Gaona Barrera, Andrés EduardoDíaz Moreno, Nicolás DanielMoreno Cortes, William Santiago2025-03-282025-03-282024-11-12http://hdl.handle.net/11349/94288Este trabajo presenta el desarrollo e implementación en hardware de un modelo de clasificación de señales electromiográficas (EMG), a través de la selección de un método de preprocesamiento y una arquitectura de red neuronal convolucional (CNN), evaluados tanto en un PC como en una Raspberry Pi 4. La selección de estos elementos responde a una función de desempeño global propuesta, que integra índices de desempeño en software y hardware, como la precisión, el tiempo de ejecución y el uso de CPU, permitiendo identificar el método de preprocesamiento y los parámetros de la CNN que presentan los mejores resultados obtenidos. El clasificador de señales EMG para miembro superior se implementa en hardware y se valida mediante un PC que emula una pulsera MYO, enviando la señal del gesto seleccionado a través de Wi-Fi hacia la Raspberry Pi 4 para la clasificación de gestos en tiempo real.This work presents the development and hardware implementation of an electromyographic (EMG) signal classification model, through the selection of a preprocessing method and a convolutional neural network (CNN) architecture, evaluated on both a PC and a Raspberry Pi 4. The selection of these elements responds to a proposed global performance function, which integrates software and hardware performance metrics such as accuracy, execution time, and CPU usage, allowing the identification of the preprocessing method and the parameters of the CNN that present the best results obtained. The EMG signal classifier for the upper limb is implemented in hardware and is validated by a PC that emulates a MYO armband, sending the signal of the selected gesture via Wi-Fi to the Raspberry Pi 4 for real-time gesture classification.pdfspaClasificaciónSeñales EMGRed Neuronal ConvolucionalHardwareRaspberry PibachelorThesisIngeniería Electrónica -- Tesis y disertaciones académicasElectromiografía -- Procesamiento de señalesRedes neurales (Computadores)Hardware -- PrototiposComputadores -- EvaluaciónOpenAccessClassificationEMG SignalsConvolutional Neural NetworkHardwareRaspberry PiAbierto (Texto Completo)