استخراج ویژگی های بافتی طیف سیگنال های ماهیچه ای و به کارگیری ماشین بردار پشتیبان به منظور دسته بندی حرکات فیزیکی

سیگنال های الکترومیوگرافی (EMG) با استفاده از دستگاه استخراج سیگنال های ماهیچه ای (الکترومیوگراف) و به منظور تشخیص میزان اختلاف پتانسیل به وجود آمده در اثر تحریک عصبی سلول های ماهیچه ای جهت کاربردهای گوناگون استخراج می شوند. یک مرحله ی مهم در پردازش سیگنال های استخراج شده که تاثیر بسیار اساسی در عملکرد کلی سیستم های کنترل ماهیچه ای دارد استخراج ویژگی های موثر از این سیگنال ها است. در این مقاله به منظور بهبود ویژگی های زمانی، فرکانسی و زمان-فرکانسی، روش های استخراج خصوصیات بافت از تصاویر زمان-فرکانس سیگنال با استفاده از توصیف گرهای الگوی دودویی محلی (LBP) و ماتریس هم رخداد (GLCM) مورد بررسی قرار گرفته است. با تحلیل بافت تصاویر طیف سیگنال های ماهیچه ای روابط بین فرکانس های مختلف در زمان های مختلف استخراج می شود. در نتیجه، روابط مابین اطلاعات زمان و فرکانس به صورت توامان به عنوان نماینده سیگنال در نظر گرفته خواهد شد. در این تحقیق، جهت بررسی کارایی این روش استخراج خصوصیات از پایگاه داده ی "سیگنال های ماهیچه ای حرکات فیزیکی"، استفاده شده است. همچنین، جهت دسته بندی بردارهای ویژگی استخراج شده، ماشین بردار پشتیبان در دو حالت کلی و با تفکیک باندهای فرکانسی بکار گرفته شده است. در نتیجه ی آزمایشات، دقت دسته بندی 98/75% با استفاده از روش تفکیک باندهای فرکانسی حاصل شده است که در مقایسه با نتایج به دست آمده از روش های قبلی دقیق تر است.