Quantum neural network based surface EMG signal filtering for control of robotic hand

Gandhi, Vaibhav; McGinnity, T.M.

doi:10.1109/ijcnn.2013.6706781

Cited by 8 publications

(6 citation statements)

References 25 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Bu yöntemin temel dezavantajları el hareketinin üç boyutlu uzayda modellenmesindeki karmaşıklık ve ortamın aydınlatma koşullarının kötü olması durumunda sınıflandırma başarımının düşmesidir [4,5]. Elektromiyografi (EMG) tabanlı hareket tanıma sistemleri ise beyinden kaslara iletilen impuls sinyallerinin hareket esnasında alınıp, işlenmesi ve makine öğrenmesi algoritmaları ile anlamlandırılması prensibine dayanır [6]. Biyoelektriksel sinyallerin anlamlandırılması yolu ile kontrol edilen tekerlekli sandalyeler [6][7][8] ve mobil robotlar [9,10] ve bazı özel sistemler literatürde mevcuttur.…”

Section: Introductionunclassified

“…Elektromiyografi (EMG) tabanlı hareket tanıma sistemleri ise beyinden kaslara iletilen impuls sinyallerinin hareket esnasında alınıp, işlenmesi ve makine öğrenmesi algoritmaları ile anlamlandırılması prensibine dayanır [6]. Biyoelektriksel sinyallerin anlamlandırılması yolu ile kontrol edilen tekerlekli sandalyeler [6][7][8] ve mobil robotlar [9,10] ve bazı özel sistemler literatürde mevcuttur. [11][12][13].…”

Section: Introductionunclassified

See 1 more Smart Citation

Myo-Elektriksel Sinyaller İle İnsansız Kara Aracının Uzaktan Kontrolü

Taşar

Tatar²,

Nazli

et al. 2020

Düzce Üniversitesi Bilim Ve Teknoloji Dergisi

View full text Add to dashboard Cite

Bu çalışma kapsamında insansız bir kara aracının kişinin el ve parmak hareketleri ile uzaktan kontrolü gerçekleştirilmiştir. Beyinden kol kaslarına iletilen ve kişinin el hareketlerini gerçekleştirmesini sağlayan Elektromiyografi (EMG) sinyalleri, kişinin koluna giydiği sekiz EMG sensör içeren bileklik vasıtası ile gerçek zamanlı olarak alınmıştır. Raspberry pi 3 gömülü sistem kartı üzerinde geliştirilen sinyal işleme, öznitelik çıkarımı ve sınıflandırma algoritmaları kullanılarak anlamlandırılmıştır. Başka bir deyişle el hareketin örüntüsü (el kapama, parmak açma, serçe parmak temas, bilek dışa bükme, vs.) ile EMG sinyal grubu arasındaki ilişkiler tanımlanmıştır. Anlamlandırılan her bir el hareketi araç için bir hareketi kontrol komutu (el kapama: araç ileri, parmak açma: araç dur, serçe parmağa temas: sola dönüş, bilek dışa bükme: sağa dönüş, vs.) olarak kullanılmıştır. Böylece insan-mobil araç etkileşim ağı kurulmuştur. Kurulan insan-mobil araç etkileşim ağı sayesinde el hareketleri ile mobil aracın gerçek zamanlı hareket kontrolü ortalama % 92 başarı ile gerçekleştirilmiştir.

show abstract

Section: Introductionunclassified

Myo-Elektriksel Sinyaller İle İnsansız Kara Aracının Uzaktan Kontrolü

Taşar

Tatar²,

Nazli

et al. 2020

Düzce Üniversitesi Bilim Ve Teknoloji Dergisi

View full text Add to dashboard Cite

show abstract

“…However, there are several drawbacks to this approach, such as complexity in modelling the hand motion and position, and the sensitivity of the system regarding lighting conditions and occlusions [4,5]. On the other hand, electromyography (EMG)-based recognition systems depend on muscle movement and capture surface EMG signals [6]. This type of system has already been used to control wheelchairs [6][7][8] and mobile robots [9,10], in addition to the electroencephalogram (EEG) brain-computer interface (BCI)-based approaches [11][12][13].…”

Section: Introductionmentioning

confidence: 99%

“…On the other hand, electromyography (EMG)-based recognition systems depend on muscle movement and capture surface EMG signals [6]. This type of system has already been used to control wheelchairs [6][7][8] and mobile robots [9,10], in addition to the electroencephalogram (EEG) brain-computer interface (BCI)-based approaches [11][12][13]. This paper aims to expand the research on the topic by introducing a more accurate classification system with a wider set of gestures, hoping to come closer to a usable real-life application.…”

Section: Introductionmentioning

confidence: 99%

Development of an EMG-Controlled Mobile Robot

et al. 2018

View full text Add to dashboard Cite

This paper presents the development of a Robot Operating System (ROS)-based mobile robot control using electromyography (EMG) signals. The proposed robot's structure is specifically designed to provide modularity and is controlled by a Raspberry Pi 3 running on top of an ROS application and a Teensy microcontroller. The EMG muscle commands are sent to the robot with hand gestures that are captured using a Thalmic Myo Armband and recognized using a k-Nearest Neighbour (k-NN) classifier. The robot's performance is evaluated by navigating it through specific paths while solely controlling it through the EMG signals and using the collision avoidance approach. Thus, this paper aims to expand the research on the topic, introducing a more accurate classification system with a wider set of gestures, hoping to come closer to a usable real-life application.

show abstract

“…The solution of the SWE localizes the position of the quantum object in the vector space and gives us the activation function. The RQNN filtering approach has been implemented successfully in many practical applications such as robot control [9], eye tracking [10], physiological signal filtering [6,11] and stock market prediction [12].…”

Section: Introductionmentioning

confidence: 99%