Resumen

El análisis y clasificación de las señales de electromiografía (EMG) son muy importantes para detectar algunos síntomas de enfermedades, control de prótesis de brazos/piernas, entre otros. En este estudio, una señal de EMG fue analizada utilizando el bispectro, el cual pertenece a una familia de espectros de orden superior. Una señal de EMG es la diferencia de potencial eléctrico de las células musculares. Las señales de EMG utilizadas en el presente estudio son acciones agresivas o normales. El conjunto de datos de EMG fue obtenido del repositorio de aprendizaje automático. Primero, las actividades agresivas y normales de EMG fueron analizadas utilizando el bispectro y se determinó el acoplamiento de fase cuadrática de cada episodio de EMG. Luego, las características de las señales de EMG analizadas se introdujeron en máquinas de aprendizaje para separar las acciones agresivas y normales. El mejor resultado de clasificación fue del 99.75%, lo cual es suficiente para clasificar significativamente las acciones

• Materias:Energías renovables Hidrocarburos Infección Enfermedades mentales Tumor
• Subjects:Renewable energy Hydrocarbons Infection Mental illness Tumor
• Palabras claves:Análisis; Clasificación; Electromiografía; Señales; Bispectro; Aprendizaje automático
• Keywords:Analysis; Classification; Electromyography; Signals; Bispectrum; Machine learning