文件名称：RoboticHand-EMG
文件大小：2.28MB
文件格式：ZIP
更新时间：2024-05-29 23:46:55
MATLAB
机器人手心电图 抽象的 当我们在机器学习中执行6种特征提取方法时，我们发现了显示出高识别率的技术。 可以看出，WL（波长）是识别率最高的技术，RMS（均方根）是第二高的技术。 另一方面，ZC（零交叉）技术显示出最低的识别率50％。 作为基于具有高识别率的技术的4、5和6特征提取方法组合的结果，进行了机器学习。 波形长度（WL），均方根（RMS），平均绝对值（MAV）符号变化）和KNN（K最近邻）的机器学习方法显示出很高的识别率。 对于WL（波形长度），均方根（RMS），平均绝对值（MAV）和斜率符号变化的四种组合，剪刀，岩石和光束运动的最大识别率。 介绍 肌电图（EMG）信号是在肌肉收缩期间从神经信号电激活肌肉细胞时出现的电信号曲线，表示“人体运动期间的肌肉运动”。 近来，已经积极研究了使用生物信号的人机交互（HRI）技术。 由于生命信号中的EMG信号主要是通过将电极附着在手臂表面上来测
【文件预览】：
RoboticHand-EMG-master
----3 feature extractions.py(1KB)
----Laview1.PNG(85KB)
----ThresPlot.m(673B)
----Bullet Button2.PNG(106KB)
----Bullet Button.PNG(67KB)
----Gestures2.PNG(377KB)
----Material.PNG(114KB)
----Threshold3.PNG(84KB)
----Muscles.PNG(168KB)
----Threshold2.PNG(78KB)
----Bullet Button3.PNG(117KB)
----Fist.m(2KB)
----Algorithm.PNG(117KB)
----Market.png(52KB)
----Problem.PNG(43KB)
----Muscle Adaptation.PNG(254KB)
----Analyzing.m(378B)
----Threshold.PNG(78KB)
----확인1.PNG(59KB)
----ThresholdCode.PNG(51KB)
----Laview.PNG(106KB)
----확인2.PNG(88KB)
----FeatureExtraction.m(4KB)
----TestingArray.m(4KB)
----Gestures1.PNG(293KB)
----Loading.m(6KB)
----Paper.m(2KB)
----README.md(9KB)
----Threshold.m(2KB)
----TPlot.m(2KB)
----Scissor.m(2KB)