SEMG信号に基づく関節角度予測のためのガウスプロセス自己網目上

神経筋骨格系には不確実性があり、決定論的モデルは、モデル予測の精度に影響を与えるこの不確実性のこの重要な存在を説明することはできません。この論文では、表面筋電図（SEMG）シグナルに基づく膝関節角度予測モデルが提案されています。EMGシグナルの不安定性と神経筋骨格システムの不確実性に対処するために、ノンパラメトリック確率モデルは、筋肉の活性化の生理学的特性と組み合わせたガウスプロセスモデルを使用して開発されます。神経筋骨格システムは動的なシステムであるため、ガウスプロセスモデルは、ガウスプロセス自己回復モデルを作成するために、外因性入力（NARX）モデルを使用した非線形自己回帰（NARX）モデルとさらに組み合わされます。この論文では、正規化されたルート平均平方根誤差（NRMSE）と相関係数（CC）は、ガウスプロセスの自己回帰モデル予測の関節角度予測結果と、3つのテストシナリオの下での実際の関節角の間で比較されます。健康な被験者データセットと片麻痺患者のデータセットのすべてのテストシナリオのNRMSEの平均とCCの平均は、ガウスプロセスモデルの結果を上回り、有意差を持つ（p <0.05およびp <0.05、p <0.05およびp <0.05）。不確実性の観点から、ガウスプロセスの自己回帰モデルを使用して人間の動きの正確な予測を実現することにより、関節角予測のノンパラメトリック確率モデルが確立されます。

There is uncertainty in the neuromusculoskeletal system, and deterministic models cannot describe this significant presence of uncertainty, affecting the accuracy of model predictions. In this paper, a knee joint angle prediction model based on surface electromyography (sEMG) signals is proposed. To address the instability of EMG signals and the uncertainty of the neuromusculoskeletal system, a non-parametric probabilistic model is developed using a Gaussian process model combined with the physiological properties of muscle activation. Since the neuromusculoskeletal system is a dynamic system, the Gaussian process model is further combined with a non-linear autoregressive with eXogenous inputs (NARX) model to create a Gaussian process autoregression model. In this paper, the normalized root mean square error (NRMSE) and the correlation coefficient (CC) are compared between the joint angle prediction results of the Gaussian process autoregressive model prediction and the actual joint angle under three test scenarios: speed-dependent, multi-speed and speed-independent. The mean of NRMSE and the mean of CC for all test scenarios in the healthy subjects dataset and the hemiplegic patients dataset outperform the results of the Gaussian process model, with significant differences (p < 0.05 and p < 0.05, p < 0.05 and p < 0.05). From the perspective of uncertainty, a non-parametric probabilistic model for joint angle prediction is established by using Gaussian process autoregressive model to achieve accurate prediction of human movement.