Key points are not available for this paper at this time.
기능 전기 자극(FES)에서 유발된 자극 아티팩트를 제거하는 것은 도전 과제입니다. 이전의 자극 아티팩트 제거 연구는 시간 상수 매개변수를 사용한 FES 조절에 초점을 두었지만, 이는 시간 변화 매개변수가 있을 때 제한이 있습니다. 따라서 FES에 의해 유도된 근육 활성의 동기성과 프로프리오셉티브 신경에 의해 유도된 근육 활성의 비동기성을 고려하여 G-S-G라는 새로운 적응형 공간 필터링 방법을 제안했습니다. 이는 다채널 EMG 신호에서 FES 유발 자극 아티팩트를 제거하기 위해 Gram-Schmidt 직교화(G-S)와 Grubbs 기준(G) 알고리즘을 융합하는 것을 포함합니다. 이 방법을 검증하기 위해 시간 변화 매개변수와 자발적 EMG(vEMG) 신호를 융합하여 일련의 시뮬레이션 데이터를 구축하고, 시뮬레이션 데이터에서 FES 아티팩트를 제거하기 위해 G-S-G 방법을 적용했습니다. 이후, 전처리된 시뮬레이션 데이터와 vEMG 데이터의 평균 제곱근(RMS) 값을 계산하고 비교했습니다. 시뮬레이션 결과는 G-S-G 방법이 시뮬레이션된 EMG 신호에서 FES 아티팩트를 제거하는 데 강력하고 효과적임을 보여주었으며, 전처리된 EMG 데이터와 기록된 vEMG 데이터 간의 상관 계수는 최대 0.87에 이르는 좋은 성능을 보였습니다. 또한 제안된 방법을 FES 유발 자극 아티팩트가 있는 실험 EMG 데이터에 적용하였으며, 시간 상수 및 시간 변화 매개변수 모두에서 좋은 성과를 달성했습니다. 본 연구는 FES 유발 자극 아티팩트를 제거하는 문제를 해결하기 위한 새로운 접근 방식을 제공합니다.
Chen et al. (Sun,)은 이 질문을 조사했습니다.