9142890850

Automatyczny podział sygnału na fragmenty pozwalał również na eliminację fragmentów o małej amplitudzie. Sygnały tego typu są najczęściej wynikiem przesłuchów i nie powinny być brane pod uwagę. Jeden z eksperymentów polegał na wykorzystaniu również tych mniej istotnych sygnałów i wyniki były mniej dokładne, w porównaniu z sytuacją, gdy nie uwzględnia się ich w klasyfikacji.

Eksperymenty dotyczyły: estymacji aktywności motorycznych mięśni, estymacji siły oraz zmęczenia mięśni. Przy eksperymentach związanych z aktywnością jednostek motorycznych mięśni posłużono się różnymi typami deskryptorów, cześć z nich zakładała quasistacjonarność w określonym przedziale ruchu, inne były natomiast deskryptorami wywodzącymi się z dynamiki nieliniowej oraz cechami ukazującymi zależności między różnymi kanałami. Pomiary wykonano na kilku osobnikach. W skład eksperymentów wchodziły m.in. badania ukazujące, jaka jest dokładność poszczególnych cech, jak również badanie nieliniowych zależności pomiędzy cechami. W obu tych badaniach użyto klasyfikatora kNN. Wyniki pokazały, że najlepsze wyniki uzyskiwał wektor deskryptorów utworzony z ze współczynników LPC (ang. Linear Predictive Coding). Część badań polegała na wyznaczeniu najbardziej informatywnego wektora cech. W tym celu wykorzystano wektor cech utworzony z deskryptorów bazujących na analizie spektralnej, czasowej, jak również nieznane większości badaczom cechy pochodzące z dynamiki nieliniowej oraz zależności czasowe pomiędzy kanałami. Opracowany wektor cech charakteryzuje się wysokim stopniem dyskryminacji, a jednocześnie stworzony jest z deskryptorów mało ze sobą skorelowanych.

Opracowano również klasyfikatory stwierdzające o aktywności jednostek motorycznych mięśni, jak również określające położenie kończyny w stanie statycznym. Opracowano także dwa modele parametryczne opisujące siłę mięśni oraz ich zmęczenie. W przypadku modelu wiążącego siłę mięśni z charakterystyką miopotencjałów posłużono się amplitudą sygnału EMG, natomiast dla modelu ukazującego aktualne zmęczenie mięśni posłużono się średnią częstotliwością sygnału rejestrowaną przy pomocy przesuwającego się okna czasowego. Wyniki eksperymentów ukazały, że estymacja położenie kończyny górnej w stanie statycznym nie daje zadowalających rezultatów, natomiast estymacja wielkości przy innych rodzajach eksperymentów pozwalała na skuteczne sterowanie robotów przy wykorzystaniu sygnałów elektromiograficznych.

Przeprowadzone eksperymenty pozwoliły na udowodnienie założonych tez badawczych oraz na wyciągnięcie wniosków dla konstruktorów przyszłych robotów rehabilitacyjnych. Wśród opisanych wniosków szczególnie przydatne mogą być wytyczne w stosunku do tego, jak projektować systemy sterowania robotów oraz modele CAD nowych robotów rehabilitacyjnych przeznaczonych do rehabilitacji kończyny górnej.

Po dokonaniu szczegółowych analiz oraz zebraniu opinii od użytkowników robota, a także specjalistów z różnych dziedzin zostały zaproponowane dwa nowe projekty mechaniczne robotów rehabilitacyjnych.

12