Accessible Requires Authentication Published by Oldenbourg Wissenschaftsverlag September 11, 2015

Kalibrierungs- und Trainingsstrategien zur individuellen Signalgenerierung für die myoelektrische Steuerung technischer Hilfsmittel

Strategies for calibration and training to individualize signal generation in myoelectric control of assistive devices
Wolfgang Doneit, Michele René Tuga, Ralf Mikut, David Liebetanz, Rüdiger Rupp and Markus Reischl
From the journal tm - Technisches Messen

Zusammenfassung

Bioelektrische Signale werden oft für Steuerungsaufgaben in der Rehabilitationstechnik eingesetzt. So stellt die antagonistische myoelektrische Steuerung den de-facto Standard für die Ansteuerung von Handprothesen dar. Neuerdings wird auch die Navigation eines Elektrorollstuhls über die Kontraktionen zweier Ohrmuskeln erforscht. Charakteristisch für diese Anwendungen sind individuelle Amplituden und unbeabsichtigte Koaktivierungen, die eine direkte Interpretation der Intention des Anwenders erschweren. Dieser Artikel diskutiert Einflussgrößen auf die Qualität der myoelektrischen Signale und stellt eine Signalverarbeitungskette zur Bereinigung des Signals bzw. zur Intentionsschätzung vor. Zur individuellen Anpassung der Parameter werden standardisierte Trainingsparadigmen eingeführt. Mit Hilfe von Regressionsmodellen sollen Fehlerquellen wie Koaktivierungen eliminiert werden. Die Funktionalität der Verfahren wird anhand simulierter und realer Daten von zweikanaligen myoelektrischen Messungen von Unterarm und Ohr nachgewiesen.

Abstract

Bioelectric signals are often used for control purposes in rehabilitation engineering. As an example, the antagonistic myoelectric control is the de-facto standard for the control of hand prostheses. Lately, examinations have started to control wheelchairs via the EMG of two earmuscles. Typically, the generated signals show individual amplitudes and unintended coactivations hindering a direct interpretation of the user intention. This article discusses effects and influencing factors affecting the quality of the myoelectric signal and provides a signal processing pipeline to improve the estimation of the user intention. Standardized training paradigms are introduced to individually adapt parameters. Regression models help in minimizing the effects of co-activations. The functionality of the approach is shown using simulated and real-world data of two-channel EMG-measurements of forearm and ear.

Danksagung

BMBF-Projekt TELMYOS, Förderkennzeichen 13EZ1122(A-C).

Erhalten: 2015-4-24
Revidiert: 2015-5-20
Angenommen: 2015-5-20
Online erschienen: 2015-9-11
Erschienen im Druck: 2015-9-28

©2015 Walter de Gruyter Berlin/Boston