Resumo: Sinais eletromiograficos de superfície associados a algoritmos de classificação de movimentos são amplamente utilizados no campo de controle de membros artificiais. Entretanto, fatores como melhor posicionamento dos eletrodos, características ideais a serem extraídas do sinal EMG e definição da melhor técnica de classificação a ser implementada, necessitam de elucidações. O presente trabalho visa o desenvolvimento de um sistema robusto para extração de características de sinais eletromiográficos e classificação de padrões associados a movimentos de mão. O sistema de captação foi composto por quatro eletrodos dispostos sobre os grupos flexores e extensores de punho, sendo os sinais provenientes desses eletrodos utilizados para classificação de quatro movimentos de mão por uma rede neural perceptron de múltiplas camadas. As técnicas apresentadas nesse trabalho resultaram em desempenhos promissores, com uma taxa de sucesso média do classificador de 87,50%.
Palavras
IntroduçãoO controle de próteses mioelétricas baseia-se na utilização de sinais eletromiográficos (EMG) coletados, principalmente, na superfície da pele e, em geral sobre a musculatura remanescente envolvida, sendo tal técnica amplamente utilizada em próteses de membro superior [1]. Sinais EMG consistem em potenciais elétricos produzidos pela contração de determinado músculo ou grupo muscular e podem ser captados em músculos do antebraço relacionados aos movimentos da mão [2]. Dessa forma, esses sinais consistem em uma importante interface homemmáquina, já que após serem capturados e digitalizados, pode-se processá-los para o reconhecimento de padrões e classificação de movimentos a serem executados pela prótese.A correta classificação dos movimentos está intrinsicamente relacionada à qualidade dos dados adquiridos, bem como à escolha das características e do classificador utilizado. A literatura não apresenta um consenso acerca das melhores características a serem extraídas dos sinais EMG, porém é possível destacar algumas características do domínio do tempo que são [3,4,7] e Root Mean Square (RMS) [4,6,7].Além disso, para o sucesso da classificação, é imprescindível a utilização de um bom método de classificação.Várias técnicas podem-se ser implementadas para a classificação de sinais EMG, tais como redes neurais artificiais [2,3], classificador bayesiano [7], análise de discriminantes lineares [5,6], máquina de vetores de suporte [5] e k-vizinhos mais próximos [7]. Dentre os citados, destaca-se o método de redes neurais artificiais, o qual é inspirado no processamento de informações pelo sistema nervoso central através de sua unidade básica, o neurônio [8]. No entando, diversos trabalhos ainda apresentam contradições em seus resultados no uso da técnica com o objetivo de desenvolver classificadores para controle de membros artificiais.Diante do exposto, este artigo apresenta uma proposta de metodologia visando o desenvolvimento de um sistema robusto para extração de características de sinais eletromiográficos e classificação de padrões assoc...