@article { author = {Ramezani, Mohammad Mehdi and Sharafat, Ahmad Reza}, title = {Real-Time Classification of Surface Electromyogram Signal using Correntropy}, journal = {Iranian Journal of Biomedical Engineering}, volume = {4}, number = {2}, pages = {123-134}, year = {2010}, publisher = {Iranian Society for Biomedical Engineering}, issn = {5869-2008}, eissn = {9685-8006}, doi = {10.22041/ijbme.2010.13333}, abstract = {In this paper, we propose a novel approach for classification of surface electromyogram (sEMG) signal with a view to controlling myoelectric prosthetic devices. The sEMG signal generated during isometric contraction is modeled by a stochastic process whose probability density function (PDF) is non- Gaussian for low levels of applied force. Since the PDF of ambient noise is assumed to be Gaussian, we extract correntropy features, as they contain information on non-Gaussian components (the sEMG signal) only; and utilize the linear discriminant analysis (LDA) to classify the sEMG signal using correntropy features. Our proposed method has lower classification error and requires much less computations as compared to other existing advanced methods.}, keywords = {Classification,Correntropy,Gaussain kernel,Myoelectric prosthesis,Pattern recognition,Surface Electromyogram Signal}, title_fa = {دسته‌بندی بی‌درنگ سیگنال الکترومایوگرام سطحی با استفاده از کورنتروپی}, abstract_fa = {در این مقاله با استفاده از کورنتروپی، روشی مؤثر برای دسته‌بندی سیگنال الکترومایوگرام سطحی به منظور کنترل پروتزهای مایوالکتریک ارائه شده است. چون سیگنال الکترومایوگرام سطحی در دامنه‌های پائین نیرو ماهیتی غیرگوسی دارد درحالی‌که اغتشاش محیط گوسی فرض می‌شود، از کورنتروپی برای استخراج ویژگی از این سیگنال استفاده می‌کنیم؛ زیرا کورنتروپی تنها دربرگیرنده اطلاعات مربوط به مؤلفه‌های غیرگوسی است و تخمین آن از نمونه‌های محدود بسیار ساده است. سپس با به‌کارگیری ویژگی‌های استخراج شده، از طبقه‌بندی کننده آنالیز تفکیک خطی برای دسته‌بندی سیگنال الکترومایوگرام سطحی استفاده می‌کنیم. نتایج به‌دست آمده با استفاده از روش پیشنهادی این مقاله، در مقایسه با نتایج سایر روش‌های پیشرفته شناسایی الگوی سیگنال الکترومایوگرام سطحی هم بهبود یافته و هم محاسبات کمتری دارد.}, keywords_fa = {پروتز مایوالکتریک,تشخیص الگو,سیگنال الکترومایوگرام سطحی,طبقه‌بندی,کرنل گوسی,کورنتروپی}, url = {https://www.ijbme.org/article_13333.html}, eprint = {https://www.ijbme.org/article_13333_7588339d5bcb471a9e0141d78a7df446.pdf} }