spezifische Hauptkomponentenmuster gedreht, um die gemessenen Daten vor der Merkmals-Extraktion räumlich zu decorrelieren. Dies "stimmt" die Daten ab, um einem Mustererkennungsklassifizierer zu ermöglichen, die Testbewegungen besser zu unterscheiden. Diese Verarbeitungstechnik wurde verwendet, um den Fehler bei der Mustererkennungsklassifizierung für sowohl intakte Gliedmaßen als auch transradiale Amputationspatienten signifikant (p < 0.01) zu reduzieren.