El hareketi tahmini için EMG sinyalleri ve uyarlamalı sinirsel bulanık çıkarım sistemine (ANFIS) dayalı bir karar verme mekanizması

Authors : Deniz Hande KISA, Mehmet Akif ÖZDEMİR, Onan GÜREN, Ayşegül ALAYBEYOĞLU SOY

Pages : 1417-1430

Doi:10.17341/gazimmfd.1025221

View : 18 | Download : 4

Publication Date : 2023-01-06

Article Type : Research Paper

Abstract :Üst ekstremite hareketi tam olarak sağlanamadığında, yapay zeka insert ignore into journalissuearticles values(artificial intelligence/AI); sistemleri kullanıcılara amaçlanan hareketin uygulanması konusunda yardımcı olurlar. Kas aktivitesinin temsili olan elektromiyografi insert ignore into journalissuearticles values(EMG);, sanal gerçeklik uygulamaları ve protez kontrolleri gibi AI-tabanlı sistemlerde kullanıldığında çeşitli faydalar sağlar. Bu çalışmada, bahsedilen sistemlere etkin kontrol sunmak ve tahmin performanslarını iyileştirmek amacıyla bulanık mantık insert ignore into journalissuearticles values(Fuzzy Logic/FL);-tabanlı bir karar verme mekanizması sunulmuştur. Bu bağlamda, 30 katılımcıdan yedi farklı el hareketini taklit etmesi sonucunda oluşan EMG sinyalleri toplandı. Gerekli ön işleme ve bölütleme işlemlerinin ardından elde edilen sinyallere Hilbert-Huang Dönüşümü\`nün insert ignore into journalissuearticles values(HHD); ilk aşaması Görgül Kip Ayrışımı insert ignore into journalissuearticles values(GKA); metodu uygulandı ve İçsel Mod Fonksiyonları insert ignore into journalissuearticles values(İMF); elde edildi. İstatistiksel İMF seçim yöntemi ile belirlenen İMF’lere HHD uygulanmasıyla iyi çözünürlüklü zaman-frekans insert ignore into journalissuearticles values(time-frequency/TF); imgeleri elde edildi. Zaman ve frekans uzayının ortak temsiline dayalı görselleştirilmiş TF imgelerinden çeşitli ayırt edici öznitelikler çıkartıldı. İki farklı kümeleme tekniği uygulanan öznitelik veri seti, Uyarlamalı Sinirsel Bulanık Çıkarım Sistemi\`ne insert ignore into journalissuearticles values(ANFIS); girdi olarak verildi. Yedi el hareketi sınıflandırması için Azaltımlı insert ignore into journalissuearticles values(Subtractive Clustering/SC); ve Bulanık C-ortalama insert ignore into journalissuearticles values(Fuzzy C-mean/FCM); kümeleme yöntemleri için ortalama doğruluk değerleri sırasıyla %93,88 ve %92,10 olarak elde edilmiştir. TF temsiline dayalı özniteliklerin FL yaklaşımlarıyla sınıflandırılması sonucu elde edilen bulgular, EMG gibi durağan ve doğrusal olmayan biyolojik sinyallerin sınıflandırılması için umut verici olduğunu göstermiştir.
Keywords : Bulanık mantık, görgül kip ayrışımı, EMG, Hilbert Huang Dönüşümü, zaman frekans analizi