Академический Документы
Профессиональный Документы
Культура Документы
AnlisisdeSealesEMGSuperficialesysu
AplicacinenControldePrtesisdeMano
SurfaceEMGSignalsAnalysisandIts
ApplicationsinHandProsthesisControl
HaroldA.Romo,Esp.,JudyC.Realpe,Ing.,PabloE.Jojoa,PhD.
UniversidaddelCauca
hromo@unicauca.edu.co ,jcrealpe@unicauca.edu.co ,pjojoa@unicauca.edu.co
Recibidopararevisin26deMarzode2007,aceptado15deJuniode2007,versinfinal18dejuniode2007
Resumen Las seales Electr omiogr ficas Super ficiales over the pr osthesis. As well, it makes r efer ence to the most
(EMGS) son fuente de infor macin muy apr opiada par a el r ecent wor ks on development and r esear ch in the biomedical
contr oldedispositivosvir tualescomolaspr tesisdemano.Las signals EMGs pr ocessing field and its applications in
r azonespar autilizar estassealesobedeceadifer entesaspectos myoelectr iccontr ol.
tales como: facilidad par a r ecolectar muestr as, r espeto por la
integr idad de la per sona quien utiliza la pr tesis, r eutilizacin Key wordsWavelets Analysis, Myoelectr ic Contr ol, Hand
de una per sona a otr a, y fcil r emocin par a efectos de Pr osthesis,EMGsSignals.
mantenimiento y calibr acin. En este ar tculo, se pr esenta una
r evisindelastcnicasmsutilizadasenanlisisyextr accinde
car acter sticasdiscr iminantesdelassealesmotor asEMGscon I. INTRODUCCIN
fines de aplicacin en el contr ol de pr tesis vir tuales de mano
haciendo nfasis en la evolucin de las tcnicas tempor ales
clsicas a las tcnicas espectr ales ms r ecientes basadas en
C ON el avance tecnolgico, cada vez se logra mejorar la
construccindesistemasdeprtesiscomoextensionesde
tr ansfor madaswavelets,ysuaceptacinpar apr ocesar estetipo algn miembro del cuerpo humano con caractersticas
desealessegnsudesempeoenlaclasificacinyejecucinde esencialescomo:flexibilidad,estticacosmtica,pesoligeroy
movimientossobr elapr tesis.Asmismo,sehacer efer enciade multifuncionalidad.Igualmente,lacienciaylaingenierahan
los tr abajos ms r ecientes de desar r ollo e investigacin en el realizadograndesavancesenelreadeprocesamientodigital
campo del pr ocesamiento de seales biomdicas EMGs y sus
aplicacionesencontr olmioelctr ico.
de seales biomdicas como las seales electromiogrficas
superficiales (EMGS) y sus aplicaciones en el control de
Palabras ClaveAnlisis Wavelets, Contr ol Mioelctr ico, dispositivosactivoscomolasprtesismioelctricas.
Pr tesisdeMano,SealesEMGS. Una prtesis mioelctrica es un sistema accionado por
servomotores que se gobierna a partir de seales EMG, bien
AbstractThe sur face Electr omyogr aphic signals (EMGS) sean intramusculares, capturadas mediante agujas o
ar eappr opr iatesour ceofinfor mationtovir tualdevicescontr ol superficiales, recogidas en el mun del paciente mediante
as the hand pr osthesis. The r easons to use this signals obey to
electrodos [1]. Su desempeo, sinimportarquetipodeseal
differ ent aspects as: the simplicity to collect samples of the
signal, the r espect for the integr ity of the per son who uses the seutiliceesigualmenteaceptablecomolomuestranHargrove
pr osthesis, the r eusability of the device fr om one per son to L. et al. en [2]. Este tipo de prtesis son cada vez ms
another , and the easiness to r emove it for maintenance or aceptadas por personas con amputacin de mano, por que
calibr ation pur poses. Thisar ticlepr esentsar eviewofthemost permite a la persona quien la utiliza su rehabilitacin para
used techniques in analysis and extr action of discr iminant desempearse activamente en su campo laboral. Para lograr
featur esfr omtheEMGsdr ivingsignalsinor der toapplythem
estoserequieretambindelacompaamientocontinuodeun
in vir tual handpr osthesiscontr ol,emphasizingintheevolution
fr omtheclassictempor altechniquestothemostr ecentspectr al grupodeprofesionalesenelreamdica,deladisponibilidad
techniques based on the wavelets tr ansfor med and, its y esfuerzo mental y fsico del paciente para obtener los
acceptance to pr ocess this kind of signals accor ding to their mejoresresultados.
per for manceintheclassificationandcar r yingoutofmovements El xito de una prtesis mioelctrica ser medido por su
RevistaAvancesenSistemaseInformtica,Vol.4No.1Juniode2007,Medelln,ISSN16577663
128 RevistaAvancesenSistemaseInformtica,Vol.4No.1,Juniode2007
desempeo en la ejecucin de movimientos prcticos, con la Las seales EMGS son generadas por la contraccin
naturalidad de los ejecutadosporlamanohumana,lamenor muscular, por loque su adquisicinrequieredeunacorrecta
complejidad de operacin como sistema y con el menor identificacin de las regiones musculares comprometidas en
esfuerzo fsicomental por parte del paciente. Para esto, es la ejecucin de los movimientos a clasificar. Debido a la
esencial un adecuado proceso de anlisis de las seales elevadaresistenciaelctricanaturaldelapiel,serecomienda
motorasEMGS. la aplicacin de un gel que mejore la conductividad adems
La evolucin en las tcnicas de procesamiento de las delograrseunabuenasuperficiedecontactoyadherenciacon
seales de naturaleza transitoria y no peridica como las los electrodos. A pesar de estas disposiciones, las seales
EMGS ha jugado un papel importante en los ltimos aos, recogidas sern demasiado dbiles, por lo que se hace
partiendo de tcnicas bsicas y sencillas como el anlisis necesariounprocesamientopreviodefiltrajeyamplificacin
temporal, pasando por el anlisis espectral mediante la antes de su anlisis. Asmismo,segnlacomplejidaddelas
transformada de Fourier hasta llegar al anlisis espectral prtesissernecesariodisponerdeunmayoro menornmero
multiresolucinmediantelatransformadawavelet [3].Esta de canales o electrodos de recoleccin. Estos aspectos se
ltima tcnica adquiere cada vez mayor importancia en detallanacontinuacin.
muchas reas de la ciencia y en particular en anlisis de
seales biomdicas para las cuales se ha comprobado un 1. Preprocesamiento. La amplitud tpicadelasseales
mejordesempeoquelastcnicasbasadasenlatransformada EMGS es de 06mVporloqueserequierepasarlas
deFourier[4]. por un amplificador diferencial de alta ganancia
(unas 5000 veces), evitando distorsiones de la
II. LASSEALESEMGS informacin contenida en la seal. Una vez
LassealesEMGsuperficiales(EMGS),sonesencialmente amplificada la seal, se debe considerar la
un patrn unidimensional, por lo que cualquier tcnica de eliminacin de las componentes de ruido de alta
procesamiento de sealesparaextraccindecaractersticasy frecuencia y las provenientes defuentes delentorno,
reconocimiento de patrones se puede aplicar a este tipo de como la componente tpica de ruido de baja
seales. La informacin extrada de las seales EMGS, es frecuencia introducida por la red de distribucin
seleccionada de tal manera que se minimice el error en el elctrica de 60 Hz. Para eliminar esta ltima
controldelossistemasdeprtesismioelctricas.Lanecesidad componente de ruido, lo mas comn es utilizar un
deunarpidarespuestadelaprtesislimitalalongituddelas filtro tipo notch aunque no sea lo ms
muestras de la seal sobre las cuales se extraen las recomendable, ya que este podra eliminar oatenuar
caractersticas.Latendenciaenelcontroldeprtesisapartir tambin componentes de frecuenciaconinformacin
de seales EMGS obedece a que se constituye en la tcnica til dada la mayor concentracin de energa en las
ms sencilla de implementar por su facilidad en la seales EMGS entre los 50 Hz y 150 Hz,aunquesu
recoleccin sin intromisin directa sobre el organismo del canal de informacin va de los 20 Hz a los 500 Hz
usuario, remocin de electrodos y equipo para efectos de [6].
mantenimiento y/o calibracin y su reutilizacin de una 2. Posicinynmerodeelectrodos.Laposicindelos
personaaotra. electrodos es muy importante en la recoleccin de
registros EMGS con propsitos de control
A. AdquisicindeSealesEMGS mioelctrico.Porello,serecomiendalaasistenciade
Las seales EMGS, son colectadas tpicamente mediante personal mdico especializado, quienes pueden
electrodos bipolares de superficie, ubicados sobre la piel. identificar con mayor precisin las regiones
Estas han sido utilizadas para el control de prtesis de muscularesconmayorcompromisoenlaejecucinde
miembros superiores desde 1948 [5]. Estas seales proveen los movimientos de inters. Hargrove L. et al. [2],
informacinsobrelaactividadneuromuscularquelasorigina, demuestran que unas regiones sonmejoresqueotras
siendo esencial esta informacin en: diagnstico clnico, paralaubicacindeloselectrodosdisponiendopara
rehabilitacin y como fuente de control para dispositivos ello de 16 electrodos alrededor del antebrazo y por
activos y esquemas de estimulacin elctrica funcional [4]. comparacin en la precisin de clasificacin se
Hargrove L. et al. [2], realizaron un trabajo comparativo de identifican posiciones de los electrodos con los
clasificacin con seales EMG superficiales e mejoresresultadosdediscriminacinparaelconjunto
intramusculares, concluyendoquelainformacin extradaen de movimientos estudiados. Sin embargo, la
lasdosclasesdesealesesigualmentevaliosa,sinencontrar generalizacin de dichas posiciones no es
diferencias significativas en su capacidad de clasificacin. recomendable para todos los pacientes, as que el
Este resultado es importante, ya que brinda la seguridad de procedimiento de identificacin de las regiones
continuarutilizandolassealesEMGSenfuturostrabajosde musculares debe realizarseparticularmente con cada
investigacinaplicada. paciente.
AnlisisdeSealesEMGSuperficialesysuAplicacinenControldePrtesisdeManoRomo,RealpeyJojoa 129
de esta tcnica el mtodo ms utilizado es el anlisis de funcin de las probabilidades a priori de cada clase y
componente principal (PCA Principal Component la probabilidad condicional, resultante de la
Analysis), tambin conocido como transformada de distribucindelasmuestrasdeentrenamientoencada
KarhuemnLoeve o descomposicin de valores singulares clase y evaluada segn el teorema de Bayes. Su
(SVD Singular Value Decomposition), que consiste en un aplicacin en clasificacin de seales EMGS se
mapeo lineal del conjunto original de caractersticas en un encuentraen[14].
conjunto reducido de caractersticas decorrelacionadas, a la
vez que se minimiza el error cuadrtico medio entre los dos Anlisis discriminante lineal (LDALineal
conjuntos[7],[28], pues la proyeccinserealizasobrebases discriminant analysis). Es otromtodoestadsticoque
ortonormales que son los autovectores de la matriz de discrimina la separabilidad de clases en forma lineal,
covarianzas del conjunto original. Las caractersticas locualnoseajustademaneraeficientealospatrones
transformadas son ordenadas de acuerdo a sus EMGSporsudinmicaestocstica.Sinembargo,ha
varianzas,reflejadosudecrecienteefectividadenlarepresen
incluye modelos lingsticos basado en coleccin de Hudgins, concluyeron que la precisin en la clasificacin se
reglas IF_THEN, cuyos antecedentes y consecuentes lograenelordenprogresivoTD"STFT"DWT"WPT.En
usan valores fuzzy (modelo Mamdani) y la segunda este mismo ao, Englehart et al. [13] y[14] propusieron un
categora,estabasadaen sistemastipoTagagiSugeno esquemadeclasificacincontinuabasadaenwaveletsparael
yusaunaestructuradereglasquetienenantecedentes control mioelctrico multifuncional usando la transformada
fuzzy y consecuentes funcionales. Consiste en una WPT en la extraccin de caractersticas y luego sometidas a
aproximacin no lineal, a partir de una combinacin una reduccin de dimensionalidad con PCA. Sus resultados
de muchos sistemas lineales mediante la fueronaplicadosenladiscriminacindeseismovimientosde
descomposicin del espacio completo de entradas en mano y mueca (mano cerrada, mano abierta, flexin de
espacios fuzzy parciales y la representacin de cada mueca, extensin de mueca, desviacin cubital, y
espacio de salida con una ecuacin lineal. Su desviacin radial). Concluyeron, que con cuatro canales se
aplicacin en clasificacin de seales EMGs se obtiene mejores resultados que con dos canales o uno, y que
encuentraen[2]y [13]. se puede lograr una sorprendente precisin en la
discriminacinutilizandoelestadoestacionariodelasseales
Sistemas Neurofuzzy. La combinacin de redes EMGS.
neuronales y lgica difusa permite una relacin En 2002, Ferguson S y Dunlop G. [14] desarrollaron un
simbitica en la cualseaprovechaelconocimientode sistema que permiti identificar cuatro tipos de agarre
un experto y la capacidad de aprendizaje y eficiencia complejos (esfrico, cilndrico, depinzaylateral)apartirde
computacionaldelaredneuronal,lograndounsistema seales EMGS utilizando en la extraccin de caractersticas
dedecisionesmsinteligentes.Algunosdelostrabajos las tcnicas STFT, AR, DWT y la deconvolucin. Para la
realizadosenclasificacindesealesEMGsutilizando clasificacin se probaron mtodos estadsticos (Distancias
tcnicasneurofuzzyseencuentranen[13]y [23]. EucldeaydeMahalanobis)yredesneuronales.Concluyeron
quelamismacombinacindetcnicastantodeextraccinde
IV. LASSEALESEMGSYELCONTROLDE caractersticas como de clasificacin de patrones no tiene el
PRTESISDEMANO mismo desempeo para todos los pacientes, por lo que el
Sonmuchoslosgruposalrededordelmundoqueinvestigan dispositivo deber adaptarsepara cada paciente. Elhechode
laaplicabilidaddesealesEMGSenelcontroldeprtesisde tener que adecuar la prtesis a cada paciente pas a ser un
mano. Segn Zecca [5], en 1948 Reiter R. fueelprimeroen puntodeintersparalosinvestigadoresquienesvislumbraron
utilizar seales EMGS para controlar un dispositivo de su solucin en el uso de redes neuronales y lgica difusa
prtesis simple. [28], con modelado AR y discriminacin afirmando que las EMGS no son seales estrictamente
Bayesiana, fueron capaces de discriminar seis clases de repetibles y muchas veces an contradictorias, y que los
movimientos con xito del 99%. Desafortunadamente estos sistemas con lgica difusa pueden tolerar dichas
resultados solo se lograban despus de muchas horas de contradicciones, adems de permitir detectar patrones en los
entrenamiento. Ms tarde, el uso de redes neuronales datos que con otras tcnicas no es tan fcil. En este sentido,
artificiales (ANN) permiti reducir el tiemporequeridopara Zhang et al. [23] propusieron una tcnica de clasificacin
elentrenamiento. neurofuzzyconlacombinacinDWT/SVDenextraccinde
caractersticas y fue aplicada al reconocimiento de seis
En 1993, Hudgins et al. [6] propusieron por primera vez movimientos (extensin decodo,flexindelcodo,pronacin
unaestrategiadecontroldedispositivosartificialesutilizando de mueca, supinacin de mueca, mano abierta y mano
el estado transiente de las seales EMGS, logrando cerrada) con mejores resultados que los obtenidos con
discriminar cuatro movimientos diferentes (extensin del mtodostradicionalesutilizadoshastaentonces.Porsuparte,
codo,flexindemueca,yrotacinhumeralradial/lateral),a Yucel K. y Mehmet K. [13], propusieron la combinacin
partir de un solo electrodo bipolar y con extraccin de DWT/PCA y clasificacin fuzzy (fuzzy cmeans FCM,
caractersticas temporales y clasificacin de movimientos possibilistic cmeans PCM y fuzzy Knearest FKNN) para
mediante una Red Neuronal ANN de dos capas. A pesar de seales EMGS. Se aplic en la ejecucin de cuatro
suslogros,elerrorde discriminacinansuperabael10%. movimientos (flexin y extensin de codo, pronacin y
En 1999, Englehart et al. [4] propusieron la clasificacin supinacin de antebrazo) sobre un dispositivo de prtesis.
de seales EMGS en su fase transiente, siendo pioneros en Concluyeron que las tcnicas por ellos aplicadas daban
introducir la transformada wavelet en la representacin mejores resultados de clasificacin que los logrados con
tiempofrecuencia dela seal. Analizaron las sealesEMGS caractersticas temporales, coeficientes AR y coeficientes
correspondientesacuatropatronesdemovimientosdelcodoy cepstralesutilizadashastaentonces.
antebrazo, extrayendo caractersticas espectrales con STFT, En 2004, Betancourt et al. [21] presentaron una
DWT y WPT y comparndolas con las caractersticas del metodologa para el reconocimiento de patrones de
dominio temporal TD (Temporal Domain) propuestas por movimiento a partir de seales EMGS utilizando: anlisis
AnlisisdeSealesEMGSuperficialesysuAplicacinenControldePrtesisdeManoRomo,RealpeyJojoa 135
temporal, AR, FFT, STFT y wavelets para construir un resultados altamente satisfactorios bien sea utilizando seales EMG
conjunto hbrido de caractersticas y mediante una red intramusculares o seales EMG superficiales (EMGS), aunque se
neuronal en configuracin backpropagation probar la prefierelassealesEMGSporrazonesyadescritas.Deigualmanera
clasificacin de dichos patrones. Por otra parte, Kilby et al. sepuedeutilizarbienseaelestadotransienteoelestadoestacionario
[30]compararoneldesempeodediferentesfamiliaswavelets delassealeselectromiogrficas.
en el anlisis de seales EMGS mediante las transformadas Lacorrectaubicacindelasregionesmuscularespararecogerlas
DWTyWPT.Conbaseenelerrordeaproximacinobtenido muestrasdesealesEMGSesesencialenlacorrectadiscriminacin
tras la descomposicin y reconstruccin de una seal de movimientos, as como el nmero de electrodos o canales
concluyeron que las familias wavelets: Daubechies, Symmlet implicar disponer de mayor o menor informacin para su
yCoifletsonlasmsadecuadasparaelanlisisdeestetipode clasificacin.
seales. Los resultados de los trabajos ms recientes muestran que la
En 2005, Carreo I. y Vuskovic M. [15] propusieron un conformacindevectoresdescriptoresparaunamejordescripcin de
mtodo de extraccin de caractersticas basado en el clculo patrones EMGS se consigue mediante la combinacin de
de los tres primeros momentos a partir de tressecuenciasde caractersticas tanto temporales como espectrales, preferiblemente
transformadas wavelet. Su mtodo se aplic en la obtenidasmediantetransformadas wavelet.
clasificacin de patrones EMGS de aprehensin o agarre Siempre que se tengan caractersticas obtenidas mediantealguna
(cilndrico, esfrico, lateral y de precisin), mostrando ser transformacindelaseal,sermuyapropiadoaplicaralguna tcnica
significativamente mejor que el basado en la transformada dereduccindedimensionalidadcomoPCA.
Thompson de tiempo corto STTT de tres ventanas. En la Para concluir, en la etapa de clasificacin, se pueden fusionar
clasificacin utilizaron la distancia Mahalanobis basada en tcnicascomolasredesneurofuzzyparaaprovecharlasventajasde
clasificadores ARTMAP (Adaptive Resonant Theory based cada una, as como su capacidad de readaptacin o reaprendizaje
algorithm for supervised incremental learning and segnloscambiosdinmicosquesepresentanenlassealesEMGS
classification). As mismo, Wang X. y Cui J. [26] usaron la debidosalosestadospsicofsicosdelapersona,yaslograrun mejor
combinaronDWT/ANNensealesEMGSparaidentificacin desempeoensusistemadeprtesis.
y clasificacin de ocho patrones diferentes de movimientos
conunaaltatasadeidentificacin.CarreoI.yVuskovicM. REFERENCIAS
[16], innovaron tambin en su trabajo previo, proponiendo [1] AlonsoA.,SanchezH.,HurtadoE.,SteinzD.,LiptakL.,EntrenadorMioelctricode
ahoralaevaluacindelosprimeroscincomomentosenlugar PrtesisParaAmputadosdeBrazoyMano,HospitalclnicoUniversitario,Universidad
deValladolid.MapfreMedicina.Vol13,pp.1119,2002.
deaplicarPCAparareduccindedimensionalidad.Sunueva [2] HargroveL.,EnglehartK.,HudginsB.,AComparisonofSurface andIntramuscular
propuesta se aplic enclasificacindecuatrotiposdeagarre MyoelectricSignalClassification,Proc.of the27thAnnualConf.Int.pag.5009 5012.
IEEEEMBS2005.
(cilndrico, esfrico, de precisin y lateral). Por otra parte, [3] Ali N. Akansu and Paul R. Haddad. Multiresolution signal decomposition
Englehartetal.[2],comparalaclasificacindeseispatrones Transforms, subbands, and wavelets. Second edition New Jersey Institute of
de movimientos a partir de seales EMG superficiales y Technology,Newark,NJ.
[4] Englehart K., Hudgins B., Parker P., Stevenson M., Classification of the
seales EMG intramusculares, asumiendo en las ltimas Myoelectric Signal Using Timefrecuency Based Representations. Institute of
menos crosstalk muscular, lo cual permitira puntos de BiomedicalEngineering,UniversityofNewBrunswick,Canada.1999.
[5] ZeccaM.,MiceraS.,CarrozaM.,DarioP.,ControlOfMultifunctionalProstheticHands
controlmsindependientes.Losresultadosmostraronqueno By Processing The Electromyographic Signal, Critical Reviews in Biomedical
hay diferencia significativa en la precisin de clasificacin. Engineering.Vol.30,pp.459 485.2002.
Liu et al. [11], desarrollaron un mtodo de aprendizaje en [6] HudginsB.,ParkerP.,ScottRN.,NewStrategyforMultifunctionMyoelectricControl,
IEEETransBiomedEng.Vol.40,pp.82 94,1993.
tiempo real, aplicando la transformada wavelet en la [7] EnglehartK.,HudginsB.,andParkerP., AWaveletBasedContinuousClassification
extraccin de caractersticas y una red ANN en la SchemeforMultifunctionMyoelectricControl.DepartmentofElectricalandComputer
EngineeringandtheInstituteofBiomedicalEngineering.UniversityofNewBrunswick,
clasificacin. El mtodo se aplic para discriminacin de Canada.Vol.48,pp.302 311,2001.
cinco diferentes tipos de movimientos y hacer control en [8] LoweryM.,StoykovN.,TafloveA.,yKuikenT.,TesisprofesionalAMultipleLayer
tiempo real de una prtesis. Para esto, analiz tanto la fase FiniteElementModeloftheSurfaceEMGSignal.IEEETransactionsonBiomedical
Engineering,vol.49,no.5,pp.446454,May2005.
transitoria como la estacionaria de la seal. Sus resultados [9] Nishikawa D., Yu W., Yokoi H., y Kakazu Y, EMG prosthetic hand controller
mostraron que la discriminacin de movimientos mejorada discriminatingtenmotionsusingrealtimelearningmethod,IEEE/RSJIROS.1999.
[10]GraupeD.,yClineW.,FunctionalseparationofEMGsignalsviaARMAidentification
sustancialmenteconestaformacombinadade anlisis. methodsforprosthesiscontrolpurposes.InIEEETrans.SystemsManandCybernetics,
volume5,252259.1975.
V. CONCLUSIONES [11]LiuH.,ChenX.,ChenY.WaveletTransformandReal TimeLearningMethodfor
Myoelectric Signal in Motion Discrimination. International Symposium on
LaoptimizacinenelanlisisdesealesEMGSysuaplicacinen MeasurementTechnologyandInteligentInstruments.Conf.Ser.Vol.13,pp.25 253,
elcontroldeprtesisactivasseguirsiendoobjetodeinvestigaciny 2005.
[12]Crawford B., Miller K., Shenoy P.,y Rao R., RealTime Classification of
futurosdesarrollos,usandocadaveztcnicasmsapropiadasparael Electromyographic Signals for Robotic Control. Technical Report No. 20050305,
anlisis de las seales y aprovechando al mximo los avances DepartmentofComputerScience,UniversityofWashington, March2005.
[13]Ycel K., Mehmet K., EMG Signal Classification Using Wavelet Transform And
tecnolgicos. FuzzyClusteringAlgorithms.IstanbulTechnicalUniversity,FacultyofElectricaland
El control de prtesis virtuales mioelctricas se puedelograrcon Electronics Engineering, Department of Electronics and Communication Engineering,
136 RevistaAvancesenSistemaseInformtica,Vol.4No.1,Juniode2007
Ayazaga, Istanbul, Turkey 2002.[Fecha consulta nov 2006]. Disponible en: Cauca.IngenieroenElectrnica,UniversidaddelCauca.MagsterenIngeniera
http://eleco.emo.org.tr/eleco2003/ELECO2003/bsession/B802.PDF. rea Sistemas Electrnicos, Universidad de Sao Paulo, Brasil Doctor en
[14]FergusonS.,DunlopGReg.,GraspRecognitionFromMyoelectricSignals.Australian IngenierareaSistemasElectrnicos,UniversidaddeSaoPaulo,Brasil reas
conf. on Robotics and Automation, Auckland, 2002.[Fecha de consulta nov 2006]. deInters:algoritmosadaptativosyprocesamientodeSeales
Disponible en: http://www.araa.asn.au/acra/acra2002/Papers/Ferguson
Dunlop.pdf.
[15]CarreoI.yVuskovicM.,Wavelet_BasedFeatureExtractionFromPrehensileEMG
Singals.Universidad Pblica de Navarra, Pamplona, Spain.2005.[fechadeconsulta
nov. 2006]. Disponible en:
http://medusa.sdsu.edu/Robotics/Neuromuscular/Our_
publications/Sweeden2005/Sweden.pdf.
[16]CarreoI.yVuskovicM.,WaveletTransformMomentsForFeatureExtraction
From Temporal Signals. Universidad Pblica de Navarra, Pamplona, Spain.
2005.[Fecha de consulta nov. 2006]. Disponible en:
http://medusa.sdsu.edu/Robotics/Neuromuscular/Our_
publications/Barcelona2005/Paper575Revised.pdf.
[17]Zhang X., Yang Y., Xu X. Zhang J., Gao Z., Hu T., Chen T., Chen Z.
Clinical Detection and Movement Recognition of NeuroSignal.Journal
ofZhenjianUniversitySCIENCE.pp.272279.2004.
[18]Deluca C., Physiology and Mathematics of Myoelectric Signals. IEEE
Trans.Biomed.Eng.Vol.BME26,pp:313325,1079.
[19]Sijiang D., Thesis profesional Feature Extraction For Classification of Perhensile
Electromyography patterns. Master's Degree of Computer Science San Diego State
University,2003.
[20]ReazM.,HussainM.,MohdYasinF.,TechniquesOfEmgSignalAnalysis:Detection,
Processing, Classification And Aplications. Faculty of Engineering, Multimedia
University,63100Cyberjaya,Selangor,Malaysia.Vol.8,pp.11 35,2006.
[21]Betancourt G., Giraldo E., Franco J. Reconocimiento de PatronesdeMovimientoa
Partir de Seales Electromiogrficas. Grupo de Investigacin en Instrumentacin y
control. ScientiaetTcnica. ScientiaetTechnica.Vol26,pp. 53 58,2004.
[22]BirkedalL.,ColletT.,DagilisS.,DelavernheG.,EmborgJ.,JrgensenA.Pattern
RecognitionofUpperbodyElectromyographyForControlofLowerlimbProstheses.
InstituteofElectronicSystemsAalborgUniversity,June2002.
[23]ZhangX.,YangY.,XuX.ZhangMing. WaveletBasedNeuroFuzzyClassificationfor
EMG Control. Department of Automation, Shanghai Jiaotong University, Shanghai
200030,China.Vol2,pp.1087 1089,2002.
[24]AlfredMertins.SignalAnalysis:wavelets,filterbanks, Timefrequencytransformand
applications.Ed.JohnWiley&SonsLtda1999.
[25]Ismail A. Y Asfour S., Continuos Wavelet Transform Application to EMG Signal
DuringHumanGait.Dept.OfIndustrialandBiomedicalEng.UniversityofMiami.pp:
325329.IEEE1998.
[26]Wang X. y Cui J., The Application of Wavelet TransformandNeuralNetworkto
SurfaceElectromyographicSignalforPatternRecognition.EngineeringinMedicineand
Biology.Proc.ofthe27thAnnualInt. Conf.Shanghai,China.pag.5009 5012.IEEE
EMBS2005.
[27]MiceraS.,SabatiniA.,DarioP.,RossiB.,AhybridapproachforEMGpatternanalyis
for classification of arm movements usingstatisticalandfuzzytechniques.MedEng
Phys.Vol21pp303311.1999.
[28]GraupeD,SalahiJ,KohnKH.,MultifunctionalProsthesisandOrthosisControlVia
Microcomputer identification of temporal pattern differences in singlesite myoelectric
signals.JBiomedEng.Vol.4,pp.17 22,1982.
[29]EnglehartK.,HudginsB.,andParkerP.,ImprovingMyoelectricSignalClassification
UsingWaveletPacketsandPrincipalComponentAnalysis.Proc.Of21stAnnualInt.
Conf.oftheIEEEonEng.InMed.AndBiol.Soc.Atlanta1999.
[30]Kilby J., Hosseini G., Wavelet Analysis of Surface Electromyography
Signals. Electrotechnology Department, Auckland University of
Techology, New Zealand. Proc. Of 26th Annual Int. Conf. of the IEEE
EMBS,SanFrancisco,CA.2004.
J udyC.RealpeC.ProfesoraAsistente,Dpto.deElectrnica,Instrumentaciny
Control de la Universidad del Cauca. Ingeniera en Electrnica y
Telecomunicaciones de la Universidad del Cauca. Estudiante de Maestra en
Ingeniera,reaElectrnicayTelecomunicacionesdelaUniversidaddelCauca.
reasdeInters:procesamientodeSealesyalgoritmosadaptativos