本文档介绍了与肌电图 (EMG) 相关的一个小实践，即测量拉伸肌肉产生的电活动，在该实践中考虑了三个基本块，第一个包括信号的采集和放大，第二个由带通滤波器和第三个滤波器组成，可以抑制带，也就是说，将应用基本的电子概念来实现简单的肌电图。
2022-05-21 13:10:52
3.04MB
1
肌肉紧张
文件“ muscle_synergies.R”包含一个脚本，该脚本允许通过基于无监督机器学习的线性分解从肌电图（EMG）数据中提取肌肉协同作用。 具体而言，由于EMG生物信号的非负性质，我们在这里采用了非负矩阵分解（NMF）框架。 但是，该方法可以应用于从时间序列到图像的任何其他类型的数据集。
运行脚本的快速说明
并安装
并安装
并安装
该存储库，或者，如果您是GitHub的新手，则可以查看或手动下载该存储库
用RStudio打开项目文件“ musclesyneRgies.Rproj”
在项目中，打开脚本“ muscle_synergies.R”，然后使用“源代码”或“ Ctrl + Shift + S”（Windows和Linux用户）或“ Cmd + Shift + S”（Mac用户）运行它。
该代码会生成一些诊断消息，这些消息将指导您完成以下过程：
原始EMG过滤和归
2022-03-11 15:52:14
86.28MB
1
matlab肌电信号处理代码介绍
本文档简要描述了运行Matlab代码以管理我们建议的EMG数据库所需的步骤。
我们基于人工前馈神经网络实现了实时手势识别，以测试每个用户的数据。
描述
“手势模型示例MATLAB”文件夹包含用于管理EMG数据库的Matlab代码。
每个脚本均包含其功能的说明以及版权信息。
。
描述
Matlab
2019a或更高版本
深度学习工具箱
信号处理工具箱
Matlab的说明：
转到我们的GitHub存储库，下载或克隆示例以在Matlab中管理数据集。
打开Matlab并选择示例文件夹。
通过运行文件夹/
DTW距离中的脚本compileDTWC.m来编译计算DTW距离的mex函数。
您只需在将运行代码的计算机中执行一次此步骤。
在从以下链接运行代码之前，请下载数据集：
复制并替换与下载的存储库文件夹中的数据集对应的文件夹。
运行脚本main.m运行此脚本后，您将需要等待几分钟以获得结果。
在变量userFolder中，您可以更改测试或培训以选择用户组。
在我们的案例中，我们对与306个测试用户相对应的六个手势进行了分类。
该代码开始运行并分析所有用户。
您可
2021-12-23 21:39:13
9.09MB
1
完整英文版 IEC 60601-2-40：2016 Medical electrical equipment - Part 2-40：Particular requirements for the basic safety and essential performance of electromyographs and evoked response equipment（医用电气设备 - 第 2-40 部分：肌电图仪和诱发反应设备的基本安全和基本性能的特殊要求）。IEC 60601-2-40:2016 适用于肌电图仪和诱发反应设备（以下简称 ME 设备）的基本安全和基本性能。用于经皮神经电刺激器和肌肉电刺激器的 ME 设备不包括在内（IEC 60601-2-10 涵盖）。本第二版取消并替代了 1998 年出版的 IEC 60601-2-40 的第一版。该版构成了技术修订。
2021-09-01 19:02:32
2.71MB
Jx-EMGT：肌电图（EMG）特征提取工具箱
-------------------------------------------------- -------------------------------------------------- -------------------------------------------------- -------------
* 此工具箱提供 40 种 EMG 功能
* 演示了如何使用生成的样本信号应用特征提取方法。
*此Jx-EMGT工具箱的详细信息可以在https://github.com/JingweiToo/EMG-Feature-Extraction-Toolbox中找到
2021-08-19 16:43:53
14KB
1
matlab肌电信号处理代码我们为基于肌电图（EMG）的手势识别提供了超维（HD）计算的Matlab实现。
我们将其有效性（识别精度，学习速度，鲁棒性等）与多类支持向量机（SVM）作为EMG分类的最新方法进行了比较。
该程序被许可为GNU
GPLv3。
这些文件的组织如下。
“
ICRC.m”：用于EMG信号的高清编码/解码的所有功能
“
generatePaperFigures.m”：生成纸张中使用的图形（5、7、8、9、10）
“
dataset.mat”：5个主题的EMG完整数据集
“
svmtrain.mexa64”：LIBSVM
v3.21中的SVM训练功能（可在中找到支持向量机的库）
“
svmpredict.mexa64”：SVM也可以从LIBSVM
v3.21预测功能
“
errorbar_groups.m”：带有错误条的分组条形图，可在Matlab
fileexchange
/
29702中获得。
“
binaryCode.m”：我们还提供了另一个版本的EMG编码器，该编码器使用了二进制种子超向量，而不是本文中使用的双极性代码。
可以使用此MATLAB文件代替“
IC
2021-08-13 18:18:52
18.78MB
1