EMG sinyallerinin derin öğrenme ile hareket sınıflandırması

Abstract

Bu çalışmada EMG sinyalleri üzerinde öznitelikler hesaplanmıştır. Bu öznitelikler ile el hareketlerini sınıflandırmak için derin öğrenme algoritmaları kullanılmıştır. Bir zaman serisi olarak toplanan EMG sinyalleri üzerinde zaman alanında hesaplanan öznitelik vektörleri belirli boyutlarda simetrik matrisler olarak kaydedilmiştir. Yeniden oluşturulan ve resim dosyası formatında kaydedilen veri seti ile Evrişimsel Sinir Ağı eğitilmiştir. Bu eğitim sonucunda tüm veriler ile %93, test verileri ile %79 başarı ile hareket sınıflandırması gerçekleştirilmiştir.In this study, the statistical features are calculated with EMG signals. Deep learning algorithms are used to classify hand gestures with these features. the feature vectors calculated in the time domain using the EMG signals recorded as a time series are stored as symmetric matrices with specific sizes. The data set that is rebuilt and saved as image file format is used to train the convolutional neural network. Thereafter the training, motion classification is carried out with a success rate of 93% for all data and 79% for test data