بررسي و تحليل روش هاي استخراج ويژگي مبتني بر الگوريتم ژنتيك چند هدفه و ماشين بردار پشتيبان براي كلاس بندي سيگنال هاي الكترو مايوگرام عضلات بازو

سالهاست به منظور توانبخشي و ساخت اندام مصنوعي سعي محققين بر اين بوده كه زمان پردازش كاهش داده شود تا براي استفاده هاي زمان حقيقي مناسب باشد، هر چند در اين زمينه تا حدودي موفق بوده اند ولي در اكثر تحقيقات قبلي مسئله آشكارسازي نوع حركت پيش از مشاهده آن مورد توجه نبوده است.نشان داده شده به كمك روش هاي بهينه سازي چندهدفه مي ميتوان از تقابل بين اهداف مختلف منجر به جوابي شد كه در حقيقت مصالحهاي بين اهداف مختلف است همچنين از مزاياي اين روش نسبت به روشهاي تكهدفه ميتوان به شناسايي تعداد بيشتر راه حل ها، قابليت اضافه كردن قوانين مختلف در آينده و واقعي تر بودن مدلهاي ارائه شده در اين مسائل اشاره نمود. هدف كلي اين پژوهش، ارائه راهكاري مناسب جهت تشخيص بلادرنگ نوع حركت مورد اراده فرد در عضلات بازو مبتني بر پردازش سيگنال هاي الكترو مايوگرام سطحي براي كنترل يك ساعد سايبرنتيكي با استفاده از ويژگيهاي مناسب زمان فركانسي است كه توسط الگوريتم ژنتيك چندهدفه NSGA - II گزينش ميشود، همچنين استفاده از ماشين بردار پشتيان به عنوان طبقه بندي كننده به منظور آشكارسازي زمان حقيقي نوع حركت به كار گرفته شده است. نتايج حاصل از پردازش 100 نمونه داده ثبت شده از عضلات بازو 5 سوژه سالم نشان ميدهد كه ميتوان با استفاده از روش پيشنهادي، با طول پنجره بهينهms 256 و با صحت بالاي %98.43 ، فرآيند شناسايي حركت ساعد دست را در سه حالت مختلف تشخيص و مورد استفاده قرار داد. بنابراين ميتوان ادعا كرد كه استفاده از اين روش، منجر به دستيابي به خطاي بهينه سازي كمتر و همچنين سرعت همگرايي كمتري نسبت به روش هاي قبلي ميشود.