| | SLO | ENG | Cookies and privacy

Bigger font | Smaller font

Search the digital library catalog Help

Query: search in
search in
search in
search in
* old and bologna study programme

Options:
  Reset


1 - 6 / 6
First pagePrevious page1Next pageLast page
1.
ANALIZA SEKVENČNE DEKOMPOZICIJE SESTAVLJENIH SIGNALOV S POMOČJO KOMPENZACIJE KONVOLUCIJSKIH JEDER
Vojko Glaser, 2010, master's thesis

Abstract: Analiza bioelektričnih signalov, ki jih lahko izmerimo na človeškem telesu, je pomemben sestavni del diagnosticiranja v medicini. Klinična diagnoza za mnoge mišične in živčne bolezni se da postaviti dosti zanesljiveje, če lahko ugotovimo, kakšni so prispevki posameznih delov mišic v skupnem bioelektričnem signalu, imenovanem elektromiogram (EMG). V Laboratoriju za sistemsko programsko opremo so razvili dekompozicijski postopek za signale EMG. Temelji na inverzu korelacijske matrike in se imenuje kompenzacija konvolucijskih jeder (CKC). Metoda je zelo uspešna in je bila obširno klinično preizkušena. CKC deluje bločno, z daljšimi odseki signalov, kar ne omogoča analize meritev v realnem času, zato je bil postopek modificiran v sekvenčno različico CKC, imenovano sekvenčna CKC (sCKC). Njeno bistvo je, da dela iterativno in posodablja komponente iz formule CKC med meritvami ob zajemu vsakega novega nabora vzorcev. V magistrski nalogi smo izboljšali algoritme, vgrajene v sCKC, in delovanje nove zasnove preizkusili v različnih, zahtevnih razmerah. Najprej smo preverili vpliv števila vzorcev, ki so vključeni v inicializacijski del postopka. Izhajali smo iz CKC in ugotavljali, kako kratki so lahko signalni odseki, da so dekompozicijski rezultati še zadovoljivi. Pokazalo se je, da CKC da zadovoljive rezultate, če so signali dolgi vsaj 2 do 3 s, medtem ko se število zaznanih motoričnih enot (ME) pri signalih, daljših od 5 s, ne spreminja. Nato smo preverili, kako dobro se sCKC obnese pri dekompoziciji sintetičnih in realnih signalov EMG. V vseh primerih je bil signalom dodan šum različnih moči, opredeljen z razmerjem signal-šum (SNR). Pri razcepu sintetičnih EMG smo primerjali rezultate sCKC in referenčne metode LMMSE (Linear Minimum Mean Square Error). Za ocenjevanje sprejemljivosti dekomponiranih vlakov inervacijskih impulzov smo uporabljali dve meri: senzitivnost (število pravilno postavljenih impulzov) in delež napačno postavljenih impulzov. V vseh šumnih primerih je sCKC zaznala število ME, primerljivo s številom ME pri CKC, to pa je med 5 in 10 ME. Preizkušali smo tudi vpliv števila vzorcev, vključenih v posamezen posodobitveni korak, in ugotovili, da število vzorcev v posodobitvenem koraku vpliva izključno na čas izvajanja sCKC, ki se z večanjem števila vzorcev povečuje s kubom. Z analizo dekompozicije sintetičnih EMG smo lahko nazorno pokazali, da CKC in sCKC uspešno odkrijeta motorične enote (ME), ki so najbliže merilnim elektrodam. Oddaljenost oziroma globina razpoznanih ME v mišici je večja, če je SNR večji. Izboljšano sCKC smo preizkusili tudi z realnimi signali EMG. Izmerjeni so bili pri krčenju dveh različnih mišic, in sicer biceps brachii in tibialis anterior. Za referenčno metodo je služila CKC, saj LMMSE zahteva apriorne informacije o odzivih ME, ki pri realnih signalih niso znani. Ponovno se je sCKC postavila ob bok CKC glede na število zaznanih ME, ki smo jih zaznali med 3 in 9. Edina razlika je, da sCKC ustvari več nepopolnih dekompozicij, ki jih je glede na vse zaznane ME okoli 20 %. Izhodiščna zahteva pri razvoju sCKC je bila, da deluje realnočasovno. Zato smo z analitičnimi izračuni časovne zahtevnosti in izmerjenimi časi posameznih delov algoritma sCKC pokazali, da je sCKC ob pravilni izbiri števila vzorcev v posodobitvi bistveno hitrejša od CKC, vendar na žalost še ne izpolnjuje pogojev za realnočasovno obdelavo.
Keywords: razcep sestavljenih signalov, kompenzacija konvolucijskih jeder, iterativno računanje matričnih inverzov, Sherman-Morrisonova formula, površinski elektromiogrami
Published: 14.12.2010; Views: 1779; Downloads: 86
.pdf Full text (6,41 MB)

2.
NIZKOCENOVNI VMESNIK MIŠICE-STROJ ZA OCENJEVANJE KONTROLNIH STRATEGIJ SKELETNIH MIŠIC IZ POVRŠINSKIH ELEKTROMIOGRAMOV
Jan Obu, 2016, master's thesis

Abstract: V magistrskem delu analiziramo primernost in uporabnost zapestnice Myo za merjenje površinskih elektromiogramov (EMG) in analizo gibov zgornjih okončin. Najprej preučimo karakteristike inercijskih meritev zgornjih okončin in signalov EMG in pokažemo, da zapestnica Myo krši Nyquistov teorem. Primernost zajetih signalov EMG za klasifikacijo ekstenzije, fleksije, supinacije, pronacije ter ulnarne in radialne deviacije zapestja preverimo na osmih zdravih preiskovancih. Vse omenjene gibe so preiskovanci izvedli pri dveh različnih stopnjah mišičnih skrčitev in pri dveh različnih namestitvah zapestnice, in sicer v najbolj distalni poziciji, ki jo je zapestnica Myo še dopuščala in v optimalni poziciji glede na anatomijo preiskovančeve podlahti. Rezultati analize so pokazali, da je najbolj razpoznavna ulnarna deviacija zapestja, sledi ji ekstenzija zapestja, na tretjem mestu pa je fleksija zapestja, ki je pri slabih pogojih že precej nenatančno razpoznana. Ostali gibi imajo manj kot 50 % natančnost razpoznave.
Keywords: zapestnica Myo, površinski elektromiogrami, ponovljivost gibov, vmesnik mišice-stroj
Published: 25.04.2016; Views: 805; Downloads: 98
.pdf Full text (16,27 MB)

3.
BREZIZGUBNO IN IZGUBNO STISKANJE VEČKANALNIH POVRŠINSKIH ELEKTROMIOGRAMOV
Davor Gaberšek, 2016, master's thesis

Abstract: V magistrskem delu podamo pregled izgubnih ter brezizgubnih stiskanj, ki bi se lahko uporabila za shranjevanje večkanalnih površinskih signalov EMG. Podrobneje preučimo posledice izgubnega stiskanja za izvedbo dekompozicije signalov EMG na prispevke posameznih motoričnih enot. Rezultata magistrske naloge sta prototip namizne aplikacije za stiskanje in razširjanje površinskih signalov EMG ter analiza uporabljenih metod stiskanja. Prototipna aplikacija omogoča odpiranje datotek s končnico OTB, branje metapodatkov o signalih iz pripadajočih datotek s končnico XML ter branje in pisanje vrednosti signalov iz in v datoteke s končnico SIG.
Keywords: izgubno stiskanje, brezizgubno stiskanje, površinski elektromiogrami, analiza poglavitnih komponent
Published: 04.07.2016; Views: 476; Downloads: 71
.pdf Full text (3,10 MB)

4.
Analiza zaznavanja aktivnosti prstov z zapestnico Myo
Nejc Galof, 2016, undergraduate thesis

Abstract: V diplomskem delu analiziramo zaznavanje aktivnosti prstov z zapestnico Myo, s katero na področju podlahti z osmimi senzorji merimo površinske elektromiograme (EMG). Z meritvami dokažemo, da najlažje razpoznavamo posamične dvige iztegnjenih prstov, kjer dosežemo tudi do 95-odstotno natančnost. Pri gibih dveh prstov hkrati se natančnost zmanjša na 50 %. Aktivnosti palca na področju podlahti ne zaznavamo. Na kakovost razpoznave gibov prstov vplivajo omejenost gibljivosti prstov, prevodnost med kožo in senzorji EMG ter sama namestitev zapestnice Myo. Uporabnost zapestnice Myo za razpoznavo gibov prstov prikažemo z aplikacijo, ki omogoča igranje virtualnega klavirja.
Keywords: zapestnica Myo, razpoznava gibov prstov, površinski elektromiogrami, virtualni klavir
Published: 06.09.2016; Views: 645; Downloads: 157
.pdf Full text (2,15 MB)

5.
Upravljanje kvadrokopterja z vmesnikom mišice-stroj
Matej Kramberger, 2018, master's thesis

Abstract: V delu smo zasnovali sistem za upravljanje kvadrokopterja v realnem času z uporabo vmesnika mišice-stroj. V programskem jeziku C# smo za operacijski sistem Windows izdelali aplikacijo, v kateri smo uporabili različne klasifikacijske algoritme iz odprtokodne knjižice Accord.NET. Klasifikacijo smo izvajali na računalniku s procesorjem Intel Core i7 2,8GHz ter 24 GB pomnilnika. Signale EMG smo zajeli s komercialno dostopno zapestnico Myo, ki omogoča zajem površinskih signalov EMG s podlahti. Uspešnost klasifikacije smo preizkusili na modelu kvadrokopterja Eachine E010, ki ga smo krmilili preko vmesnika nRF24L01 in mikrokontrolerja Atmel ATmega32u4 na razvojni plošči Arduino Micro. Klasificirane gibe smo uporabili za krmiljenje treh prostorskih stopenj kvadrokopterja. Giba ekstenzija in fleksija smo uporabili za nadzor naklona, pronacijo in supinacijo za nadzor nagiba ter ulnarno in radialno deviacijo za nadzor odklona. Za nadzor moči motorjev smo uporabili podatke inercijske merilne enote. Najboljše rezultate klasifikacije sta dajala algoritma SVM in k-NN, ki sta klasificirala s 95% pravilnostjo.
Keywords: elektromiogrami, kvadrokopter, vmesniki mišice-stroj, Arduino, zapestnica Myo
Published: 05.04.2018; Views: 416; Downloads: 69
.pdf Full text (6,00 MB)

6.
Krmiljenje robota z nevronsko mrežo in vmesnikom mišice-stroj
Aljaž Frančič, 2018, master's thesis

Abstract: Namen magistrskega dela je implementacija krmiljenja robota z vmesnikom mišice-stroj. Področje dela obsega predobdelavo in analizo površinskih elektromiogramov z računalniškimi algoritmi z namenom klasifikacije gibov zapestja in področje robotike. Za klasifikacijo gibov uporabljamo umetno nevronsko mrežo. Končni izdelek je robot, sestavljen iz kock LEGO, ki ga je preko računalnika z uporabo protokola Bluetooth možno krmiliti z zapestnico Myo. Preučili smo vplive različnih velikosti okna za izračun korenjene srednje kvadratne vrednosti površinskih elektromiogramov, topologij nevronske mreže, eksperimentalnih protokolov za zajemanje elektromiogramov, števila učnih epoh nevronske mreže ter podali analizo pravilnosti razpoznave gibov z dokončno izbrano nevronsko mrežo na več merjencih.
Keywords: Zapestnica Myo, nevronska mreža, vmesnik mišice-stroj, površinski elektromiogrami, robot, Lego Mindstorms
Published: 19.10.2018; Views: 302; Downloads: 91
.pdf Full text (3,71 MB)

Search done in 0.12 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica