Este trabajo presenta el diseño e implementación de un clasificador de señales electromiográficas (EMG) para tres movimientos de la mano: flexión, extensión y cierre, usando dos músculos del antebrazo, palmar largo y extensor común de los dedos. El desarrollo comprende dos bloques principales, el hardware para la adquisición y adecuación de la señales EMG analógicas y el sistema de procesamiento para la identificación y clasificación del movimiento realizado; el sistema completo fue implementado en hardware usando un kit de desarrollo DE2-70 que cuenta con un FPGA Cyclone II de Altera. Para la extracción de características se implementó la Transformada Rápida de Fourier (FFT), para cada canal, a la cual se le calcularon  técnicas de procesamiento  como la varianza y el promedio.. Finalmente, se establece un umbral de decisión para identificar el movimiento realizado. El tiempo de respuesta del sistema total fue de 17,7 us, obteniendo una tasa de identificación mayor al 87%.FPGA implementation of a hand motions classifier using EMG signalsAbstractThis paper presents the design and implementation of a hand motions classifier using electromyographic (EMG) signals. The classified motions are: wrist flexion, wrist extension and hand closure. The motions are classified using two forearm muscles: longus palmar and extensor digitorum. This work was implemented in two principal blocks: the acquisition and adequacy of the EMG signal, and the processing system for the identification and classification of the motion made. The processing system was implemented on hardware using a development kit with a Cyclone II FPGA from Altera. For the feature extraction the Fast Fourier Transform (FFT) is performed at each channel and some features like variance and mean are calculated. Finally, a threshold decision block is used to identify the motion. The system have a time response of 17,7 us, obtaining an identification rate higher than 87%.Keywords: EMG signals, FPGA, motion classifier, real time.

This paper presents the design and implementation of a novel technique for the recognition of four hand motions for real time response (flexion (FL), extension (EX), opening (OP) and closure (CL)) from electromyographic (EMG) signals generated from two forearm muscles: palmaris longus and extensor digitorum. The development of the work had two main stages: the low cost hardware for acquisition and conditioning of the EMG analog signals and the processing system for the identification and classification of the movement performed for real time response; the entire system was integrated in a hardware-software application using MATLAB and processing techniques for the discriminant analysis were performed. Three methods were evaluated for pattern recognition getting 98% recognition rates with the method proposed which had the best performance.Keywords: Neural networks and support vector machines, EMG signals, discriminant function, real time response. RESUMEN Este trabajo presenta el diseño e implementación de una nueva técnica para el reconocimiento de cuatro movimientos de la mano (flexión (FL), extensión (EX), apertura (OP) y cierre (CL)) para respuesta en tiempo real a partir de señales electromiográficas EMG generadas desde dos músculos del antebrazo

La expansión urbana genera impactos ambientales que degradan los ecosistemas naturales, cambiando su estructura y función. En este trabajo se desarrollaron lineamientos metodológicos mediante el uso de herramientas geográficas y teledetección para la detección de cambios, el modelamiento y proyección de la expansión urbana y el cambio de coberturas vegetales. Haciendo uso de imágenes satelitales y fotografías aéreas se realizó una clasificación orientada a objetos de coberturas en cuatro períodos de tiempo (1985, 1995, 2005, 2015) en la localidad de Suba (Bogotá, Colombia). Se analizó la dinámica urbana utilizando métricas de paisaje y el índice de entropía de Shannon. Los resultados muestran que las áreas urbanas aumentaron en un 432% y la cobertura de árboles y arbustos disminuyó en un 56% entre 1985 y 2015. El valor de entropía resultante fue de 0,92 para 2015, lo que demuestra una tendencia a la expansión urbana intensiva. El modelo de cambio de cobertura de la tierra por medio de las cadenas de Markov se utilizó para realizar proyecciones del cambio de cobertura a 2020 y fue validado con éxito usando las variaciones de Kappa. Los cambios proyectados evidencian una clara tendencia de disminución constante de coberturas vegetales, con incremento y densificación de las áreas urbanas.

No abstract