Resumen

Presentamos una novedosa técnica computacional destinada al control robusto y adaptable de una mano protésica multifuncional utilizando electromiografía de superficie multicanal. El procesamiento inicial de los datos de entrada se orientó hacia la extracción de características relevantes en el dominio temporal de la señal de EMG. Tras el cálculo de las características, se realizó un modelado por tramos de la dinámica de características EMG multidimensionales utilizando modelos vectoriales autorregresivos. El siguiente paso incluyó la implementación de modelos jerárquicos ocultos semi-Markov para capturar las transiciones entre segmentos por tramos de movimientos y entre diferentes movimientos. Por último, la inversión del modelo mediante un esquema de inferencia bayesiana aproximada sirvió como clasificador. La efectividad de los algoritmos novedosos fue evaluada frente a los métodos comúnmente utilizados para la clasificación en tiempo real de EMGs en una aplicación de control de prótesis. Los resultados obtenidos muestran que el uso de modelos ocultos semi-Markov como la capa superior, en lugar de los

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Nueva técnica computacional; Mano protésica multifuncional; Electromiografía de superficie multicanal; Modelos semiescondidos semi-Markov jerárquicos; Esquema de inferencia bayesiana aproximada; Clasificación en tiempo real
• Keywords:Novel computational technique; Multifunctional prosthetic hand; Multichannel surface electromyography; Hierarchical hidden semi-Markov models; Approximate Bayesian inference scheme; Real-time classification