Reconocimiento de patrones de señales emg, empleando clasificador bayesiano

Resumo

Este artículo parte de la obtención de señales electromiográficas (EMG) captadas a diecinueve personas que realizan cinco tipos de movimientos. Estas señales son almacenadas en una base de datos y procesadas para obtener de estas características temporales y espectrales. Haciendo uso de selección automática de características, se obtienen las que presenten mejor desempeño y estas son empleadas finalmente en un clasificador bayesiano que determina la pertenencia o no a una clase de movimiento realizado. Se emplea la técnica de validación cruzada para validar los resultados del clasificador.

Palabras clave: Electromiografía, característica, clasificación, validación, selección, wavelet

ABSTRACT

This article is based on the acquisition of electromyographic signals EMG captured from nineteen subjects performing five different types of movements. These signals are stored on a database and then processed to obtain temporal and spectral characteristics from them. Making use of an automatic selection of these characteristics, those that demonstrate the best performance are obtained and finally applied on a Bayesian classifier which determines whether or not it belongs to the class of movement that was performed. A Crossvalidation technique is then employed to validate the outcome of the classifier.

Keywords: Electromyography, feature, classification, validation, selection, wavelet