{"title":"Gestures classification from EMG signals","authors":"Lucas S. Bualo Giordano, Franco Moiola","doi":"10.1109/ARGENCON.2018.8646122","DOIUrl":null,"url":null,"abstract":"La medición de las señales electromiográficas (EMG) generadas por los músculos se puede utilizar para monitorear su actividad y, de este modo, para la identificacion de movimientos que será el objetivo de este trabajo. Para ello, se obtuvieron tres señales EMG con electrodos superficiales, los cuales fueron ubicados en el antebrazo. Los ensayos fueron realizados sobre cuatro individuos, a quienes se les solicitó repetir varias veces nueve gestos sencillos con la mano; a partir de las mediciones, se construyó una base de datos con los distintos movimientos. Cada conjunto de datos de cada gesto particular fue caracterizado utilizando la energía de los niveles de la Transformada Wavelet Discreta (DWT). Dichos datos fueron usados para entrenar dos algoritmos de clasificación; uno basado en Redes Neuronales Artificiales (ANN) y otro que utiliza Conjuntos mediante bagging. Con el objetivo de evaluar sus rendimientos y mejorarlos, la cantidad de datos de entrenamiento fue modificada observándose un impacto en la eficiencia. También se ajustaron los parámetros de los algoritmos mejorando sustancialmente los resultados, que fueron representados empleando matrices de confusión. Como resultado, se alcanzaron porcentajes de exactitud superiores al 80%. Este trabajo evidencia la potencial aplicación de la electromiografía en interfaces hombre m´aquina a través de simples gestos.","PeriodicalId":395838,"journal":{"name":"2018 IEEE Biennial Congress of Argentina (ARGENCON)","volume":"73 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2018-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"2018 IEEE Biennial Congress of Argentina (ARGENCON)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.1109/ARGENCON.2018.8646122","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
La medición de las señales electromiográficas (EMG) generadas por los músculos se puede utilizar para monitorear su actividad y, de este modo, para la identificacion de movimientos que será el objetivo de este trabajo. Para ello, se obtuvieron tres señales EMG con electrodos superficiales, los cuales fueron ubicados en el antebrazo. Los ensayos fueron realizados sobre cuatro individuos, a quienes se les solicitó repetir varias veces nueve gestos sencillos con la mano; a partir de las mediciones, se construyó una base de datos con los distintos movimientos. Cada conjunto de datos de cada gesto particular fue caracterizado utilizando la energía de los niveles de la Transformada Wavelet Discreta (DWT). Dichos datos fueron usados para entrenar dos algoritmos de clasificación; uno basado en Redes Neuronales Artificiales (ANN) y otro que utiliza Conjuntos mediante bagging. Con el objetivo de evaluar sus rendimientos y mejorarlos, la cantidad de datos de entrenamiento fue modificada observándose un impacto en la eficiencia. También se ajustaron los parámetros de los algoritmos mejorando sustancialmente los resultados, que fueron representados empleando matrices de confusión. Como resultado, se alcanzaron porcentajes de exactitud superiores al 80%. Este trabajo evidencia la potencial aplicación de la electromiografía en interfaces hombre m´aquina a través de simples gestos.