2023 Fiscal Year Annual Research Report
A time advance estimation method for human motions using stochastic resonance and multiple EMG sensors
| Project/Area Number |
18K04071
|
|---|
| Research Institution | Oita University |
|---|
Principal Investigator |
貞弘 晃宜 大分大学, 理工学部, 准教授 (40424676)
|
|---|
| Project Period (FY) |
2018-04-01 – 2024-03-31
|
| Keywords | EMG / EMD / マルチセンサ / 特徴量抽出 / 信号分解 / 粗く量子化された信号 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、確率共振現象を用いることで高いSN比を実現する手法により計測された筋電位信号から、人間の動作を実際の動作よりも早く推定する方法を開発することである。またマルチセンサ入力を用いる従来手法の入力合成に対し、合成重みを導入し、学習理論を応用することで、操作能力熟達の機序解明に挑戦することでもあった。
2018年度には、事前動作推定が可能な筋電位を得る手法について確率できた。2019年度には入力の改善と操作能力熟達計測を行う方法を探索する研究を行なった。2020年度には推定モデルを従来の非線形 ARX もでるから再帰型ニューラルネットワーク（NN）や畳み込み NNに変更することで、二乗誤差の意味で従来モデルよりも良い推定結果を得ることが出来た。2021年度には関節角度に応じた EMD の変化に対応するため Mixture of Experts をモデルとして採用することで、さらに良い精度の推定ができることを示した。また筋電位からの操作能力熟達の機序解明に挑戦するために、自転車漕ぎ動作を対称つする予備的・検証的研究も進めた。2022年度には特徴量抽出法をEMDを活用することで実時間で行えることを示し、その推定精度がより良いものになることを示した。2023年度は、2022年度に得た結果をより推進すべく特徴量抽出法により入力を生成し、モデルを Mixture of Experts とすることで、NN を用いながらも EMD の変動に対応し、かつ精度良い推定ができる方法の開発に取り組んだ。さらに前年度の結果は筋電位が多くの運動単位活動電位の重畳であることを改めて浮き彫りにするとともに、筋電位信号に対して必要なことはノイズの除去ではなく、元となる運動単位活動電位への分解であることが分かったため、これを用いた事前動作推定にも取り組んだ。
|
