Detrended Fluctuation Analysis (DFA

Detrended Fluctuation Analysis (DFA), a novel nonlinear analysis, is a useful tool to study and understand the properties and complexity of surface Electromyography (sEMG) signal. Many noises that contaminate sEMG signals in real applications display trends that become difficult to analyze sEMG signal. The different types of trend fitting of DFA algorithm are used to eliminate these problems. In this study, the performance of DFA algorithm for sEMG-based control is presented. Moreover, the six types of trend, namely linear, quadratic, cubic, fourth order, fifth order, and sixth order polynomial functions are evaluated. The experimental results show that the scaling exponents of linear trend in various hand movements have the significant different values and small experimental variation. Hence, linear trend is a suitable trend fitting for sEMG signal. However, the interesting result is when we considered the scaling exponent of each pair of EMG hand movements; the appropriate trend is changed. Therefore, the selection of optimal trend fitting will improve the effectiveness in analysis of sEMG signals and become the useful tool to extract feature in sEMG-based control. Moreover, the DFA relate to the fractal analysis. The better performance of DFA algorithm over the other fractal parameters in sEMG-based control is shown.

Results (Thai) 1:

การวิเคราะห์ความผันผวนข้อคิด (เอฟเอ), การวิเคราะห์เชิงนวนิยายเป็นเครื่องมือที่มีประโยชน์ในการศึกษาและทำความเข้าใจคุณสมบัติและความซับซ้อนของการไฟฟ้าพื้นผิว (semg) สัญญาณ เสียงจำนวนมากที่ปนเปื้อนสัญญาณ semg ในการใช้งานจริงแสดงแนวโน้มที่จะกลายเป็นเรื่องยากที่จะวิเคราะห์สัญญาณ semg ชนิดที่แตกต่างกันของแนวโน้มที่เหมาะสมของขั้นตอนวิธี DFA จะใช้ในการขจัดปัญหาเหล​​่านี้ในการศึกษาครั้งนี้ประสิทธิภาพของขั้นตอนวิธี DFA สำหรับการควบคุม semg ตามที่นำเสนอ นอกจากนี้หกชนิดของแนวโน้มคือเชิงเส้นกำลังสองลูกบาศก์ลำดับที่สี่ที่ห้าคำสั่งและฟังก์ชั่นพหุนามลำดับที่หกได้รับการประเมินผลการทดลองแสดงให้เห็นว่าการปรับเลขยกกำลังของแนวโน้มเชิงเส้นในการเคลื่อนไหวของมือที่แตกต่างกันมีค่าที่แตกต่างอย่างมีนัยสำคัญและการเปลี่ยนแปลงการทดลองขนาดเล็ก ดังนั้นแนวโน้มแบบเส้นตรงเป็นแนวโน้มที่เหมาะสมกระชับสัญญาณ semg แต่ผลที่น่าสนใจคือเมื่อเราพิจารณาการปรับตัวแทนของแต่ละคู่ของการเคลื่อนไหวของมือ emg; แนวโน้มที่เหมาะสมจะมีการเปลี่ยนแปลง ดังนั้นการเลือกที่เหมาะสมแนวโน้มที่เหมาะสมจะช่วยเพิ่มประสิทธิภาพในการวิเคราะห์สัญญาณ semg และกลายเป็นเครื่องมือที่มีประโยชน์ที่จะดึงคุณสมบัติในการควบคุม semg ตาม นอกจากนี้เอฟเกี่ยวข้องกับการวิเคราะห์เศษส่วน ประสิทธิภาพที่ดีขึ้นของขั้นตอนวิธี DFA กว่าพารามิเตอร์ย่อยอื่น ๆ ในการควบคุม semg ตามที่ปรากฏ

Results (Thai) 2:

Detrended ผันผวนวิเคราะห์ (DFA), วิเคราะห์แบบไม่เชิงเส้นนวนิยาย เป็นเครื่องมือที่มีประโยชน์เพื่อศึกษา และทำความเข้าใจคุณสมบัติและความซับซ้อนของผิว Electromyography (sEMG) สัญญาณ หลายเสียงที่ปนเปื้อนสัญญาณ sEMG ในการใช้งานจริงแสดงแนวโน้มที่กลายเป็นเรื่องยากที่จะวิเคราะห์สัญญาณ sEMG ชนิดต่าง ๆ ที่เหมาะสมแนวโน้มของ DFA อัลกอริทึมจะใช้เพื่อกำจัดปัญหาเหล่านี้ ในการศึกษานี้ เป็นแสดงประสิทธิภาพของ DFA อัลกอริทึมสำหรับการควบคุม sEMG พื้นฐาน นอกจากนี้ หกชนิดแนว โน้ม เชิงเส้นคือ กำลังสอง ลูกบาศก์ สี่ ใบ สั่ง ใบสั่งห้า และหก สั่งฟังก์ชันพหุนามมีค่า ผลการทดลองแสดงว่า เลขชี้กำลังมาตราส่วนของแนวโน้มเชิงเส้นในการเคลื่อนไหวมือต่าง ๆ มีค่าแตกต่างกันอย่างมีนัยสำคัญและการเปลี่ยนแปลงทดลองขนาดเล็ก ดังนั้น เส้นแนวโน้มคือ แนวโน้มเหมาะพอดีสำหรับสัญญาณ sEMG อย่างไรก็ตาม ผลที่น่าสนใจคือเมื่อเราพิจารณายกมาตราส่วนของแต่ละคู่ของกล้ามมือเคลื่อนไหว มีเปลี่ยนแนวโน้มที่เหมาะสม ดังนั้น เลือกแนวโน้มที่ดีที่สุดเหมาะสมที่จะปรับปรุงประสิทธิภาพในการวิเคราะห์สัญญาณ sEMG และกลายเป็น เครื่องมือมีประโยชน์เพื่อแยกคุณลักษณะในควบคุม sEMG พื้นฐาน นอกจากนี้ DFA เกี่ยวข้องกับการวิเคราะห์เศษส่วน ประสิทธิภาพของอัลกอริธึม DFA มากกว่าเศษส่วนพารามิเตอร์อื่น ๆ ในการควบคุม sEMG พื้นฐานจะแสดงขึ้น

Results (Thai) 3:

detrended ความผันผวนการวิเคราะห์( dfa )การวิเคราะห์ nonlinear นวนิยายที่มีเครื่องมือที่เป็นประโยชน์ในการศึกษาและทำความเข้าใจเกี่ยวกับคุณสมบัติและความซับซ้อนของพื้นผิว electromyography ( semg )สัญญาณ เสียงจำนวนมากที่ทำให้เน่าสัญญาณ semg ในแอพพลิเคชันแบบเรียลไทม์แสดงแนวโน้มที่จะกลายเป็นเรื่องยากที่จะวิเคราะห์สัญญาณ semg ประเภท ที่แตกต่างกันไปของแนวโน้มของอัลกอริธึม dfa มีการใช้ในการที่จะขจัดปัญหาเหล่านี้ได้ในการศึกษานี้ ประสิทธิภาพ ของอัลกอริธึม dfa สำหรับการควบคุม semg - ใช้ได้รับการนำเสนอ ยิ่งไปกว่านั้นหก ประเภท ที่มีแนวโน้มคือตามแนวยาวในพีชคณิตที่มีกำลังสองลูกบาศก์ที่สี่การสั่งซื้อการสั่งซื้อที่ห้าและฟังก์ชันการทำงานที่หก polynomial การสั่งซื้อได้รับการประเมินว่า.ผลการทดลองที่แสดงให้เห็นว่าการปรับขยาย( Weimar syndrome )ที่มีแนวโน้มตามแนวยาวในการเคลื่อนไหวมือต่างๆที่มีค่าที่แตกต่างกันและความแตกต่างอย่างมีนัยสำคัญที่ทดลองขนาดเล็ก ดังนั้นจึงมีแนวโน้มตามแนวยาวมีแนวโน้มที่เหมาะสมสำหรับสัญญาณ semg แต่ถึงอย่างไรก็ตามผลที่น่าสนใจคือเมื่อเราได้รับการพิจารณาให้ผู้สนับสนุนการปรับขยายของแต่ละคู่ของการเคลื่อนไหวมือ EMG แนวโน้มที่เหมาะสมมีการเปลี่ยนแปลง ดังนั้นทางเลือกที่ดีที่สุดของแนวโน้มกระชับจะช่วยปรับปรุง ประสิทธิภาพ ในการวิเคราะห์ของสัญญาณ semg และกลายเป็นเครื่องมือเป็นประโยชน์ที่จะดึงความโดดเด่นในการควบคุม semg - ใช้ ยิ่งไปกว่านั้น dfa ที่เกี่ยวเนื่องกับการวิเคราะห์ fractal ได้ ประสิทธิภาพ การทำงานที่ดีขึ้นของอัลกอริธึม dfa กว่าพารามิเตอร์ fractal อื่นๆที่อยู่ในการควบคุม semg - ซึ่งใช้เป็นที่แสดง