EMG Signals Characterization in Three States of Contraction by Fuzzy Network and Feature Extraction

اختلالات و آسیب‌های عصبی-عضلانی و اسکلتی عضلانی بر سبک زندگی و توانایی‌های حرکتی افراد تأثیر می‌گذارد. این مختصر یک روش سیستماتیک برای تشخیص سطح کاهش قدرت عضلانی در اختلالات اسکلتی عضلانی و عصبی-عضلانی را برجسته می کند. سیستم عصبی فازی با 70 درصد از پنجره قطع الکترومیوگرافی (EMG) ثبت شده آموزش داده می شود و سپس برای اهداف طبقه بندی و مدل سازی استفاده می شود. طبقه‌بندی‌کننده عصبی فازی در مقایسه با برخی از طبقه‌بندی‌کننده‌های معروف دیگر در طبقه‌بندی سیگنال‌های EMG ثبت‌شده با سه حالت انقباض مربوط به ویژگی‌های استخراج‌شده معتبر است. ساختارهای مختلف طبقه‌بندی‌کننده عصبی-فازی نیز به صورت مقایسه‌ای برای یافتن ساختار بهینه طبقه‌بندی‌کننده مورد استفاده تجزیه و تحلیل می‌شوند.

Neuro-muscular and musculoskeletal disorders and injuries highly affect the life style and the motion abilities of an individual. This brief highlights a systematic method for detection of the level of muscle power declining in musculoskeletal and Neuro-muscular disorders. The neuro-fuzzy system is trained with 70 percent of the recorded Electromyography (EMG) cut off window and then used for classification and modeling purposes. The neuro-fuzzy classifier is validated in comparison to some other well-known classifiers in classification of the recorded EMG signals with the three states of contractions corresponding to the extracted features. Different structures of the neuro-fuzzy classifier are also comparatively analyzed to find the optimum structure of the classifier used.