IMPLEMENTACIÓN EN FPGA DE UN CLASIFICADOR DE MOVIMIENTOS DE LA MANO USANDO SEÑALES EMG
Fecha
Autor corporativo
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Distrital Francisco José de Caldas
Compartir
Director
Altmetric
Resumen
Descripción
Este trabajo presenta el diseño e implementación de un clasificador de señales electromiográficas (EMG) para tres movimientos de la mano: flexión, extensión y cierre, usando dos músculos del antebrazo, palmar largo y extensor común de los dedos. El desarrollo comprende dos bloques principales, el hardware para la adquisición y adecuación de la señales EMG analógicas y el sistema de procesamiento para la identificación y clasificación del movimiento realizado; el sistema completo fue implementado en hardware usando un kit de desarrollo DE2-70 que cuenta con un FPGA Cyclone II de Altera. Para la extracción de características se implementó la Transformada Rápida de Fourier (FFT), para cada canal, a la cual se le calcularon técnicas de procesamiento como la varianza y el promedio.. Finalmente, se establece un umbral de decisión para identificar el movimiento realizado. El tiempo de respuesta del sistema total fue de 17,7 us, obteniendo una tasa de identificación mayor al 87%.FPGA implementation of a hand motions classifier using EMG signalsAbstractThis paper presents the design and implementation of a hand motions classifier using electromyographic (EMG) signals. The classified motions are: wrist flexion, wrist extension and hand closure. The motions are classified using two forearm muscles: longus palmar and extensor digitorum. This work was implemented in two principal blocks: the acquisition and adequacy of the EMG signal, and the processing system for the identification and classification of the motion made. The processing system was implemented on hardware using a development kit with a Cyclone II FPGA from Altera. For the feature extraction the Fast Fourier Transform (FFT) is performed at each channel and some features like variance and mean are calculated. Finally, a threshold decision block is used to identify the motion. The system have a time response of 17,7 us, obtaining an identification rate higher than 87%.Keywords: EMG signals, FPGA, motion classifier, real time.
Palabras clave
clasificador de movimientos, FPGA, señales EMG, tiempo real