Expert committee classifier for hand motions recognition from EMG signals
-
David A. Reyes López [1] ; Humberto Loaiza Correa [1] ; Mauricio Arias López [1] ; Jorge E. Duarte Sánchez [1]
-
[1] Universidad del Valle (Colombia)
Universidad del Valle (Colombia)
Colombia
-
- Localización: Ingeniare: Revista Chilena de Ingeniería, ISSN-e 0718-3305, ISSN 0718-3291, Vol. 26, Nº. 1, 2018, págs. 62-71
- Idioma: inglés
- Títulos paralelos:
- Clasificador comité de expertos para el reconocimiento de movimientos de la mano usando señales EMG
- Enlaces
-
Resumen
- español
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: palmaris longus y extensor digitorum. El trabajo se desarrolló en dos principales etapas: el hardware de bajo costo para la adquisición y adecuación analógica de las señales EMG; el sistema de procesamiento para la identificación y clasificación de los movimientos capturados para respuesta en tiempo real. El sistema fue integrado mediante una aplicación hardware-software usando MATLAB y se usaron técnicas de procesamiento para el análisis discriminante. Tres métodos fueron evaluados para el reconocimiento de patrones obteniendo tasas de reconocimiento del 98% con el nuevo método propuesto.
- English
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.
- español
