Selección de características usando el algoritmo LEM para la clasificación de señales EMG

In medical applications, the amputation of an arm or the lack of a limb of the body inspires the technological advances in the area of robotics for the creation of intelligent prosthesis replaces and recovers a percentage of the functionality of the absent limb of a person. One of the most important...

Full description

Autores:
Londoño Lopera, Juan Camilo
González Alzate, Juan Pablo
Lage Cano, Esteban Camilo
Vallejo Velasquez, Mónica Ayde
Ramírez Patiño, Juan Fernando
Tipo de recurso:
Fecha de publicación:
2020
Institución:
Universidad Santo Tomás
Repositorio:
Repositorio Institucional USTA
Idioma:
spa
OAI Identifier:
oai:repository.usta.edu.co:11634/26845
Acceso en línea:
http://revistas.ustatunja.edu.co/index.php/ingeniomagno/article/view/1896
http://hdl.handle.net/11634/26845
Palabra clave:
Electromyography
classifier
gesture recognition
evolutionary algorithm
prosthesis
robotic hand
Electromiografía
clasificador
reconocimiento de gestos
algoritmo evolutivo
prótesis
mano robótica
Eletromiografia
classificador
reconhecimento de gestos
algoritmo evolutivo
prótese
mão robótica
Rights
License
Derechos de autor 2020 Ingenio Magno
id SANTTOMAS2_a6974528f27904d87e04750e71e0d37e
oai_identifier_str oai:repository.usta.edu.co:11634/26845
network_acronym_str SANTTOMAS2
network_name_str Repositorio Institucional USTA
repository_id_str
dc.title.spa.fl_str_mv Selección de características usando el algoritmo LEM para la clasificación de señales EMG
dc.title.alternative.eng.fl_str_mv Feature selection using LEM algorithm for the classification of EMG signals
dc.title.alternative.por.fl_str_mv Seleção de recursos usando algoritmo LEM para a classificação de sinais EMG
title Selección de características usando el algoritmo LEM para la clasificación de señales EMG
spellingShingle Selección de características usando el algoritmo LEM para la clasificación de señales EMG
Electromyography
classifier
gesture recognition
evolutionary algorithm
prosthesis
robotic hand
Electromiografía
clasificador
reconocimiento de gestos
algoritmo evolutivo
prótesis
mano robótica
Eletromiografia
classificador
reconhecimento de gestos
algoritmo evolutivo
prótese
mão robótica
title_short Selección de características usando el algoritmo LEM para la clasificación de señales EMG
title_full Selección de características usando el algoritmo LEM para la clasificación de señales EMG
title_fullStr Selección de características usando el algoritmo LEM para la clasificación de señales EMG
title_full_unstemmed Selección de características usando el algoritmo LEM para la clasificación de señales EMG
title_sort Selección de características usando el algoritmo LEM para la clasificación de señales EMG
dc.creator.fl_str_mv Londoño Lopera, Juan Camilo
González Alzate, Juan Pablo
Lage Cano, Esteban Camilo
Vallejo Velasquez, Mónica Ayde
Ramírez Patiño, Juan Fernando
dc.contributor.author.spa.fl_str_mv Londoño Lopera, Juan Camilo
González Alzate, Juan Pablo
Lage Cano, Esteban Camilo
Vallejo Velasquez, Mónica Ayde
Ramírez Patiño, Juan Fernando
dc.subject.proposal.eng.fl_str_mv Electromyography
classifier
gesture recognition
evolutionary algorithm
prosthesis
robotic hand
topic Electromyography
classifier
gesture recognition
evolutionary algorithm
prosthesis
robotic hand
Electromiografía
clasificador
reconocimiento de gestos
algoritmo evolutivo
prótesis
mano robótica
Eletromiografia
classificador
reconhecimento de gestos
algoritmo evolutivo
prótese
mão robótica
dc.subject.proposal.spa.fl_str_mv Electromiografía
clasificador
reconocimiento de gestos
algoritmo evolutivo
prótesis
mano robótica
dc.subject.proposal.por.fl_str_mv Eletromiografia
classificador
reconhecimento de gestos
algoritmo evolutivo
prótese
mão robótica
description In medical applications, the amputation of an arm or the lack of a limb of the body inspires the technological advances in the area of robotics for the creation of intelligent prosthesis replaces and recovers a percentage of the functionality of the absent limb of a person. One of the most important bases for the development of robotic limbs is the analysis and study of EMG signals (surface electromyographic signals). EMG signals rovide information on the dynamics of a muscle in its different states and provide amplitude and frequency values that describes the movement, contraction and rest of a muscle. For an EMG signal, there are representative characteristics like the RMS value, Histogram, standard deviation, among other functions that allow characterizing a given signal in the time domain and frequency. The objective is to compare the most commonly used approaches and characteristics of EMG signals to differentiate between different signals that represent gestures or movements of the hand.
publishDate 2020
dc.date.accessioned.spa.fl_str_mv 2020-06-17T18:25:51Z
dc.date.available.spa.fl_str_mv 2020-06-17T18:25:51Z
dc.date.issued.spa.fl_str_mv 2020-06-11
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.drive.none.fl_str_mv info:eu-repo/semantics/article
dc.identifier.spa.fl_str_mv http://revistas.ustatunja.edu.co/index.php/ingeniomagno/article/view/1896
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/11634/26845
url http://revistas.ustatunja.edu.co/index.php/ingeniomagno/article/view/1896
http://hdl.handle.net/11634/26845
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.spa.fl_str_mv http://revistas.ustatunja.edu.co/index.php/ingeniomagno/article/view/1896/1680
dc.relation.citationissue.spa.fl_str_mv Ingenio Magno; Vol. 10 Núm. 2 (2019): Ingenio Magno vol. 10-2; 10-21
2422-2399
2145-9282
dc.rights.spa.fl_str_mv Derechos de autor 2020 Ingenio Magno
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Derechos de autor 2020 Ingenio Magno
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Universidad Santo Tomás Seccional Tunja
institution Universidad Santo Tomás
repository.name.fl_str_mv Repositorio Universidad Santo Tomás
repository.mail.fl_str_mv noreply@usta.edu.co
_version_ 1782026183890698240
spelling Londoño Lopera, Juan CamiloGonzález Alzate, Juan PabloLage Cano, Esteban CamiloVallejo Velasquez, Mónica AydeRamírez Patiño, Juan Fernando2020-06-17T18:25:51Z2020-06-17T18:25:51Z2020-06-11http://revistas.ustatunja.edu.co/index.php/ingeniomagno/article/view/1896http://hdl.handle.net/11634/26845In medical applications, the amputation of an arm or the lack of a limb of the body inspires the technological advances in the area of robotics for the creation of intelligent prosthesis replaces and recovers a percentage of the functionality of the absent limb of a person. One of the most important bases for the development of robotic limbs is the analysis and study of EMG signals (surface electromyographic signals). EMG signals rovide information on the dynamics of a muscle in its different states and provide amplitude and frequency values that describes the movement, contraction and rest of a muscle. For an EMG signal, there are representative characteristics like the RMS value, Histogram, standard deviation, among other functions that allow characterizing a given signal in the time domain and frequency. The objective is to compare the most commonly used approaches and characteristics of EMG signals to differentiate between different signals that represent gestures or movements of the hand.En las aplicaciones médicas, la amputación de un brazo o la ausencia de un miembro del cuerpo inspira los avances tecnológicos en el área de la robótica para la creación deprótesis inteligentes que sustituyen y recuperan un porcentaje de la funcionalidad del miembro ausente de una persona. Una de las bases más importantes para el desarrollode las extremidades robóticas es el análisis y estudio de las señales EMG (señales electromiográficas de superficie). Las señales EMG proporcionan información sobre la dinámica de un músculo en sus diferentes estados y proporcionan valores de amplitud y frecuencia que describen el movimiento, la contracción y el descanso de un músculo. Para una señal EMG, existen características representativas como el valor RMS, el Histograma, la desviación estándar, entre otras funciones que permiten caracterizar una señal dada en el dominio del tiempo y la frecuencia. El objetivo es comparar los enfoques y características más utilizados de las señales EMG para diferenciar entre las diferentes señales que representan gestos o movimientos de la mano.Nas aplicações médicas, a amputação de um braço ou a falta de um membro do corpo inspira os avanços tecnológicos na área da robótica para a criação de próteses inteligentes substitui e recupera uma porcentagem da funcionalidade do membro ausente de uma pessoa. Uma das bases mais importantes para o desenvolvimento de membros robóticos é a análise e estudo de sinais EMG (sinais eletromiográficos de superfície). Os sinais EMG fornecem informações sobre a dinâmica de um músculo em seus diferentes estados e fornecemvalores de amplitude e frequência que descrevem o movimento, contração e descanso de um músculo. Para um sinal EMG, existem características representativas como o valor RMS, Histograma, desvio padrão, entre outras funções que permitem caracterizar um determinado sinal no domínio de tempo e frequência. O objetivo é comparar as abordagens e características mais utilizadas os sinais EMG para diferenciar entre diferentes sinais que representam gestos ou movimentos da mão.application/pdfspaUniversidad Santo Tomás Seccional Tunjahttp://revistas.ustatunja.edu.co/index.php/ingeniomagno/article/view/1896/1680Ingenio Magno; Vol. 10 Núm. 2 (2019): Ingenio Magno vol. 10-2; 10-212422-23992145-9282Derechos de autor 2020 Ingenio Magnohttp://purl.org/coar/access_right/c_abf2Selección de características usando el algoritmo LEM para la clasificación de señales EMGFeature selection using LEM algorithm for the classification of EMG signalsSeleção de recursos usando algoritmo LEM para a classificação de sinais EMGinfo:eu-repo/semantics/articlehttp://purl.org/coar/version/c_970fb48d4fbd8a85http://purl.org/coar/resource_type/c_2df8fbb1Electromyographyclassifiergesture recognitionevolutionary algorithmprosthesisrobotic handElectromiografíaclasificadorreconocimiento de gestosalgoritmo evolutivoprótesismano robóticaEletromiografiaclassificadorreconhecimento de gestosalgoritmo evolutivoprótesemão robótica11634/26845oai:repository.usta.edu.co:11634/268452023-07-14 16:37:55.879metadata only accessRepositorio Universidad Santo Tomásnoreply@usta.edu.co