Investigação da relação dos métodos de extração de características e os movimentos das mãos, no processamento de sinais sEMG

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorHübner, Rodrigo-
Autor(es): dc.contributorGarcia, Lucas Ricken-
Autor(es): dc.contributorTormena Junior, Osmar-
Autor(es): dc.contributorFoleiss, Juliano Henrique-
Autor(es): dc.contributorHübner, Rodrigo-
Autor(es): dc.contributorGarcia, Lucas Ricken-
Autor(es): dc.creatorOliveira, Rafael Alencar-
Data de aceite: dc.date.accessioned2025-08-29T13:31:01Z-
Data de disponibilização: dc.date.available2025-08-29T13:31:01Z-
Data de envio: dc.date.issued2023-01-31-
Data de envio: dc.date.issued2023-01-31-
Data de envio: dc.date.issued2022-06-06-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/30489-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1114679-
Descrição: dc.descriptionThere are several techniques for measuring electric and magnetic potentials that originate in the human body. Among these techniques is the electromyography technique, also known as EMG. EMG signals are commonly taken from the human body using non-invasive electrodes (i.e., superficially on the skin) that are placed over the muscles of interest. By processing these signals, it is possible to classify them, i.e. to identify the types of movement that the patient is performing. A good classification depends on previous steps, such as pre-processing and feature extraction. This work aimed to investigate which features performed best and worst in classifying different signals. For this, four datasets containing different hand movements performed in everyday life were processed. At the end of the work, through qualitative and quantitative analysis of the implemented features, it was concluded that some temporal features are not interesting for processing, such as TM3, TM4 and TM5 while others, such as logarithmic detector, stood out. The frequency features only proved interesting on a dataset whose data sampling frequency was much higher than the others.-
Descrição: dc.descriptionDiversas são as técnicas para medição de potenciais elétricos e magnéticos cuja origem é o corpo humano. Dentre essas técnicas, destaca-se a técnica de eletromiografia, também conhecida como EMG. Os sinais de EMG são comumente retirados do corpo humano através de eletrodos não invasivos (isto é, superficialmente na pele) que são dispostos sobre os músculos de interesse. Ao processar esses sinais, é possível classificá-los, ou seja, identificar os tipos de movimento que o paciente está executando. Uma boa classificação depende de etapas anteriores, como pré-processamento e extração de características. Esse trabalho teve como objetivo investigar quais as características apresentavam melhor e pior desempenho na classificação de diferentes sinais. Para isso, foram processados quatro datasets contendo diferentes movimentos das mãos realizados no dia a dia. Ao fim do trabalho, através de análises qualitativas e quantitativas das características implementadas, concluiu-se que algumas características temporais não são interessantes para o processamento, como TM3, TM4 e TM5 enquanto outras, como detector logarítmico, se destacaram. As características na frequência apenas se mostraram interessantes em um dataset cuja frequência de amostragem de dados era muito superior às outras.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCampo Mourao-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherDepartamento Acadêmico de Eletrônica-
Publicador: dc.publisherEngenharia Eletrônica-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/4.0/-
Palavras-chave: dc.subjectEletromiografia-
Palavras-chave: dc.subjectProcessamento de sinais-
Palavras-chave: dc.subjectInterface cérebro-computador-
Palavras-chave: dc.subjectElectromyography-
Palavras-chave: dc.subjectSignal processing-
Palavras-chave: dc.subjectBrain-computer interfaces-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS-
Título: dc.titleInvestigação da relação dos métodos de extração de características e os movimentos das mãos, no processamento de sinais sEMG-
Título: dc.titleSurvey on the relationship of feature extraction methods and hands movement in sEMG signal processing-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.