Resumen

La estimación continua del ángulo articular juega un papel importante en el reconocimiento de la intención de movimiento y en el entrenamiento de rehabilitación. En este estudio, se propone un modelo de espacio de estados electromiográfico de superficie (sEMG) - miomecanomiografía (MMG) para estimar movimientos multijoint continuos a partir de señales de sEMG y MMG de manera precisa. El modelo combina dinámica directa con un modelo muscular basado en Hill que estima el torque articular solo en una forma no retroalimentada, lo que hace que el modelo extendido sea capaz de predecir el movimiento multijoint directamente. Luego, se extraen las características de sEMG y MMG, incluida la amplitud de Wilson y la entropía de permutación, para construir una ecuación de medición y así reducir el error del sistema y las perturbaciones externas. Utilizando el modelo propuesto, se emplea un enfoque de predicción-corrección en bucle cerrado, el filtrado de partículas insípidas, para estimar el

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Estimación del ángulo articular; Reconocimiento de la intención de movimiento; Entrenamiento de rehabilitación; Electromiografía de superficie; Mecanomiografía; Modelo de espacio de estados
• Keywords:Joint angle estimation; Motion intention recognition; Rehabilitation training; Surface electromyography; Mechanomyography; State-space model