Classification of the Angular Position During Wrist Flexion-extension Based on EMG Signals

• María Alexandra Fajardo-Perdomo ^[1] ; Verónica Guardo Gómez ^[1] ; Alvaro David Orjuela-Cañon ^[2] ; Andrés Felipe Ruiz-Olaya ^[1]
  1. [1] Universidad Antonio Nariño

     Universidad Antonio Nariño

     Colombia

     
  2. [2] Universidad del Rosario

     Universidad del Rosario

     Colombia

     
• Localización: Ingeniería y universidad, ISSN 0123-2126, Vol. 25, Nº 0, 2021
• Idioma: inglés
• Títulos paralelos:
  • Clasificación de la posición angular en flexoextensión de la muñeca a partir de señales EMG
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Objetivo: evaluar un grupo de características en un algoritmo de reconocimiento de patrones mioeléctricos para discriminar cinco posiciones angulares de la muñeca durante los movimientos de flexoextensión. Materiales y métodos: se realizó una configuración experimental para adquirir EMG y ángulo articular de la muñeca, relacionado con los movimientos de flexión-extensión. Después de eso, se implementó un algoritmo de reconocimiento de patrones mioeléctricos basado en una red neuronal artificial de perceptrón multicapa (ANN). Se emplearon tres grupos diferentes: características de dominio de tiempo, parámetros de modelos autorregresivos (AR) y representación de frecuencia de tiempo usando la transformación Wavelet (WT). Resultados y discusión: los resultados experimentales de 10 sujetos sanos indican que los coeficientes de los modelos AR ofrecen los mejores parámetros para la clasificación, alcanzando una tasa de discriminación del 78 % en cinco posiciones angulares estudiadas. La combinación de frecuencia y frecuencia de tiempo proporcionó una tasa de discriminación que alcanzó el 82 %. Conclusiones: se ha realizado un estudio comparativo de grupos de características que permiten discriminar la posición angular, a nivel del movimiento de flexo-extensión de la muñeca, mediante un algoritmo basado en reconocimiento de patrones de las señales EMG. El método tiene potencial aplicación en el ámbito de la ingeniería de rehabilitación, para la detección de la intencionalidad de movimiento del usuario.

  • English

    Objective: To evaluate a group of features in a myoelectric pattern recognition algorithm to differentiate between five angular positions of the wrist during flexion-extension movements. Materials and Methods: An experimental configuration was made to capture the EMG and wrist joint angle related to flexion-extension movements. After that, a myoelectric pattern recognition algorithm based on a multilayer perceptron artificial neural network (ANN) was implemented. Three different groups were used: Time domain characteristics, autoregressive (AR) model parameters, and representation of time frequency using Wavelet transform (WT). Results and Discussion: The experimental results of 10 healthy subjects indicate that the coefficients of the AR models offer the best parameters for classification, with a differentiation rate of 78 % for the five angular positions studied. The combination of frequency and time frequency resulted in a differentiation rate that reached 82 %. Conclusions: An algorithm based on pattern recognition of EMG signals was used to carry out a comparative study of groups of features that allow for the differentiation of the angular position of the wrist in terms of flexion-extension movements. The method has the potential for application in the field of rehabilitation engineering to detect the user’s movement intent.