EXTRACTION DE CARACTERISTIQUE
Les caractéristiques extraites du signal EMG vont permettre la classification des différents mouvements. Celles-ci vont alors dépendre des classes de sorties désirées. L'extraction des caractéristiques va établir des vecteurs de caractéristiques basés sur des informations tirées du signal myoélectrique. Le regroupement de ces vecteurs de caractéristiques va alors donner des classes qui seront définies par les classifieurs.
Pour le moment, intéressons nous d'abord aux différentes méthodes d'extraction de caractéristiques.
Caractéristique extraite du domaine temporel
Les caractéristiques peuvent être tirées des données concernant la forme du signal. En effet, de ce signal, il est possible d'extraire une estimation de la moyenne de la valeur absolue. On peut, par la suite, calculer la différence entre les moyennes des segments adjacents. On en tire alors la moyenne de la pente de la valeur absolue. A partir du signal, on peut également calculer le nombre de fois que la forme d'onde traverse 0. Des caractéristiques telles que le changement de signe de la pente ou encore la longueur de la forme d'onde peuvent être extraites directement du signal. Toutes ces caractéristiques regroupées forment alors un vecteur de caractéristiques discriminant et relativement spécifique au mouvement.
Paramètres de modèles auto-régressifs
Un modèle auto-régressif peut être perçu comme un outil permettant de définir une structure, sous forme d'équation, qui rend compte de l'évolution du comportement du signal dans le temps. Il existe trois étapes de construction d'un modèle auto-régressif. La première, appelée identification, vise à définir l'ordre du modèle. La seconde, dîtes « détermination » correspond au calcul des coefficients des termes de l'équation. Enfin, la « vérification » est un contrôle du degré d'ajustement. Les paramètres d'un modèle comme l'ordre ou les coefficients peuvent être associés en un vecteur de caractéristiques et ainsi être extraits du signal EMG.
Caractéristiques du domaine temps-fréquence
Des méthodes telles que la transformée de Fourier ou encore la transformée en ondelettes ou en paquets d'ondelettes sont des méthodes visant à l'exploitation des signaux EMG par rapport au temps et à leurs fréquences. En effet, une ondelette peut être vue comme un outil mathématique permettant la décomposition du signal en fréquence tout en conservant une localisation spatiale. Le signal de départ va être projeté sur un ensemble de fonctions, défini par une fonction de base appelée « ondelette mère », qui vont alors s'adapter aux fréquences du signal à analyser. Alors, les informations sur ces fonctions (les paquets d'ondelettes) telles que la fréquence par exemple vont être extraite et former des vecteurs de caractéristiques.
​
​
L'extraction des caractéristiques amène donc à la création de vecteurs de caractéristiques. Il est donc nécéssaire d'associer ces vecteurs à des classes pré-établies (ou non). Cependant, comme indiqué plus haut, un problème est à prendre en compte et va donc être la cause de l'apparition d'une étape intermédiaire : la réduction de la dimension de l'espace de caractéristiques. En effet, un grand nombre de caractéristiques peut amener à différents problèmes tels que celui de la malédiction de dimension.