应用领域 | 综合 |
---|
超声肌电融合仪性能特点
1、自设计轻量化多模态传感器
2、使用简单,适用不同臂围
3、无线传输,设备小巧,支持可穿戴采集
4、可独立采集超声、肌电和IMU数据
5、可同步采集双模态或三模态数据
6、可面向上下肢及身体任何部位精准采集
7、创新性通讯方案,确保数据零丢包
8、技术可靠,确保高保真于实现信号采集
9、恒定的电压激励脉冲与压电换能技术,确保超声的精准转换和解析
10、接口全开放
11、软件内置多种特征提取和分类方法,帮助用户快捷实现手势分类等任务
12、支持外部触发与marker标定
应用领域
新型人机交互方式的研究
使用融合/独立的源信号进行假肢控制;将融合信号与其他运动测量系统、肌肉活动感知系统、姿态与平衡系统、压力台、电刺激/磁刺激等配套使用;与数据手套、头显设备融合,实现VR/AR/MR的研究。
神经肌肉及运动功能领域的研究
基于超声/肌电的肌肉病理学分析;肌肉功能康复评估;肌肉形态学信息与手指运动的时空模型研究;肌肉疲劳分析;肌肉物理特性分析;运动损伤评定;特定肌肉群的运动分析;其他与肌肉运动诊断相关领域。
智能控制领域的研究
基于超声/肌电/IMU信号的手指、手腕、肢体等部位动作识别领域的研究;基于融合信号的外骨骼康复机器人相关的研究。
参考文献:
[1] Qing Zengyu; Zongxing Lu; Liu Zhoujie; Cai Yingjie; Cai Shaoxiong; He Baizheng; Yao Ligang. (2022). A Simultaneous Gesture Classification and Force Estimation Strategy Based on Wearable A-Mode Ultrasound and Cascade Model. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 30, 2301-2311.
[2] Xingchen Yang; Jipeng Yan; Yinfeng Fang; Dalin Zhou; Honghai Liu. (2020). Simultaneous prediction of wrist/hand motion via wearable ultrasound sensing. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 28(4), 970-977.