Made available in DSpace on 2018-08-02T00:01:47Z (GMT). No. of bitstreams: 1 tese_10772_John Jairo Villarejo Mayor.pdf: 4399060 bytes, checksum: 4eea756bc334565688034eaccb7041f6 (MD5) Previous issue date: 2017-03-03 / O controle intuitivo de uma prótese é um dos desafios mais importantes para reduzir o esforço do usuário em aprender a usar uma mão artificial. Este trabalho apresenta a análise de técnicas de reconhecimento de padrões para sinais mioelétricos de baixo nível para classificar movimentos de destreza dos dedos e da mão em sujeitos com amputação do antebraço. Dez indivíduos com amputação e dez indivíduos sem amputação foram analisados e o desempenho das técnicas propostas no presente estudo foi comparado levando em consideração ambos os grupos. A classificação foi realizada para a flexão de cada um dos dedos, movimentos da mão e diferentes tipos de preensão palmar utilizando quatro eletrodos e considerando a baixa contração muscular durante estes movimentos. Dezessete características dos sinais mioelétricos baseadas na magnitude do sinal e em análise de fractais foram comparadas para os dois grupos de sujeitos (com e sem amputação) com nível de significância de 95%. Os resultados, usando um conjunto de características mostraram uma exatidão máxima das médias de 92,7% de reconhecimento de padrão do movimento para o grupo de indivíduos amputados utilizando máquinas de vetores de suporte (SVM). A segunda melhor exatidão foi obtida utilizando o método de k vizinhos mais próximos (KNN). A melhor combinação das técnicas analisadas mostrou-se adequada para realizar o controle da próstese com precisão e destreza dos dedos e da mão, proporcionando maior funcionalidade e melhor aceitação para os sujeitos com amputação.