同步操作将从 northeastwang/sEMG_DeepLearning 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
表面肌电信号是由多个运动单元发放的动作电位序列,在皮肤表面呈现的时间上和空间上综合叠加的结果。
sEMG的特点:
(1)离线采集sEMG
(2)数据预处理
.
(3)特征提取:时域、频域、时频域(tsfresh库)
(4)特征选择:
(5)特征降维:
(6)模型训练:
(7)在线控制决策:
(1)离线采集sEMG,并数据预处理
(2)构造肌电图像,输入给深度学习模型
NinaPro DB1: OttoBock(100Hz)采集设备,粘贴10个电极,27位健康受试者,53种手部动作(包含休息状态)
NinaPro DB2:Delsys(2000Hz)采集设备,粘贴12个电极,40位健康受试者,49种手部动作(不包含休息状态)
SIA_delsys_16_movements_data数据下载
SIA_delsys_16_movements数据集:Delsys(2000Hz)采集设备,粘贴6个电极,4位健康受试者,16种手部动作
6个电极的粘贴位置:前臂的桡侧腕短伸肌、桡侧腕屈肌、肱桡肌、尺侧腕伸肌、指伸肌、指浅屈肌
每个通道提取多个特征,RMS、MAV、WL、ZC、SSC等
(1)NinaPro DB1:输入图像大小 12 * 10 (120ms * 10channels)
(2)NinaPro DB2: 输入图像大小 200 * 12 (100ms * 12channels)
(3)SIA_delsys:输入图像大小 200 * 6 (100ms * 6channels)
使用Conv1D、Conv2D、Alternate-CNN(交替卷积)、ML-CNN(多流卷积操作+大池化层)四种
email:malele19931203@gmail.com
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。