Multimodal; Intent Detection; Myocontrol; Human Machine Interface; HMI; Wearable HMI; Muscle Machine Interface; MMI; Biosignals; Bio-signals; Biosensors; Bio-sensors; Gesture Intent Acquisition; Sensor Fusion; Data Fusion; Hand rehabilitation; Wrist rehabilitation; Hybrid-sensor based HMIs; On-body sensors; Amputation; Upper-limb amputation; Transradial; Prosthetics; Prosthesis; Rehabilitation; Hand rehabilitation; Assistive robotics; Assistive HMIs; Biomedical; Healthcare; Sensors; Machine learning; Pattern recognition; Signal Processing; Data Science; Human motion; Wearable technology; Wearable robotics; Wearable electronics; Wireless sensors; Electromyography; Force-myography; Tactile sensor; Electro-impedance tomography; Electro-impedance myography; Sonomyograpy; Ultrasound; Non-invasive; Hybrid Sensing;      «

Multimodal; Intent Detection; Myocontrol; Human Machine Interface; HMI; Wearable HMI; Muscle Machine Interface; MMI; Biosignals; Bio-signals; Biosensors; Bio-sensors; Gesture Intent Acquisition; Sensor Fusion; Data Fusion; Hand rehabilitation; Wrist rehabilitation; Hybrid-sensor based HMIs; On-body sensors; Amputation; Upper-limb amputation; Transradial; Prosthetics; Prosthesis; Rehabilitation; Hand rehabilitation; Assistive robotics; Assistive HMIs; Biomedical; Heal...     »

Multimodal; Absichtserkennung; Myocontrol; Mensch-Maschine-Schnittstelle; HMI; Wearable HMI; Muskel-Maschine-Schnittstelle; MMI; Biosignale; Bio-Signale; Biosensoren; Biosensoren; Gesten-Intent-Erfassung; Sensor-Fusion; Datenfusion; Rehabilitation der Hand; Rehabilitation des Handgelenks; Hybrid-Sensor basierte HMIs; Am-Körper-Sensoren; Amputation; Amputation der oberen Gliedmaßen; Transradial; Prothesen; Prothese; Rehabilitation; Rehabilitation der Hand; Assistierende Robotik; Assistive HMIs; Biomedizinisch; Gesundheitswesen; Sensoren; Maschinelles Lernen; Mustererkennung; Signalverarbeitung; Datenwissenschaft; Menschliche Bewegung; Wearable-Technologie; Wearable Robotics; Tragbare Elektronik; Drahtlose Sensoren; Elektromyographie; Kraft-Myographie; Taktiler Sensor; Elektroimpedanz-Tomographie; Elektroimpedanz-Myographie; Sonomyographie; Ultraschall; Nicht-invasiv; Hybride Sensorik;      «

Multimodal; Absichtserkennung; Myocontrol; Mensch-Maschine-Schnittstelle; HMI; Wearable HMI; Muskel-Maschine-Schnittstelle; MMI; Biosignale; Bio-Signale; Biosensoren; Biosensoren; Gesten-Intent-Erfassung; Sensor-Fusion; Datenfusion; Rehabilitation der Hand; Rehabilitation des Handgelenks; Hybrid-Sensor basierte HMIs; Am-Körper-Sensoren; Amputation; Amputation der oberen Gliedmaßen; Transradial; Prothesen; Prothese; Rehabilitation; Rehabilitation der Hand; Assistierende...     »

In wearable human-machine interfaces, sensors play an essential role, in particular in recognizing hand-movement intent. This thesis presents and evaluates alternative and complementary methods to the gold-standard surface electromyography, such as force-, electro-impedance- and sono-myography, as well as inertial tracking. It also introduces different pipelines involving features and machine learning methods and explores multimodal sensing by fusing different modalities to improve muscular intent detection.     «

In wearable human-machine interfaces, sensors play an essential role, in particular in recognizing hand-movement intent. This thesis presents and evaluates alternative and complementary methods to the gold-standard surface electromyography, such as force-, electro-impedance- and sono-myography, as well as inertial tracking. It also introduces different pipelines involving features and machine learning methods and explores multimodal sensing by fusing different modalities to improve muscular inte...     »

In tragbaren Mensch-Maschine-Schnittstellen spielen Sensoren eine wesentliche Rolle, insbesondere bei die Absichtserkennung von Handbewegungen. Diese Arbeit präsentiert und bewertet alternative und ergänzende Methoden zur Goldstandard Elektromyographie, wie Kraft-, Elektroimpedanz- und Sono-Myographie sowie Inertial-Tracking. Außerdem werden verschiedene Pipelines mit Merkmalen und maschinellen Lernmethoden vorgestellt und die multimodale Erfassung durch Fusion verschiedener Modalitäten zur Verbesserung der Erkennung von Muskelabsichten erforscht.     «

In tragbaren Mensch-Maschine-Schnittstellen spielen Sensoren eine wesentliche Rolle, insbesondere bei die Absichtserkennung von Handbewegungen. Diese Arbeit präsentiert und bewertet alternative und ergänzende Methoden zur Goldstandard Elektromyographie, wie Kraft-, Elektroimpedanz- und Sono-Myographie sowie Inertial-Tracking. Außerdem werden verschiedene Pipelines mit Merkmalen und maschinellen Lernmethoden vorgestellt und die multimodale Erfassung durch Fusion verschiedener Modalitäten zur Verb...     »