بررسی و تحلیل روش های استخراج ویژگی مبتنی بر الگوریتم ژنتیک چندهدفه وماشین بردار پشتیبان برای کلاس بندی سیگنال های الکترو مایوگرام عضلات بازو

سالهاست به منظور توانبخشی و ساخت اندام مصنوعی سعی محققین براین بوده که زمان پردازش کاهش داده شود تابرای استفاده های زمان حقیقی مناسب باشد هرچند دراین زمینه تاحدودی موفق بوده اند ولی دراکثرتحقیقات قبلی مساله اشکارسازی نوع حرکت پیش ازامشاهده آن موردتوجه نبودها ست نشان داده شده که به کمک روشهای بهینه سازی چندهدفه میتوان ازتقابل بین اهداف مختلف منجر به جوابی شد که درحقیقت مصالحه ای بین اهداف مختلف است همچنین ازمزایای این روش نسبت به روشهای تک هدفه میتوان به شناسایی تعدادبیشتر راه حل ها قابلیت اضافه کردن قوانین مختلف دراینده و واقعی تر بودن مدلهای ارایه شده دراین مسائل اشاره نمود هدف کلی این پژوهش ارایه راهکاری مناسب جهت تشخیص بلادرنگ نوع حرکت مورداراده فرد درعضلات بازو مبتنی برپردازش سیگنالهای الکترومایوگرام سطحی برای کنترل یک ساعدسایبرنتیکی بااستفاده ازویژگیهای مناسب زمان فرکانسی است که توسط الگوریتم ژنتیک چندهدفه NSGA-II گزینش میشود همچنین استفاده ازماشین بردارپشتیبان به عنوان طبقه بندی کننده به منظور اشکارسازی زمان حقیقی نوع حرکت به کارگرفته شده است

کلیدواژه ها:

الکترومیوگرافی سطحی ، بهینه سازی چندهدفه ، ماشین بردارپشتیبان ، الگوریتم ژنتیک