Dimensionality Reduction in EMG-Based Estimation of Wrist Kinematics
Author(s):
Message:
Abstract:

Pattern recognition has shown remarkable success in decoding motor information from electromyogram (EMG) signals. To decrease the computational complexity in EMG pattern recognition, it may be useful to reduce the dimensionality of the model input. This paper investigates the effect of reducing the dimensionality of EMG features in a regression-based motion intent estimation model. Ten able-bodied subjects participated in this analytic study. EMG signals from the right forearm and angle of the left wrist in three degrees of freedom (DoF) were measured, concurrently. The TD features were extracted from eight EMG channels, resulting in a total of 32 features. Three dimensionality reduction methods including principal component analysis (PCA), non-negative matrix factorization (NNMF), and canonical correlation analysis (CCA) were applied to the EMG features. Reducing the dimension of the EMG features below a certain threshold degraded the performance of the EMG pattern recognition model. Otherwise, dimensionality reduction did not change the performance. These thresholds for the PCA, NNMF, and CCA methods were 25, 26, and 13, respectively. Based on the results, CCA substantially outperformed PCA and NNMF, as it allowed a significant reduction of the EMG features size, from 32 to 13, with no adverse impact on the performance.

Article Type:
Technical Article
Language:
English
Published:
Journal of Biomedical Physics & Engineering, Volume:10 Issue: 5, 2020
Pages:
669 - 674
magiran.com/p2176440  
برخی از خدمات از جمله دانلود متن مقالات تنها به مشترکان مگیران ارایه می‌گردد. شما می‌توانید به یکی از روش‌های زیر مشترک شوید:
اشتراک شخصی
در سایت عضو شوید و هزینه اشتراک یک‌ساله سایت به مبلغ 400,000ريال را پرداخت کنید. همزمان با برقراری دوره اشتراک بسته دانلود 100 مطلب نیز برای شما فعال خواهد شد!
پرداخت با کارتهای اعتباری بین المللی از طریق PayPal امکانپذیر است.
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی همه کاربران به متن مطالب خریداری نمایند!
توجه!
  • دسترسی به متن مقالات این پایگاه در قالب ارایه خدمات کتابخانه دیجیتال و با دریافت حق عضویت صورت می‌گیرد و مگیران بهایی برای هر مقاله تعیین نکرده و وجهی بابت آن دریافت نمی‌کند.
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.