Yapay zeka denetimi ile EMG sinyallerinin işlenmesi ve sınıflandırılması

Elektromiyografi (EMG) sinyalleri, elektriksel genlikleri oldukça küçük ve diğer organlar tarafından üretilen fizyolojik gürültülerden oldukça etkilenen bir yapıya sahiptir. EMG sinyalleri iğne veya yüzük elektrotlarıyla ölçülerek, karakteristik frekans spektrumlarında, filtrelenir, yükseltilir ve sonuç verilerine ulaşılır. Ölçüm ve filtreleme sırasında, frekans spektrumunun geniş tutulması istenmeyen gölgelere yol açacağı gibi, yine bu aralıkta istenmeyen gürültülerin sinyalin karakteristiğini bozmasına neden olacaktır. Bununla beraber,frekans spektrumunda yapılacak kısıtlamalar, ölçülen sinyalin özelliklerini kırparak, EMG sinyalinin yapısını bozmakta ve ölçülen sinyallerin karakterizasyonunu zorlaştırmaktadır. Dolayısıyla EMG sinyallerinin değerlendirilmesi ve bu sinyallerin karakteristiklerinin belirlenmesi için akıllı algoritmalar kullanılması şarttır. EMG sinyallerinin birçok inceleme metodu gösterilebilir. Bunlardan biri de segmentlere ayırma yöntemidir. Segmentler ile EMG sinyalleri üzerinde analiz aralıkları oluşturulabilir,segmentten segmente geçiş aralıkları oluşturulabilir ve bu segmentler üzerinde düğüm noktaları oluşturulabilir. Böylelikle EMG sinyallerinin karekterizasyonu probleminin çözümüiçin temel parçacıklar oluşturulabilir. Bu çalışmada, önceden belirlenmiş 4 parmak hareketinden doğan EMG sinyalleri belirli zaman aralıklarında ölçülerek, bu sinyaller segmentlerle parçalandı. Her bir ölçümden sonraoluşturulan segmentler karşılaştırıldı, benzer özellikleri tespit edildi ve benzer özelliklere görebu segmentler üzerinde düğüm noktaları oluşturuldu. Bu düğüm noktaları yardımı ile, yapay zekâ algoritması olarak kullanılan Gizli Markov Modeli algoritması işletildi ve parmak hareketleri doğru olarak tespit edilmeye çalışıldı.