Metodología basada en entrenamiento automático para el reconocimiento del movimiento individual de los dedos de la mano usando análisis de señales electromiográficos de superficie

Abstract

El reconocimiento delmovimiento de los dedos de la mano es un área de investigación activa en la aplicación de interfacesmúsculo Computador (muCI) en la que la persona realiza un gesto (combinación de movimientos de los dedos) y una máquina reconoce el movimiento real. Al reconocer los movimientos individuales de los dedos de la mano se puede simular la motricidad fina que proporcionen un control individual de los dedos. En esta tesis se presenta una metodología para el reconocimiento del movimiento individual de los dedos de la mano, basado en la estimación de características de las señales electromiográficas superficiales adquiridas en el antebrazo. Se adquirió un conjunto de datos con 54 sujetos y ocho señales (canales) por sujeto mediante un sensor inalámbrico, luego, se hizo una etiquetación automática de este conjunto para el posterior reconocimiento y se analizaron las características extraídas en tres tipos de dominios, tales como, el tiempo, la frecuencia y tiempofrecuencia, formando un conjunto de 720 características. Además, para la estimación de características en el dominio de tiempo-frecuencia se realizó un experimento con el fin de encontrar los parámetros más representativos en la descomposición con la transformada Wavelet discreta y así, generar un espacio de representación apropiado. Se seleccionó un subconjunto de características y se entrenó con los clasificadores Máquinas de Vectores de Soporte (SVM), análisis discriminante lineal (LDA) y vecinos más cercanos (k-NN) con una validación cruzada de 10 iteraciones para evitar el sobreajuste. Se logra una exactitud superior al 95% con el clasificador SVM y 98% con LDA, no obstante, el k-NN no obtuvo un buen rendimiento en términos de la media geométrica debido a que requiere de una sintonización de los k-vecinos, lo que implica que la metodología propuesta facilita el reconocimiento del movimiento individual de los dedos uilizando el clasificador LDA.