Made available in DSpace on 2016-12-23T13:49:05Z (GMT). No. of bitstreams: 1 Marcelo Hubner Moreira.pdf: 3712393 bytes, checksum: 15fd9ae9b7dca34b84a7222592799e3d (MD5) Previous issue date: 2013-01-20 / This work aims to characterize the fatigue from myoelectric signals and use them as an aid to the diagnosis of rheumatic diseases such as Fibromyalgia. The condition for this is the analysis of muscle fatigue. Through the evaluation of myoelectric signals, the behavior of muscle in some work situations was measured, such as isotonic and isometric muscle contraction, which describes the static and dynamic motor behavior. With the myoelectric signals, digital filtering techniques were applied to mitigate the noise corrupting the myoelectric signal. Then some algorithms were implemented to detect fatigue. With that, a protocol for assessing motor response based on the condition of muscle fatigue was established. In this situation, with the working muscle, the myoelectric signal acquisition was made from surface electrodes, using a commercial acquisition system. The data were processed in MATLAB R platform; algorithms were implemented for the identification of fatigue, such as RMS, MNF, ARV, MDF and AIF. In the final result, it was found that for both isometric tasks and isotonic tasks, it is recommended the use of constant weight with 60% of MCV, using MNF and RMS indicators, which were the most consistent indicators among them / Este trabalho tem a finalidade de caracterizar a fadiga a partir da coleta de sinais mioelétricos e usá-lo como ajuda no diagnóstico de doenças reumáticas, como a fibromialgia. A condição para tal é a análise da fadiga muscular. Através da avaliação dos sinais mioelétricos, foi verificado o comportamento do músculo em algumas situações de trabalho, como a contração muscular isotônica e isométrica, que descreve o comportamento motor dinâmico e estático. Com os sinais obtidos, foram aplicadas técnicas de filtragem digital a fim de atenuar os ruídos que corrompem o sinal mioelétrico. Em seguida, foi estabelecida a implementação dealgoritmos para detectar a fadiga. Com isso, pôde-se estabelecer um protocolo de avaliação motora baseada na resposta do músculo à condição de fadiga. Nessa situação de trabalho muscular, a aquisição de sinais mioelétricos foi feita a partir de eletrodos de superfície e aparelho comercial (EMG System do Brasil). Os dados foram processados em plataforma MATLAB R, onde foram implementados algoritmos para a identificação de fadiga, tais como RMS, MNF, ARV, MDF e AIF. No resultado final, foi constatado que, tanto para tarefas isométricas quanto para tarefas isotônicas, é recomendado a utilização de peso constante com 60% da MCV, segundo indicadores MNF e RMS, que foram os mais coerentes dos indicadores pesquisados.

Este trabalho tem a finalidade de analisar algumas técnicas de processamento do sinal mioelétrico, de forma a possibilitar uma posterior implementação de um circuito, que reconheça este sinal e apresente como saída um sinal de controle a ser utilizado em sistemas de reabilitação. Foram simuladas e avaliadas três técnicas de filtragem para o sinal mioelétrico, a fim de atenuar a interferência dos principais ruídos que corrompem este sinal. As técnicas avaliadas foram: filtragem digital clássica; cancelamento de ruído adaptativo e reconstrução do sinal por meio das componentes obtidas pela transformada wavelet. Também foi implementado e analisado um sistema simplificado de reconhecimento dos padrões para este sinal, realizado por meio de uma rede neural artificial, em que foi aplicado em sua entrada o próprio sinal mioelétrico e não suas características obtidas por processamentos matemáticos. Diante dos resultados obtidos os canceladores de ruído adaptativos apresentaram melhores resultados com relação às outras técnicas de filtragem. Apesar de não ter sido adequada para a filtragem, a transformada wavelet mostrou-se uma poderosa ferramenta de análise de sinais, em virtude da sua característica multiresolução. A técnica utilizada para reconhecer os padrões do sinal mostrou bons resultados com os sinais analisados. / This work has the purpose to analyze some techniques for myoelectric signal processing, towards a subsequent implementation of a circuit which can recognize this signal and present as output a control signal to be used in rehabilitation systems. Simulation and evaluation of three filtering techniques for the myoelectric signal were done in order to attenuate the main interferences of noises which corrupt this signal. The evaluated techniques were: classic digital filtering; adaptive noise cancelling and the signal reconstruction through the obtained components by the wavelet transform. A simplified system of pattern recognition for this signal also was implemented and analyzed, accomplished through an artificial neural network. The myoelectric signal itself was applied to the input instead of its characteristics obtained by mathematical processing. According to the results obtained the adaptive noise cancelling presented better results in comparison to the other filtering techniques. Despite not being adequate for filtering, the wavelet transform proved to be a powerful tool for signal analysis, by virtue of its multiresolution characteristics. The technique used to recognize the signal patterns has shown good results with the analyzed signals.

Este trabalho tem a finalidade de analisar algumas técnicas de processamento do sinal mioelétrico, de forma a possibilitar uma posterior implementação de um circuito, que reconheça este sinal e apresente como saída um sinal de controle a ser utilizado em sistemas de reabilitação. Foram simuladas e avaliadas três técnicas de filtragem para o sinal mioelétrico, a fim de atenuar a interferência dos principais ruídos que corrompem este sinal. As técnicas avaliadas foram: filtragem digital clássica; cancelamento de ruído adaptativo e reconstrução do sinal por meio das componentes obtidas pela transformada wavelet. Também foi implementado e analisado um sistema simplificado de reconhecimento dos padrões para este sinal, realizado por meio de uma rede neural artificial, em que foi aplicado em sua entrada o próprio sinal mioelétrico e não suas características obtidas por processamentos matemáticos. Diante dos resultados obtidos os canceladores de ruído adaptativos apresentaram melhores resultados com relação às outras técnicas de filtragem. Apesar de não ter sido adequada para a filtragem, a transformada wavelet mostrou-se uma poderosa ferramenta de análise de sinais, em virtude da sua característica multiresolução. A técnica utilizada para reconhecer os padrões do sinal mostrou bons resultados com os sinais analisados. / This work has the purpose to analyze some techniques for myoelectric signal processing, towards a subsequent implementation of a circuit which can recognize this signal and present as output a control signal to be used in rehabilitation systems. Simulation and evaluation of three filtering techniques for the myoelectric signal were done in order to attenuate the main interferences of noises which corrupt this signal. The evaluated techniques were: classic digital filtering; adaptive noise cancelling and the signal reconstruction through the obtained components by the wavelet transform. A simplified system of pattern recognition for this signal also was implemented and analyzed, accomplished through an artificial neural network. The myoelectric signal itself was applied to the input instead of its characteristics obtained by mathematical processing. According to the results obtained the adaptive noise cancelling presented better results in comparison to the other filtering techniques. Despite not being adequate for filtering, the wavelet transform proved to be a powerful tool for signal analysis, by virtue of its multiresolution characteristics. The technique used to recognize the signal patterns has shown good results with the analyzed signals.

Submitted by Luciclea Silva (luci@ufpa.br) on 2018-06-28T15:41:26Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_metodologiaestimacaointencao.pdf: 4321809 bytes, checksum: ee25c52b7eb870417e74f761487a7600 (MD5) / Approved for entry into archive by Luciclea Silva (luci@ufpa.br) on 2018-06-28T15:41:47Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_metodologiaestimacaointencao.pdf: 4321809 bytes, checksum: ee25c52b7eb870417e74f761487a7600 (MD5) / Made available in DSpace on 2018-06-28T15:41:47Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_metodologiaestimacaointencao.pdf: 4321809 bytes, checksum: ee25c52b7eb870417e74f761487a7600 (MD5) Previous issue date: 2018-03-28 / FAPESPA - Fundação Amazônia de Amparo a Estudos e Pesquisas / Os sinais musculares capturados a partir da eletromiografia (EMG) são bastante utilizados para detecção de contração muscular e intenção de movimento. Ao se utilizar tais sinais em tempo real, em controle de próteses, depara-se com um sinal amplificado e ruidoso. Com isso, precisa-se ter métodos recursivos, robustos a ruídos e algoritmos eficazes, para gerar comandos em tempo real para o atuador robótico. Nesta pesquisa, foram investigadas técnicas de identificação estocástica autoregressiva, filtro de Kalman, fusão sensorial e controle preditivo estocástico, aplicados para melhorar o processo de medição de sinais mioelétricos e dar robustez ao controle de próteses biomecatrônicas, buscando-se obter um processo aprimorado, menos sensível ao ruído e com redução de atrasos. Nesta dissertação o método proposto consiste em 4 estágios: (1) extração de características usando o método auto regressivo (AR), (2) fusão de dados com filtro de Kalman, (3) algoritmo de estimação de movimento e (4) controle preditivo de variância mínima generalizado aplicado em um servomecanismo. Os principais objetivos buscados foram: melhorar a relação sinal/ruído nos sinais mioelétricos (SMEs), obter uma interface homem-máquina de processamento em tempo real de baixo custo, evitar problemas de medição e minimizar o consumo de energia do sistema de controle. Foi desenvolvida uma planta didática, que é um sistema microcontrolado para aquisição, processamento de 4 canais de eletromiografia e controle de um servomecanismo acoplado em uma garra robótica. Foram realizados testes experimentais nesse processo biomecatrônico e pelos resultados obtidos pode-se confirmar que é possível estimar continuamente a intenção de movimento de abrir e fechar da mão e comprovam o bom desempenho de um controlador estocástico projetado para o controle da prótese mioelétrica. / Muscle signals from electromyography (EMG) are widely used to detect muscle contraction and intention to motion. By using these signals in real time in prosthetic control, a low signal to noise ratio is commonly found. Thus, it is necessary to have recursive methods, robust to noise and efficient algorithms, to generate commands in real time for the robotic actuator. In this research, stochastic system indentification techniques, Kalman filter, sensor fusion and stochastic predictive control techniques were investigated and applied to improve the measurement and processing of electromyographic signals to increase robustness in the control of biomechatronic prostheses. Thus, it is an improved process, less sensitive to noise and with minimal delays and phase lags. In this methodology, a four-stage distribution method is used: (1) features extraction by using an autoregressive model (AR), (2) data fusion with the Kalman filter, (3) motion estimation algorithm, and (4) predictive control with the generalized minimum variance controller applied to a servomechanism. The main objectives were: to enhance the signal-to-noise ratio of EMG signals, to have a low-cost real-time processing man-machine interface, to avoid measurement problems and to minimize energy consumption of the control system. A didactic plant was developed, which is a 4 channel EMG data acquisition and processing system with a servomechanism and its control system coupled in a robotic jaw. Practical tests were conducted with the prototype and the results show that it is possible to continuously estimate the intention of opening and closing movement of the hand and can confirm the good performance of the stochastic controller designed for the control of the electric prosthesis.