Emg işaretlerinin işlenmesi ve sınıflandırılması

Elektrokimyasal kökenli biyolojik işaretlerin varlığının fark edilmesinden bu yana birçok bilim adamı insana haiz mükemmel olan vücut hareketlerini inceleyip modellemeye çalışmışlardır. Yapılan çalışmalarda geliştirilen yeni teknikleri ve yöntemleri kullanarak kasların aktivasyonu sonucu ortaya çıkan ham miyoelektrik işaretleri(MES) faydalı hale getirmişler ve protez-biyonik uzuvların mekanik kısımlarını süren elektronik kontrolörlerde kaynak işareti olarak kullanmışlardır. Ayrıca teknolojinin gelişimiyle günlük hayatımızda çokça yer alan, başta otomotiv olmak üzere birçok endüstri alanında kullanılan ve yakın gelecekte hastanelerde evlerimizde de kullanılması beklenen robotlara da insana yakın el becerileri kazandırılmaya çalışılmaktadır.Günümüzde kullanılan protez eller sınırlı hareket kabiliyetine sahiptirler. Gerçeğe yakın daha hünerli protez-yapay ellerin yapılabilmesi için şu üç konu üzerindeki çalışmalar sürecektir. Birincisi elin yeterli serbestlik derecesinde çalışabilmesini sağlayacak mekanik çözümler, ikincisi mekanik kısmın istenen kabiliyette ve hızda hareket etmesini sağlayacak elektronik devreler ve üçüncüsü bu kontrolör devreyi sürmesi için kullanılacak kaynak işaretin üretilmesi ve amaca uygun olarak kullanılmasıdır. Üçüncüsü, ham EMG işaretinden faydalı kaynak işaretin elde edilmesi ve amaca uygun kullanılmasıdır ki buda işaret işleme ve yapay zeka tekniklerinin gelişimine paralel olarak daha da iyileşecektir. Önem derecesine göre sıralamak gerekirse öncelikle 3. ve 2. problemler çözülmeden daha gelişmiş protez ? yapay uzuvlardan bahsedilemeyecektir.Bu çalışmada yukarıda belirtilen problemlerden üçüncüsüne, yeni çözümler getirilmek istenmiştir. Bu amaçla protez-biyonik el çalışmalarında önem arz eden el hareketlerinden; nesnelerin bilinçli kontrol altında amaca uygun kullanılmasını sağlayan bazı hareketler seçilerek bu hareketlerin konumlarına karşılık gelen elektromiyogram işaretleri kayıtlanmıştır. Daha sonra kayıtlanan bu ham elektromiyogram işaretleri, elektromiyogram işaretinin tabiatına uygun dalgacık dönüşümü tabanlı öz bağlanımlı modeller kullanılarak yapay sinir ağları ile sınıflandırılmıştır.