Médecine

Paramédical

Autres domaines


S'abonner

Flexible Analytic Wavelet Transform Based Features for Physical Action Identification Using sEMG Signals - 06/08/19

Doi : 10.1016/j.irbm.2019.07.002 
C. Sravani a , V. Bajaj a, , S. Taran a , A. Sengur b
a Discipline of Electronics and Communication Engineering, PDPM Indian Institute of Information Technology, Design and Manufacturing Jabalpur, Jabalpur 452005, India 
b Firat University, Technology Faculty, Electrical and Electronics Engineering Dept., Elazig, Turkey 

Corresponding author.
Sous presse. Épreuves corrigées par l'auteur. Disponible en ligne depuis le mardi 06 août 2019

Abstract

Objectives

Electromyography (EMG) is recording of the electrical activity produced by skeletal muscles. The classification of the EMG signals for different physical actions can be useful in restoring some or all of the lost motor functionalities in these individuals. Accuracy in classifying the EMG signal indicates efficient control of prosthesis.

Material and methods

The flexible analytic wavelet transform (FAWT) is used for classification of surface electromyography (sEMG) signals for identification of physical actions. FAWT is an efficient method for decomposition of sEMG signal into eight sub-bands, features namely neg-entropy, mean absolute value (MAV), variance (VAR), modified mean absolute value type 1 (MAV1), waveform length (WL), simple square integral (SSI), Tsallis entropy, integrated EMG (IEMG) are extracted from the sub-bands. Extracted features are fed into an extreme learning machine (ELM) classifier with sigmoid activation function.

Results

Comprehensive experiments are conducted on the input sEMG signals and the accuracy, sensitivity and specificity scores are used for performance measurement. Experiments showed that among all sub-bands, the seventh sub-band provided the best performance where the recorded accuracy, sensitivity and specificity values were 99.36%, 99.36% and 99.93%, respectively. The comparison results showed best efficiency of proposed method as compared to other methods on the same dataset.

Conclusion

This paper investigates the usage of the FAWT and ELM on sEMG signal classification. The results show that the proposed method is quite efficient in classification of the sEMG signals. It is also observed that the seventh sub-band of the FAWT provides the best discrimination property. In the future works, recent wavelet transform methods will be used for improving the classification performance.

Le texte complet de cet article est disponible en PDF.

Graphical abstract

Le texte complet de cet article est disponible en PDF.

Highlights

The flexible analytic wavelet transform is used for identification of physical actions.
Extracted features are fed into an extreme learning machine (ELM) classifier.
Comprehensive experiments are used for performance measurement.
The comparison results showed best efficiency of proposed method.

Le texte complet de cet article est disponible en PDF.

Keywords : Surface electromyography (sEMG), Flexible analytic wavelet transform (FAWT), Extreme learning machine (ELM)


Plan


© 2019  AGBM. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement ou un achat à l’unité.

Déjà abonné à cette revue ?

;

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.