Conselho Nacional de Desenvolvimento Científico e Tecnológico / The detection and classification of EMG motor unit action potentials (MUAP) is an important tool in the study of the neuromuscular system, allowing for a number os applications, such as the diagnoses of motor disorders. However, although there are several methods described in the literature to perform such actions, the majority relies on complex algorithms and specific instrumentation. Depending on the system, the computational cost or the detection mechanism, sometimes involving electrode arrays, may limit its use in clinical applications, biofeedback or embedded systems for controlling artificial prostheses. Another important issue is the detection and classification of firing MUAPs in signals with low signal to noise ratio (SNR). A method capable of operating with low SNR is paramount for applications, such as the use of electromyography in human machine interfaces (HMI), where the positioning and fixation of the electrodes may be performed by a non-trained user, and the signal can be contaminated by high levels of electromagnetic interference. As a solution for such problems, two complementary methods were proposed: the first (MD-FC) is based on the use of banks of matched filters for detection and classification MUAPs in EMG signals, whereas the second (MAD-FC) is proposed as an improvement from the first, aiming situations with a high probability of overlapping firing MUAPs. The proposed methods sought to achieve those goals without an excessive increase in computational cost, treating signals with variable noise levels and considering the overlapping of MUAPs. The results showed that the MD-FC system is able to accurately detect 96% of isolated MUAPs in signals with SNR of 10 dB and up to 10 active motor units. However, the performance is reduced in the presence of high levels of overlapping MUAPs, as expected. The second method (MAD-FC) was designed to improve the detection of overlapping MUAPs. The results showed that the MAD-FC is able to detect and classify firing MUAPs in signals with up 10 active motor units and SNR of 20 dB at rates of success higher than 79.80%, on average. When the SNR is decreased to 10dB the rates of success reach at least 75.19%, on average (even in this case with a high percentage of overlapping). In general, the MAD-FC showed rates of success around 20% better than the MD-FC method. Both methods are quite efficient when using computational resources. They were created in order to process EMG windows of 50 milliseconds in less than 5 milliseconds, when using a standard desktop computer. This feature allows their use in applications requiring MUAPs detection and classification in real time. / A detecção e classificação dos potenciais de ação de unidade motora (PAUMs) de sinais EMG é uma ferramenta importante no estudo do sistema neuromuscular. A partir de informações dessa classificação é possível diagnosticar distúrbios motores. Entretanto, apesar de existirem diversas propostas na literatura para executar tais ações, a grande maioria depende de algoritmos complexos e instrumentação específica. Dependendo do sistema, o custo computacional ou o mecanismo de captação envolvendo, matrizes de eletrodos, pode limitar sua utilização em aplicações clínicas, biofeedback ou em sistemas embarcados para controle de próteses. Outra questão importante consiste na detecção e classificação de disparos em sinais com baixa relação sinal ruído (SNR). Um método capaz de operar em sinais com baixa SNR é interessante em aplicações onde não se pode controlar completamente a coleta do sinal. Como exemplo, podemos citar aplicações da eletromiografia em interfaces homem máquina (IHM), onde o posicionamento dos eletrodos pode ser realizado por um usuário com pouco treinamento e o ambiente pode conter alto nível de interferência eletromagnética, diminuindo a SNR do sinal captado. Como solução para tais problemas, foram propostas duas metodologias complementares: a primeira delas (MD-FC) se baseia no uso de bancos de filtros casados para detecção e classificação de PAUMs em sinais EMG, enquanto a segunda (MAD-FC) é uma proposta de aprimoramento da primeira para situações com altas probabilidades de sobreposição de disparos de MUAPs. As metodologias propostas buscaram atingir aqueles objetivos sem um aumento excessivo no custo computacional, tratando sinais com níveis variados de ruídos e considerando a questão de sobreposição de PAUMs, comuns em sinais EMG. Os resultados demonstraram que o sistema MD-FC é capaz de detectar disparos isolados com precisão de 96% em média para relação sinal ruído de 10 dB com até 10 unidades motoras ativas, porém seu é desempenho diminuído na presença de altos níveis de sobreposição de PAUMS. O segundo MAD-FC que foi elaborado de forma a aprimorar a detecção sobre ondas sobrepostas, e é capaz de detectar e classificar os disparos de sinais com até 10 unidades motoras ativas com taxa de classificação correta maior do que 79,80% em média e com SNR de 20 dB. Para sinais com SNR de 10 dB esse valor é de 75,19% em média. Em geral, o método MAD-FC apresentou performance superior ao MD-FC em cerca de 20%. Os dois métodos são bastante eficientes no uso de recursos computacionais. Eles foram criadas de forma a analisar os sinais EMG em janelas de 50 milissegundos em menos de 5 milissegundos a partir de um computador desktop padrão, o que permite sua utilização em sistemas de detecção e classificação de PAUMs em tempo real. / Doutor em Ciências