Análise de características do sinal EMG para auxílio em processos de classificação de padrões

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorStevan Junior, Sergio Luiz-
Autor(es): dc.contributorMendes Júnior, José Jair Alves-
Autor(es): dc.contributorStevan Junior, Sergio Luiz-
Autor(es): dc.contributorMendes Júnior, José Jair Alves-
Autor(es): dc.contributorSilva, Edison Luiz Salgado-
Autor(es): dc.contributorCampos, Daniel Prado de-
Autor(es): dc.creatorFreitas, Melissa La Banca-
Data de aceite: dc.date.accessioned2022-02-21T22:10:19Z-
Data de disponibilização: dc.date.available2022-02-21T22:10:19Z-
Data de envio: dc.date.issued2020-11-18-
Data de envio: dc.date.issued2020-11-18-
Data de envio: dc.date.issued2018-12-07-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/16232-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/669250-
Descrição: dc.descriptionElectromyography is a technique that consists of the development, capture and study of electromyographic (EMG) signals from muscle activity. Within electromyography, a very important step refers to the features extraction, where useful signal information is synthesized, helping to remove undesired parts and interferences of the same. The present work presents a study containing the analysis of EMG signal features to aid in standards classification processes. For this, several steps were required involving acquisition, preprocessing, features extraction and selection, classification, obtaining and evaluation of results, using the software LabVIEWTM and MATLABTM. The acquisition was performed using an eight-channel armband attached to the forearm. Six gestures were performed (flexion, extension, flexion to the left, extension to the right, supination and pronation). Subsequently the collected signal was submitted to pre-processing, which involved the conditioning and segmentation stages. Features extraction was performed for 26 features of time domain and frequency domain. The features selection involved the use of simple combination for the assembly of groups with 2, 3, 4 and 5 features, in addition to the analysis of characteristics individually. The classification of the six gestures was made using the LDA (Linear Discriminant Analysis) and QDA (Quadratic Discriminant Analysis) classifiers. The results evaluated were related to the accuracy rates of the classifiers (through bar graphs) and the features intensity for the armband channels in relation to the gestures performed (through polar graphs). Finally, through the results obtained it was concluded that the present work made possible a broader analysis of the EMG signal, as well as providing an evaluation of the contribution of different features to the improvement in the performance of movement classification.-
Descrição: dc.descriptionA Eletromiografia é uma técnica que consiste no desenvolvimento, captação e estudo dos sinais eletromiográficos (EMG), provenientes da atividade muscular. Dentro da eletromiografia, uma etapa muito importante refere-se à extração de características, onde são sintetizadas informações úteis do sinal, auxiliando a remover partes indesejadas e interferências do mesmo. O presente trabalho apresenta um estudo contendo a análise de características do sinal EMG para auxílio em processos de classificação de padrões. Para tal, foram necessárias várias etapas envolvendo aquisição, pré-processamento, extração e seleção das características, classificação, obtenção e avaliação dos resultados, com o uso dos softwares LabVIEWTM e MATLABTM. A aquisição foi realizada utilizando uma armband de oito canais fixada no antebraço. Foram executados seis gestos (flexão, extensão, flexão para esquerda, extensão para direita, supinação e pronação). Posteriormente o sinal coletado foi submetido a pré-processamento, o qual envolveu as etapas de condicionamento e segmentação. A extração de características foi realizada para 26 características do domínio do tempo e da frequência. A seleção de características envolveu o uso de combinação simples para a montagem de grupos com 2, 3, 4 e 5 características, além da análise de características individualmente. A classificação dos seis gestos foi feita utilizando os classificadores LDA (Linear Discriminant Analysis) e QDA (Quadratic Discriminant Analysis). Os resultados avaliados foram referentes às taxas de acerto dos classificadores (por meio de gráficos de barras) e da intensidade das características para os canais da armband com relação aos gestos realizados (através de gráficos polares). Por fim, através dos resultados obtidos chegou-se à conclusão de que o presente trabalho possibilitou uma análise mais ampla do sinal EMG, bem como proporcionou avaliar a contribuição de diferentes características para a melhoria no desempenho de classificação de movimentos.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherPonta Grossa-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherDepartamento Acadêmico de Engenharia Eletrônica-
Publicador: dc.publisherEngenharia Eletrônica-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectEletromiografia-
Palavras-chave: dc.subjectProgramas de computador-
Palavras-chave: dc.subjectSoftware-
Palavras-chave: dc.subjectElectromyography-
Palavras-chave: dc.subjectComputer programs-
Palavras-chave: dc.subjectComputer software-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA-
Título: dc.titleAnálise de características do sinal EMG para auxílio em processos de classificação de padrões-
Título: dc.titleEMG signal features analysis to aid in pattern classification processes-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.