Resumen

Los trabajos enfocados en la extracción de patrones en señales electromiográficas (SEMG) han venido creciendo debido a sus múltiples aplicaciones. En este artículo se presenta una aplicación en la cual se implementa un sistema electrónico para el registro de las SEMG de la extremidad superior en un sujeto, con el fin de controlar de forma remota un brazo electrónico. Se realizó una etapa de preprocesamiento de las señales registradas, para eliminar información poco relevante, y reconocimiento de zonas de interés; enseguida se extraen los patrones y se clasifican. Las técnicas utilizadas fueron: análisis wavelet (AW), análisis de componentes principales (ACP), transformada de fourier (TF), transformada del coseno discreta (TDC), energía, máquinas de soporte vectorial (MSV o SVM) y redes neuronales (RNA). En este artículo se demuestra que la metodología planteada permite realizar un proceso de clasificación con un rendimiento superior al 95%. Se registraron más de 4000 señales.

I. INTRODUCCIÓN

Las señales electromiográficas (SEMG) son datos o señales eléctricas que muestran el comportamiento del sistema biológico muscular que compone el cuerpo humano; hoy en día, dichas señales, son utilizadas en sistema biomédicos y de bio-ingeniería, ya que sus ventajas y aplicaciones representan un aporte importante [1-3]. Entre las aplicaciones con mayor impacto usando señales electromiográficas se tienen: seguimiento del rendimiento de deportistas, control de prótesis, control de equipos mecánicos y electrónicos de alta complejidad y sistemas de teleoperación [4-7]. En la actualidad, el control de sistemas electrónicos usando SEMG ha abierto un campo de investigación bastante amplio; es así como diferentes trabajos se han desarrollado en esta área [8-12] y enfocan sus investigaciones en el control de prótesis, control de la marcha y uso de técnicas avanzadas para el reconocimiento de patrones en SEMG [13-14]. Este trabajo plantea una metodología con el fin de utilizar las SEMG para controlar un sistema electrónico y, en futuras investigaciones, manipular sustancias químicas por medio de sistemas mecánico-electrónicos. Es importante mencionar que se debe tener en cuenta para este tipo de trabajos la parte fisiológica y el posicionamiento de los electrodos en la extremidad superior [15]; estas dos premisas son importantes, ya que si no se mantienen constantes durante la toma de datos se podrían generar problemas en el control del sistema electrónico.

Así mismo, las técnicas de procesamiento de señales utilizadas para el procesamiento de datos EMG han venido creciendo, ya que su utilidad es vista en aplicaciones como extracción de patrones de marcha, cuantificación de angulación de las articulaciones y clasificación de problemas o patologías, entre otras [12-13]. Por otro lado, las técnicas de procesamiento de datos encierran también aplicaciones tales como: eliminación de ruido, detección de zonas de interés, segmentación de información, minería de datos y clasificación. En este artículo se presenta el uso y comparación de técnicas como: TF, TDC, Energía y TW, con fines de eliminación de ruido y extracción de patrones.

• Materias:Automatización Movimiento (Fisiología) Robots Sistema nervioso
• Subjects:Automation Movement (Physiology) Robot Nervous systems
• Palabras claves:Brazo electrónico; Electromiografía; Extracción de patrones; MSV; RNA; Transformada wavelet.
• Keywords:Electronic Arm Control; Electromyography; ANR; SVM; Patterns Extraction; Wavelet Transformed.