مقاله آشکارسازی خستگی عضلات بازو با استفاده از مشخصات هندسی صفحه فازسیگنال الکترومایوگرام سطحی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله آشکارسازی خستگی عضلات بازو با استفاده از مشخصات هندسی صفحه فازسیگنال الکترومایوگرام سطحی دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله آشکارسازی خستگی عضلات بازو با استفاده از مشخصات هندسی صفحه فازسیگنال الکترومایوگرام سطحی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله آشکارسازی خستگی عضلات بازو با استفاده از مشخصات هندسی صفحه فازسیگنال الکترومایوگرام سطحی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله آشکارسازی خستگی عضلات بازو با استفاده از مشخصات هندسی صفحه فازسیگنال الکترومایوگرام سطحی :

تعداد صفحات:۱۷
چکیده:
هدف از ارائه این مقاله بررسی تغییرات مشخصات هندسی مبتنی بر آنالیز صفحه فاز سیگنال های الکترومایوگرام سطحی است تا بتوان وضعیت خستگی عضله آگونیست- آنتاگونیست بازو را در عملکرد حرکت دست به سمت هدف تشخیص داد. تمرکز مطالعات گذشته بر روی ویژگی های خطی سیگنال الکترومایوگرام سطحی و مطالعه در شرایط استاتیک، ما را بر آن داشت تا با استفاده از ویژگی های هندسی ساده، که سبب کاهش چشمگیر محاسبات و صرفه جویی در زمان خواهند شد و بدون استفاده از هرگونه پیش پردازش بر روی سیگنال ثبت شده، به بررسی و تحلیل وضعیت خستگی فرد به کمک ویژگی های هندسی به دست آمده از نمودار فاز بپردازیم. مهمترین مرحله از پروژه که چگونگی اجرای آن می تواند تاثیر مستقیمی بر کاریی روش پیشنهادی داشته باشد، انتخاب ویژگی های مناسب هندسی است. بدین منظور ویژگی های هندسی مورد توجه قرار گرفتند که با حجم محاسباتی پائین، اطلاعات کافی را در مورد کیفیت عملکرد حرکت دست به سمت هدف، دارا باشند. در این پروژه از دسته بندی کننده SVM با کرنل های مختلف (خطی، غیر خطی، RBF و چند جمله ای) به عنوان یک دسته بندی کننده متداول با حجم محاسباتی پائین استفاده شده است. نتایج حاصل از آنالیز صفحه فاز به کمک دسته بندی کننده ماشین بردار پشتیبان با کرنل RBF ،با صحت ۹۲% داده های خسته و عاری از خستگی را تفکیک نمود