Battelle使用MATLAB开发信号处理和机器学习算法并实时运行算法。
参与者被示出了一种计算机生成的虚拟手,执行诸如手腕屈曲和延伸,拇指屈曲和扩展,手动打开和关闭,并指示用自己的手进行相同的运动。
在MATLAB中工作,该团队开发了算法,分析来自植入电极阵列中的96个通道的数据。使用小波工具箱™,它们执行了小波分解,以隔离控制运动的大脑信号的频率范围。
它们对MATLAB中分解的结果进行了转换,以计算平均小波功率(MWP),减少在每个100毫秒窗口期间捕获的3000个特征,以使单个通道到单个值。
由此产生的96MWP值用作机器学习算法的特征向量,该算法将特征转化为单独的运动。
该团队使用MATLAB测试了多种机器学习技术,包括判别分析和支持向量机(SVM),在定制SVM上进行优化以进行性能。金宝app
在测试会话期间,团队通过参与者尝试视频中显示的动作培训了SVM。他们使用训练有素的SVM输出来为参与者可以在屏幕上操纵的计算机生成的虚拟手动。相同的SVM输出被缩放并用于控制NMES套筒的130个通道。
虽然参与者移动了他的胳膊和手来执行简单的运动,但所有信号处理,解码和机器学习算法都在桌面计算机上实时在Matlab中运行。
Battelle工程师目前正在使用MATLAB为第二代神经电化系统开发算法,该系统将包含加速度计和其他传感器,以使控制算法能够监测臂的位置并检测疲劳。