Стратегии, основанные на распознавании миоэлектрических образов (PR), применялись для управления протезами верхних конечностей. Тем не менее, людям с трансплечевой ампутацией часто не хватает необходимых остаточных мышц для получения высококачественных сигналов электромиограммы (ЭМГ), которые необходимы для интуитивного управления их протезом.
Исследовательская группа под руководством профессора Чена Шисюн и доц. Профессор Олуваротими Уильямс Сэмюэл из Шэньчжэньского института передовых технологий (SIAT) Китайской академии наук предложил оптимизированный метод, основанный на фильтре Винера, для усиления сигналов поверхностной ЭМГ высокой плотности.
Этот метод может реализовать точное декодирование намерения движения в контексте управления протезами верхних конечностей . Исследование было опубликовано в журнале Biomedical Signal Processing and Control 18 января.
Исследователи изучили возможности различных методов фильтрации (в том числе Хампеля, одномерного медианного фильтра и предложенного фильтра Винера) в шумоподавлении сигналов ЭМГ пациентов с чресплечевой ампутацией, чтобы обеспечить адекватный контроль на основе PR для протезов.
Они также сравнили характеристики методов фильтрации с использованием миоэлектрических сигналов, полученных от трансгуморальных ампутантов. Экспериментальные результаты со статистической проверкой показали, что предложенный фильтр Винера приводит к лучшему качеству сигнала ЭМГ, что приводит к стабильно высокой производительности декодирования намерения движения конечностей людей с ампутированными конечностями.
