Repositório Digital

A- A A+

Aquisição, processamento de sinais mioelétricos e máquina de vetores de suporte para caracterização de movimentos do segmento mão-braço

.

Aquisição, processamento de sinais mioelétricos e máquina de vetores de suporte para caracterização de movimentos do segmento mão-braço

Mostrar registro completo

Estatísticas

Título Aquisição, processamento de sinais mioelétricos e máquina de vetores de suporte para caracterização de movimentos do segmento mão-braço
Autor Nilson, Clairê de Pauli
Orientador Balbinot, Alexandre
Data 2014
Nível Mestrado
Instituição Universidade Federal do Rio Grande do Sul. Escola de Engenharia. Programa de Pós-Graduação em Engenharia Elétrica.
Assunto Eletromiografia
Processamento de sinais
Tecnologia assistiva
[en] Biomedical instrumentation
[en] Electromyography
[en] Movement characterization of hand-arm segment
[en] Support-vector machine
Resumo As diversas áreas da Engenharia, em parceria com a ciência médica, têm contribuído de forma eficaz para o avanço do conhecimento e dos resultados em aplicações práticas na vida do deficiente físico. De forma geral, pesquisas com este foco têm permitido o desenvolvimento de dispositivos e recursos com o objetivo de oferecer novamente a mobilidade e a liberdade perdidas com a deficiência. Este trabalho tem a finalidade de desenvolver um sistema que utiliza Eletromiografia de Superfície e Máquina de Vetores de Suporte para a caracterização de determinados movimentos de um braço humano, possibilitando, futuramente, a integração em sistemas de reabilitação. Primeiramente os sinais mioelétricos são obtidos nos músculos do braço de voluntários através de eletrodos de superfície ligados a um eletromiógrafo. O sinal é adquirido, utilizando como padrão um modelo virtual que demonstra ao voluntário os movimentos do segmento mão-braço que devem ser imitados. Esses movimentos são executados e seus sinais mioelétricos adquiridos. Posteriormente, esses sinais são processados e características são extraídas. Em seguida, são alocadas algumas de suas características (RMS, média, variância, desvio padrão, skewness e kurtosis) na entrada da Máquina de Vetores de Suporte, que apresenta, como saída, o reconhecimento, ou não, do movimento previamente executado pelo voluntário. No final do processo, observou-se que aumentando o número de canais elevou-se a taxa de acerto dos movimentos e, com a retirada de determinada característica, houve decréscimo na taxa de acerto do sistema. Nestes casos, os 9 movimentos distintos atingiram uma taxa de acerto média de 83,2%, para dois canais, e 91,3%, para oito canais, e, em ambos sistemas de canais, com as seis características.
Abstract A wide range of engineering scopes, along with the knowledge from the medical science, has efficiently been contributing to further knowledge and results for practical applications in the life of the physically challenged. In general, such researches have allowed the development of devices and resources aimed at giving back the mobility and freedom lost with the deficiency. This paper intends to develop a system that uses Surface Electromyography and Support-Vector Machines (SVM) for the characterization of specific movements of a human arm enabling the future integration in rehabilitation systems. At first, myoelectric signals are obtained in the arm muscles of volunteers by means of surface electrodes attached to an Electromyography. The signal is acquired using a virtual model as pattern demonstrating to the volunteer the hand-arm movements which are to be replicated by the subject. As these movements are done, its respective myoelectric signals are acquired. Later on, these signals are processed and their characteristics extracted. Some of these features (such as RMS, standard deviation, variance, mean, kurtosis, skewness) will then be inserted in as input data in the Support- Vector Machine, which shows as an output a valid or null recognition of the movement earlier executed by the volunteer. At the end of the process, it was observed that increasing the number of channels increased by hit rate movements and, with the removal of certain characteristic, there was a decrease in the hit rate of the system. In these cases, nine distinct movements reached an average accuracy of 83.2% for two channels, and 91.3% for eight channels, and in both systems of channels, with six features.
Tipo Dissertação
URI http://hdl.handle.net/10183/101175
Arquivos Descrição Formato
000930599.pdf (17.01Mb) Texto completo Adobe PDF Visualizar/abrir

Este item está licenciado na Creative Commons License

Este item aparece na(s) seguinte(s) coleção(ões)


Mostrar registro completo

Percorrer



  • O autor é titular dos direitos autorais dos documentos disponíveis neste repositório e é vedada, nos termos da lei, a comercialização de qualquer espécie sem sua autorização prévia.
    Projeto gráfico elaborado pelo Caixola - Clube de Criação Fabico/UFRGS Powered by DSpace software, Version 1.8.1.