Classificação de Movimentos em Sinais de Eletromiograma Utilizando Estatística de Ordem Superior
Eric F. Schmiele1; Bruno H. G. Barbosa1; Danton D. Ferreira1
1 Universidade Federal de Lavras
Resumo
A análise de sinais de Eletromiograma (EMG) tem sido largamente explorada a muitos anos com o intuito de classificar os movimentos ordenados pelos nervos musculares para efetuá-los utilizando uma prótese robótica. Para tais classificações é necessária a extração de informações e parâmetros diversos do sinal de EMG, como: valor RMS; média absoluta; entre outros. Estes parâmetros são fornecidos a algum algoritmo de classificação, como: redes neurais artificiais; máquina de vetores de suporte; entre outros. Este estudo propõe o uso de Estatísticas de Ordem Superior (EOS) para a extração de cumulantes como parâmetros de um banco de dados com sinais de EMG previamente fornecidos, algoritmo genético para determinação de quais são os melhores parâmetros para a classificação, e Linear Discriminant Analysis (LDA) para a classificação dos dados. Comparando com o uso de parâmetros simples geralmente utilizados para classificação de EMGs, foi comprovado que a abordagem proposta tem resultados melhores e pode melhorar ainda mais se utilizada em conjunto.
Palavras-chave: Eletromiograma; Prótese Robótica; Cumulantes; Algoritimos de Classificação; LDA