Skip to content

research.md

Latest commit

 

History

History
83 lines (62 loc) · 8.16 KB

research.md

File metadata and controls

83 lines (62 loc) · 8.16 KB
layout page
title Темы
permalink /research/

Разработка программно-математических средств для распознавания сигналов электромиографии.

Что такое электромиография и зачем она нужна

Распознавание жестов (биотехнические интерфейсы)

Распознавание с помощью старого красного носка и NVidia Tegra

В спорте

Вы можете найти кучу аналогичных примеров.

Книги

Roberto Merletti Dario Farina Surface Electromyography : Physiology, Engineering, and Applications. Copyright © 2016 by The Institute of Electricaland Electronics Engineers, Inc.

Google, Youtube, Yandex и т.п.

Ищите EMG Gesture recognition

Capacitive EMG (бесконтактная ЭМГ для одежды)

Parin Dedhia (prd47), Roland Krieger (rk447), Nini Munoz (nlm9) CAPACITIVELY COUPLED EMG ELECTRODES WITH FINGER GESTURE RECOGNITION

Бесконтактные "touch-screen" интерфейсы на основе EMG

Keywords: Touch user interface, Gesture interface, Natural user interface Gonzalo Pomboza‑Junez, Juan A. Holgado‑Terriza, Nuria Medina‑Medina Toward the gestural interface: comparative analysis between touch user interfaces versus gesture‑based user interfaces on mobile devices

На основе метода опорных векторов

Эта тема самая популярная на нашей кафедре. Но настал момент двигаться дальше.

На основе методов глубокого обучения

Цель: Определение структуры нейронной сети для распознавания сигналов ЭМГ. В основе данного исследования должна лежать какая-то гипотеза о структуре сигнала ЭМГ или о способе его формирования. Полагаясь на эту гипотезу можно предположить сколько необходимо иметь слоев, какие должны быть слои и т.п. Пример гипотезы: можно обучить сеть на одном человеке и получить универсальный до некоторой степени набор признаков (bottleneck). Для использования этой сети на другом человеке необходимо лишь переобучить выходной слой - softmax или SVM.

  1. Nils Ackermann Introduction to 1D Convolutional Neural Networks in Keras for Time Sequences (https://blog.goodaudience.com).
  2. Rita Laezza Deep Neural Networks for Myoelectric Pattern Recognition

С использованием автокодирования

Цель: поиск Bottleneck вектора (вектора классификационных признаков) для сигнала ЭМГ. Такой вектор может быть получен путем некоторого преобразования входного сигнала ЭМГ, в данном случае это преобразование выполняет многослойная нейронная сеть.

  1. Marwa Farouk Ibrahim Ibrahim* , Adel Ali Al-Jumaily.
  2. Martin Sp¨uler Extracting Muscle Synergy Patterns from EMG Data Using Autoencoders

На основе метода Random Forest

  1. Модель Random Forest для классификации, реализация на c#. habr
  2. David Rodriguez A Neural Decision Forest Scheme with Application to EMG Gesture Classification

Классификация EMG с использованием Ensemble Classifiers

Сейчас нет информации по этому направлению.

На основе математических моделей EMG сигнала

Определение классификационных признаков на основе математической модели сигнала ЭМГ. D. Farina ; A. Crosetti ; R. Merletti A model for the generation of synthetic intramuscular EMG signals to test decomposition algorithms. link

Мокрая биология

Имеется в виду работа с оборудованием для ЭМГ. На защиту может выноситься только в составе работы, железячников наша кафедра не выпускает!

  1. Анализ мышечной усталости. Проведение серии экспериментов во времени по измерению ЭМГ сигнала без перемещения электродов. Идеальный результат - построение примерной модели которая может объяснять изменения в ЭМГ вследствие нагрузки на мышцу. Еще лучше если удастся это скомпенсировать.
  2. Анализ зависимости ЭМГ сигнала от человека. Проведение серии экспериментов на разных людях. необходимо правильно организовать эксперимент. Цель -поиск классификационных признаков не зависящих от человека.

EMG signal processing platform

Здесь вы можете посмотреть на то что уже сделано в этом направлении на кафедре. EMG signal processing platform

Обнаружение шумоподобных сигналов на основе методов параметрического спектрального анализа

Процедура обнаружения сигнала в системах с кодовым разделением доступа (пример- GPS, CDMA) является одной из наиболее затратных составляющих частей современного цифрового приемника. Использование авторегрессионных моделей вместо традиционных алгоритмов на основе метода максимального правдоподобия позволяет существенно снизить вычислительные затраты и продлить время автономной работы мобильных беспроводных устройств.

Реализация системы передачи данных на базе CMOS сенсора

Takaya Yamazato, Image-Sensor-Based Visible Light Communication for Automotive Applications. - VISIBLE LIGHT COMMUNICATIONS, IEEE Communications Magazine, July 2014www.comsoc.org

Реализация упрощенной системы позиционирования на базе акселерометра

Implementing Positioning Algorithms Using Accelerometers, freescale