Universidade de Pernambuco (UPE)
Escola Politécnica de Pernambuco (POLI)
Instituto de Ciências Biológicas (ICB)
DJRM-02
Coordenação de Pós-Graduação em Engenharia de Sistemas
Proposta de Dissertação de Mestrado
Área: Cibernética
Linha de Pesquisa: Bioengenharia
Título Provisório: Extração de caraterísticas via analises Wavelet para classificação de padrões
de sinais Eletromiográficos (Aplicação em prótese inteligente).
Orientador: Diego José Rátiva Millán
Co-orientador: Luis Arturo Gómez Malagón
Descrição:
A utilização de mãos robóticas é uma das áreas mais promissoras dentro da Mecatrônica, com
possibilidades de uso principalmente no setor de reabilitação humana, como, por exemplo, na implantação de
próteses inteligentes [1,2]. Várias ideias não chegam realmente a ser implementadas pelo elevado custo de
desenvolvimento das próprias mãos artificiais. Contudo, com a comercialização e popularização de sistemas de
prototipagem rápida (i.e. Impressoras 3D, sistemas Arduino) esse tipo de tecnologias começam a ser mais
acessíveis á população.
Durante o último ano, o nosso grupo de pesquisa de Bioengenharia tem desenvolvido os primeiros
protótipos tanto da parte mecânica de atuação como da parte eletrônica de sensoriamento de uma próteses de
mão mioelétrica, de tal maneira que o dispositivo final seja um dispositivo de baixo custo que possa atender as
necessidades da população mais carente.
Uma etapa essencial do projeto é a extração de características do sinal electromiográfico obtido pelo
sistema de sensoriamento e a classificação de padrões através de algoritmos inteligentes. Embora existam
diferentes trabalhos reportados na literatura acerca de diferentes técnicas de extração de características de sinais
e de classificação, é necessário que o sistema implementado utilize algoritmos de baixo custo computacional e
de fácil implementação em sistemas embarcados. Nesse contexto, as transformadas Wavelet como ferramenta de
extração de características, têm uma resposta “instantânea” (sem necessidade de memoria como no caso da
Transformada janelada de Fourier) e permitem uma redução de dimensionalidade, i.e. utilizando apenas os
coeficientes que concentrem melhor a energia do sinal [3,4].
Assim, neste projeto é esperado que num sistema embarcado, uma rede neural (e.g. MLP) permita a
classificação dos padrões do sinal a partir dos coeficientes Wavelet e decida a resposta mais adequada da
Próteses Inteligente ante a presença de um estimulo muscular.
Espera-se do candidato: Conhecimentos básicos em Redes Neurais e Processamento de Sinais,
programação básica em C ou Java e facilidade de lidar com interdisciplinaridade.
Referências Bibliográficas:
1.
2.
3.
4.
D.Subbaram Naidu, et all. Control Strategies for Smart Prosthetic Hand Technology: An Overview. 30th Annual
Internacional IEEE EMBS Conference, Vancouver, August 20-24, 2008.
Christian Cipriani, Marco Controzzi, Maria Carrozza. The SmartHand Transradial Prosthesis. Journal of
NeuroEngineering and Rehabilitation, 2011.M. J. Rupérez, C. Monserrat, S. Alemany, M. C. Juan, M. Alcañiz,
“Contact model, fit process and, foot animation for the virtual simulator of the footwear comfort,” ComputerAided Design 42, 425-431 (2010).
Farzaneh Mahdavi, et all. Surface Electromyography Feature Extraction Based on Wavelet Transform.
International Journal of Integrated Engineering, Vol. 4 No. 3 (2012) p. 1-7.S.
Gang Wang, Yanyan Zhang, Jue Wang. The Analysis of Surface EMG Signals with the Wavelet-Based
Correlation Dimension Method. Hindawi Publishing Corporation, Computational and Mathematical Methods in
Medicine, Volume 2014.