prikaz prve stranice dokumenta Dekompozicija HDsEMG signala temeljem slijepe separacije izvora
No public access
master's thesis
Dekompozicija HDsEMG signala temeljem slijepe separacije izvora
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. urn:nbn:hr:168:712165
Krmek, Šimun
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Krmek, Š. (2023). Dekompozicija HDsEMG signala temeljem slijepe separacije izvora (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:712165

Krmek, Šimun. "Dekompozicija HDsEMG signala temeljem slijepe separacije izvora." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. https://urn.nsk.hr/urn:nbn:hr:168:712165

Krmek, Šimun. "Dekompozicija HDsEMG signala temeljem slijepe separacije izvora." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. https://urn.nsk.hr/urn:nbn:hr:168:712165

Krmek, Š. (2023). 'Dekompozicija HDsEMG signala temeljem slijepe separacije izvora', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 27 December 2024, https://urn.nsk.hr/urn:nbn:hr:168:712165

Krmek Š. Dekompozicija HDsEMG signala temeljem slijepe separacije izvora [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2023 [cited 2024 December 27] Available at: https://urn.nsk.hr/urn:nbn:hr:168:712165

Š. Krmek, "Dekompozicija HDsEMG signala temeljem slijepe separacije izvora", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2023. Available at: https://urn.nsk.hr/urn:nbn:hr:168:712165

Metadata
TitleDekompozicija HDsEMG signala temeljem slijepe separacije izvora
Title (english)Decomposition of HDsEMG signals based on blind source separation
AuthorŠimun Krmek
MentorŽeljka Lučev Vasić (mentor)
Committee memberŽeljka Lučev Vasić (predsjednik povjerenstva)
Committee memberMario Cifrek (član povjerenstva)
Committee memberHrvoje Džapo (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2023-07-05, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
U ovome radu napravljena je dekompozicija HDsEMG signala koristeći algoritam za slijepu separaciju izvora. Konkretnije, koristio se kmCKC algoritam koji je sačinjen od kombinacije CKC algoritma te algoritma k srednjih vrijednosti. Kao rezultat dekompozicije dobiju se vektori vremenskih zapisa pobuda aktivnih motoričkih jedinica. Dekompozicija danim algoritmom testirala se kroz tri scenarija u kojem se mijenjao ulazni signal. U prvom scenariju, algoritam se testirao nad nasumično generiranim signalima, u drugome slučaju ulazni su signali bili sintetički HDsEMG signali, dok su u posljednjem slučaju korišteni stvarni, snimljeni HDsEMG signali. Algoritam je u prva dva scenarija uspio, za različite kvalitete signala, identificirati gotovo većinu aktivnih izvora, odnosno motoričkih jedinica u tome trenutku. Kod scenarija sa stvarnim signalima, dekompozcija se vršila nad signalima koji su mjerili aktivnost mišića ekstenzora podlaktice prilikom pokreta prstiju. U prosjeku se prilikom svake dekompozicije identificiralo 12.4 aktivnih motoričkih jedinica. Također, prosječna stopa pobude iznosila je 12.37 pps. Dobiveni broj estimiranih motoričkih jedinica i stopa pobude u skladu je s očekivanim vrijednostima. Pored broja estimiranih izvora, algoritam je pokazao visoku osjetljivost, odnosno preciznost dekompozicije. Zaključno, isti je pokazao vrlo dobre rezultate te se smatra pogodnim za upotrebu prilikom dekompozicije HDsEMG signala.
Abstract (english)
In this paper, the HDsEMG signal was decomposed using an algorithm for blind source separation. More specifically, the kmCKC algorithm was used, which is a combination of the CKC algorithm and the k-means clustering. As a result of decomposition, firing times of active motor units are obtained. Decomposition with the given algorithm was tested through three scenarios in which the input signal was varied. In the first scenario, the algorithm was tested on randomly generated signals. In the second case, the input signals were synthetic HDsEMG signals. Finally, the algorithm was tested on real, recorded HDsEMG signals. In the first two scenarios, the algorithm was able to identify almost the majority of active sources, i.e. motor units at that moment, for different signal quality. In the scenario with real signals, the decomposition was performed on the signals that measured the activity of the forearm extensor muscles during finger movements. On average, 12.4 active motor units were identified during each decomposition. Also, the average excitation rate was 12.37 pps. The obtanied number of estimated motor units and the excitation rate is within the expected values. In addition to the number of estimated sources, the algorithm showed high sensitivity, that is, the precision of the decomposition. In conclusion, the algorithm showed very good results and is considered suitable for use in HDsEMG signal decomposition.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:712165
Study programmeTitle: Information and Communication Technology
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-10-11 09:26:58