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,该团队开发了算法来分析植入电极阵列中96个通道的数据。使用小波工具箱™,他们进行小波分解,以分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测试了几种机器学习技术,包括判别分析和支持向量机(SVM),最终确定了性能优化的自定义支持向量机。金宝app
在测试过程中,该团队通过让参与者尝试视频中显示的动作来训练支持向量机。他们使用训练过的支持向量机输出来制作电脑生成的虚拟手的动画,参与者可以在屏幕上操作。同样的SVM输出被缩放并用于控制NMES套筒的130个通道。
当参与者移动手臂和手来执行简单的动作时,所有的信号处理、解码和机器学习算法都在MATLAB中在台式计算机上实时运行。
巴特尔的工程师目前正在使用MATLAB为第二代NeuroLife系统开发算法,该系统将包含加速度计和其他传感器,使控制算法能够监测手臂的位置和检测疲劳。