Publication:
FFT Analysis and Motion Classification of EMG Signals

Simple item page
dc.contributor.authorAKGÜN, GAZİ
dc.contributor.authorDEMİR, UĞUR
dc.contributor.authorsAKGÜN G., DEMİR U.
dc.date.accessioned2022-10-11T17:00:23Z
dc.date.available2022-10-11T17:00:23Z
dc.date.issued2022-10-01
dc.description.abstractBu çalışmada EMG sinyallerinin frekans analizi yapılarak elde edilen veriler ile hareket sınıflandırması yapmak amaçlanmıştır. Üç kanaldan toplanan EMG sinyalleri uygun pencerelere ayrılarak her bir pencereye” hilbert “ zarflama yöntemi uygulanmış ve FFT katsayıları hesaplanmıştır. Kaydedilen EMG sinyallerinin frekans spektrumları incelenmiştir. Bu katsayıları ile bir sınıflandırma algoritmasında kullanmak amacıyla her bir pencerenin ağırlıklı frekans bileşeni hesaplanmıştır. Elde edilen veriler YSA (Yapay sinir Ağları) algoritmasının eğitilmesi amacıyla kullanılmış ve bu işlem EMG sinyallerinin sınıflandırılması amacıyla kullanılmıştır. Sınıflandırma işlemi sonucunda özellikle aynı kas gruplarındaki kasılma kuvvetleri ile birbirinden ayırt edilebilen hareketlerin yalnızca frekans domeninde değil zaman domeninde de incelenmesi gerektiği sonucuna varılmıştır.
dc.description.abstractIn this study, it is aimed to make motion classification with the data obtained by frequency analysis of EMG signals. The EMG signals collected from three channels were divided into appropriate windows, and the "hilbert" envelope method was applied to each window and the FFT coefficients were calculated. The frequency spectrums of the recorded EMG signals were examined. With these coefficients, the weighted frequency component of each window was calculated in order to use it in a classification algorithm. The obtained data were used to train the ANN (Artificial Neural Networks) algorithm and this process was used to classify the EMG signals. As a result of the classification process, it was concluded that the movements that can be distinguished from each other by the contraction forces in the same muscle groups should be examined not only in the frequency domain but also in the time domain.
dc.identifier.citationAKGÜN G., DEMİR U., "FFT Analysis and Motion Classification of EMG Signals", Computer Science, ss.130-136, 2022
dc.identifier.doi10.53070/bbd.1172684
dc.identifier.endpage136
dc.identifier.issn2548-1304
dc.identifier.startpage130
dc.identifier.urihttp://dx.doi.org/10.53070/bbd.1172684
dc.identifier.urihttps://hdl.handle.net/11424/282275
dc.language.isoeng
dc.relation.ispartofComputer Science
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectMotion Classification
dc.subjectFFT Analysis
dc.subjectsEMG
dc.subjectHaraket Sınıflandırma
dc.subjectHFD Analizi
dc.titleFFT Analysis and Motion Classification of EMG Signals
dc.title.alternativeEMG Sinyallerinin HFD Analizi ve Hareket Sınıflandırılması
dc.typearticle
dspace.entity.typePublication
local.avesis.id42273502-190a-44f8-99c9-12fccfc839e3
relation.isAuthorOfPublication4cca1569-333a-440f-9f9e-7cf897217af2
relation.isAuthorOfPublication909feeb4-feb0-462c-9b56-8880b4cf6252
relation.isAuthorOfPublication.latestForDiscovery4cca1569-333a-440f-9f9e-7cf897217af2

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
ff.pdf
Size:
1.2 MB
Format:
Adobe Portable Document Format
Download

Collections

Research Outputs