Desarrollo de un sistema embebido para la clasificación de señales EMG

Cristhian Manuel Duran Acevedo, Javier Eduardo Jauregui Duarte

Resumen


En el presente artículo se describe una metodología para generar algoritmos de alto
nivel, tales como Redes Neuronales Artificiales u otras técnicas de reconocimiento de
patrones para ser implementados en sistemas embebidos. El sistema fue basado en
un DSP (Procesador Digital de Señales), para la identificación y la clasificación de
señales (es decir, EMG); para  tal fin se utilizó el software Code Composer Studio V3.3,
el cual fue acoplado al paquete Matlab, para realizar la programación de la tarjeta
TMS320F28335 de Texas instruments. El objetivo del estudio fue crear un modelo de
una red neuronal artificial a partir de un pre-procesamiento previo, y luego de manera
embebida  implementar  la  red  al  respectivo  hardware.  La  Red  MLP  (Perceptron
Multicapa)  fue  desarrollada  a  partir  de  un  conjunto  de  datos  pre-procesados,  los
cuales fueron obtenidos mediante la adquisición de señales Electromiográficas. A su
vez, estos datos fueron validados por medio de la técnica de discriminación y Análisis
de Componentes Principales (PCA), la cual fue util para determinar la repetitividad y
selectividad del instrumento de medida. A través de esta aplicación fue posible mejorar
la velocidad de procesamiento, la portabilidad y la respuesta del dispositivo EMG, el
cual abre un gran abanico de posibilidades para que esta metodología sea aplicada
en diferentes sectores (es decir, sector industrial, la salud, etc), sobre todo, como un
sistema de clasificación de señales.

Texto completo:

PDF

Referencias


Christova P, Kossev A,Kristev

I,Chichov V.1999. Surface EMG

recorded by branched electrodes

during sustained muscle. J of Electro

and Kinesiology. 9(4) :263-276.

Dorado L, Ortega A, Bolaños G,Casas

J. 2006. Acquisition and Monitoring

System of the Electrical Signals

Generated in Cerebral Activity. Rev

Col de Física. 38(3):1299-1302.

Kiatpanichagij K y Afzulpurkar

N.2009.Use of supervised

discretization with PCA in wavelet

packet transformation based surface

electromyogram classification. Bio Sig

Processing and Control.4(2):127-138..

Krishna GV,Srinivasan S, Patil

KM.1996.A New DSP-Based

Multichannel EMG Acquisition and

Analysis System. Comp and

Biomedical Research.29(5):395-406.

Li Z.2010. Application of digital signal

processor in EMG-based human

machine interface. IEEE Control

Conference (CCC)., Chinese Beijing

:2788 – 2791

Liu YH.2007.Recognition of

Electromyographic Signals Using

Cascaded Kernel Learning Machine.

Mechatronics.12(3):253 – 264.

Merletti R y Parker P.2004.

Electromyography: Physiology

Engineering, and Noninvasive

Applications., John Wiley & Sons.

Miranda CB.2011.Programación de

DSP a través de Herramientas

disponibles en Matlab 7.0/

Simulink.Tesis de grado, Universidad

De Magallanes, Facultad De

Ingeniería, Departamento de

Electricidad. Chile. .

Nan CJ, Tao YY,Chen LM, Li

Y.2012.The Development of a

Portable ECG Monitor Based on DSP”,

Physics Procedia.33:765-774.

Subasi A.2012.Classification of EMG

signals using combined features and

soft computing techniques. Applied

Soft Computing.12(8):2188-2198.

Zakaria F.2012.Heart rate variability

(HRV) analysis using DSP for the

detection of myocardial infarction”,

IEEE Advances in Computational

Tools for Engineering Applications

(ACTEA)., Beirut.:15–19..

Zhao L.2010.A Design of Surface

EMG Signal Detector Based on DSP.

IEEE Electrical and Control

Engineering (ICECE)., Wuhan: 4863 –




DOI: https://doi.org/10.24054/01204211.v2.n2.2014.1659

Enlaces refback

  • No hay ningún enlace refback.