← 全部项目
案例研究 · sEMG ankle-movement decoding
从肌电信号读懂踝关节动作
用表面肌电解码中风患者的踝关节动作：时域/频域特征与提升树。
利用表面肌电（sEMG）解码中风患者的踝关节动作，属于一项硕士论文合作项目：我提供技术支持，并在 MATLAB 中完成生物医学信号处理与机器学习工作。时域与频域特征、ANOVA 特征选择与提升树分类器的准确率达到 94%。
- 机构
- MS thesis
- 状态
- Research
- 通道
- CH2CH3
问题
中风康复需要了解患者踝关节的运动情况。腿部肌肉的表面肌电能否可靠地解码踝关节动作？
我做了什么
- 硕士论文合作项目：我提供技术支持，并完成信号处理与机器学习工作
- 从表面肌电提取时域与频域特征
- ANOVA 特征选择与提升树分类器
技术栈
MATLAB · sEMG · ANOVA · 提升树
成果
- 踝关节动作解码准确率 94%
小腿肌肉上的表面肌电电极记录每个踝关节动作背后的电活动。流程提取时域与频域特征，用 ANOVA 排序，并训练提升决策树集成模型来识别动作。
从肌肉信号可靠地解码动作，是中风康复工具、辅助设备与肌电控制可穿戴设备的基础。