Propuesta para Detectar y Procesar la Señal Muscular para la Manipulación de una Prótesis Mioeléctrica

Diana Alejandra Contreras Alejo, Alfredo Ramírez-García, Francisco Javier Gallegos Funes, Ivonne Bazán Trujillo

Resumen


En el presente trabajo se describe la implementación de un circuito para detectar y acondicionar las señales mioeléctricas (SME), el circuito está formado por una etapa de pre-amplificación, seguida de una etapa de filtrado, otra etapa de amplificación y por último la etapa de rectificación. El diseño de los filtros se realizó por medio del software FilterPro Instruments (Texas Instruments-Boulevard Dallas, Texas USA); y para observar la respuesta del circuito ya construido se utilizó el Software LabVIEW (National Instruments- Austin,Texas USA). El circuito electrónico desarrollado cumple con las especificaciones para la detección de las SME según el estado del arte. Posteriormente se implementa un método TKEO en MatLAB (MathWorks- Natick, Massachusetts, USA) para procesar las SME con la finalidad de detectar si el músculo está en actividad o no, el cual resultó robusto y eficiente además de que es de fácil implementación. El interés del circuito obtenido y el algoritmo de procesamiento de la señal mioeléctrica es para aplicarla en la activación de una prótesis mioeléctrica.

Texto completo:

927-945 PDF

Referencias


Muhammad Zahak Jamal (2012). Signal Acquisition Using Surface EMG and Circuit Design Considerations for Robotic Prosthesis, Computational Intelligence in Electromyography Analysis - A Perspective on Current Applications and Future Challenges, Dr. Ganesh R. Naik (Ed.), ISBN: 978-953-51-0805-4, InTech, DOI: 10.5772/52556. Available from: http://www.intechopen.com/books/computationalintelligence-in-electromyography-analysis-a-perspective-on-current-applicationsand-

future-challenges/signal-acquisition-using-surface-emg-and-circuit-designconsiderations-for-robotic-prosthesis.

A. Ramírez, R. Muñoz, L. Leija, A. Vera. “Sistema de Entrenamiento Muscular con Retroalimentación Visual”. Pan American Health Care Exchanges. Conference, Workshops, and Exhibits. Long Beach, California. 2006. ISBN 970-94677-0-0.

W. Jingpeng, T. Liqiong and B. John E, “Surface EMG Signal Amplification and Filtering”, International Journal of Computer Applications (0975 – 8887), vol. 82, No. 1, pp. 15-22, 2013.

S. Micera, G. Vannozzi, A. Sabatini, P. Dario. “Improving detection of muscle activation intervals”. IEEE Engineering in Medicine and Biology Magazine. 20(6), pp. 38-46, 2001.

G. Staude, C. Flachenecker, M. Daumer and W. Wolf. “Onset Detection in Surface Electromyographic Signals: A Systematic Comparison of Methods”. EURASIP J. of Applied Signal Processing, 2, pp.67-81, 2001.

J. Drapała, K. Brzostowski, A. Szpala, A. Rutkowska-Kucharska. “Two stage EMG onset detection method”. Archives of Control Sciences. 22(LVIII), No. 4, pp. 427–440, 2012.

S. Solnik, P. Rider, K. Steinweg, P. de Vita and T. Hortobágyi, “Teager-Kaiser Energy Operator Signal Conditioning Improves EMG Onset Detection”. Eur J. of Applied Physiology, 110, pp. 489-498, 2010.

Recommendations for sensor locations in arm or hand muscles [onlne]. (2014, February 20). Available from: http://www.seniam.org/.

R. Merletti. “Standards for reporting EMG data”. Journal of Electromyography and Kinesiology, February 9 (1): III-IV, 1999.

L. Hargrove, K. Englehart and B. Hudgins, “A comparison of surface and intramuscular myoelectric signal classification”, IEEE EMBS Proc. Of the 27th Annual Conf. Int., 2005, pp. 5009-5012.

K. Englehart, B. Hudgins and P. Parker, “A wavelet based continuous

classification scheme for multifunction myoelectric control”, Department of

Electrical and Computer Engineering and the Institute of Biomedical Engineering. University of New Brunswick, Canada, vol. 48, 2001, pp. 302-311.

De Luca, C. J. 2002. “Surface electromyography: Detection and recording”. DelSys Incorporated.

Day, S. 2002. “Important factors in surface EMG measurement. Calgary: Bortech Biomedical Ltd”.

D. Stegeman, H. Hermens. "Surface EMG for non-invasive assessment of muscles (SENIAM)”, Standards for surface electromyography: the European project, pp. 108-112, 2014.






URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es

Licencia Creative Commons    Pistas Educativasa está bajo la Licencia Creative Commons Atribución 3.0 No portada.