การพัฒนาวิธีจำแนกรูปแบบการเดินและท่าทางด้วยสัญญาณไฟฟ้ากล้ามเนื้อร่วมกับสัญญาณทางกล

การจำแนกประเภทของการเดินและท่าทางตามสภาพแวดล้อมต่างๆ ในปัจจุบันเป็นเรื่องที่มีการวิจัยเป็นอย่างมาก มีการใช้สัญญาณทางการแพทย์นำมาใช้สื่อสารระหว่างมนุษย์และคอมพิวเตอร์ และมีการคาดการณ์การเคลื่อนไหวของมนุษย์ ตามสภาวะต่างๆ ซึ่งเป็นเรื่องที่มีความท้าทายเป็นอย่างมากในการนำไปประยุกต์ใช้กับการควบคุม exoskeleton robot เพื่อช่วยในการสนับสนุนการใช้ชีวิตประจำวันของมนุษย์ งานวิจัยนี้ได้พัฒนาวิธีจำแนกรูปแบบการเดินและท่าทางตามสภาวะต่างๆ ด้วยสัญญาณไฟฟ้ากล้ามเนื้อร่วมกับสัญญาณทางกลใช้สัญญาณชีวการแพทย์โดยใช้สัญญาณ Surface Electromyographic (sEMG) ร่วมกับเซ็นเซอร์เชิงกล(Accelerometer , Gyroscope )ใช้ Shimmer3 ในการเก็บข้อมูลจากข้อมูลขาด้านขวาของผู้ทดลอง โดยได้แบ่งงานวิจัยออกเป็น 2 ส่วนคือ การวิเคราะห์การจำแนกรูปแบบการเดินและท่าทางตามสภาพแวดล้อมต่างๆที่เกิดขึ้นในชีวิตประจำวันจาสัญญาณชีวการแพทย์ร่วมกับสัญญาณทางกลโดยใช้วิธี Linear Discriminant ในการจำแนกประเภท ซึ่งสามารถลดจำนวน Vector Features จาก 64 Vectors เหลือ 13 Vectors และ ลดจำนวน Features จาก 4 Features เหลือ 3 Features โดย Model มีความแม่นยำ 98.77±0.36 % และ วิเคราะห์การจำแนกรูปแบบการเดินและท่าทางตามสภาพแวดล้อมต่างๆของช่วงต้นของการเคลื่อนไหว โดยใช้ Surface Electromyography (sEMG) เป็นตัวกำหนดจุดเริ่มต้นของการเคลื่อนไหวโดยใช้ช่วงเวลา 500 , 1000 , 1500 และ 2000 มิลลิวินาที ใช้วิธี Ensemble Subspace Discriminant ในการจำแนกรูปแบบการเดินโดยมีผลการจำแนกได้ความแม่นยำสูงที่สุดที่ 86.21±0.49% , 92.9±0.46% , 94.4±0.67% และ 97.09±0.29% จากการใช้ช่วงระยะเวลาในการประมวลผลจากจุดเริ่มต้นของการเคลื่อนไหว 500 , 1000 , 1500 และ 2000 มิลลิวินาที ตามลำดับ.