Desenvolvimento de ferramenta de comparação de técnicas de processamento de sinais para determinar fadiga muscular por meio do sinal emg

Página do item simplificado
dc.contributor.advisor1VIEIRA, Marcus Fraga
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4153462617460766por
dc.creatorCAMPOS, Ramon de Freitas Elias
dc.creator.Latteshttp://lattes.cnpq.br/3975985686901000por
dc.date.accessioned2014-07-29T15:08:19Z
dc.date.available2012-12-12
dc.date.issued2012-07-09
dc.description.abstractThis study aimed to development of a computational tool for electromyographic signal (EMG) analysis by signal processing techniques to determine muscular fatigue. With Ethics Committee of Federal University of Goiás approve were recorded from the dominant biceps brachii of 10 volunteers, that did not ever had muscular disease. The protocol consisted on get the maximal voluntary isometric contraction (MVIC) from the volunteer seated, floor contact with the feet, and forearm in 90 degree, doing three maximal voluntary contraction against a rigid and fixed surface, by five seconds, with a five resting minutes between each acquisition. The MVIC values were obtained by arithmetical mean from the three greater values of each contraction. In statistical analysis the volunteer sustained a load of 60% MVIC for 30 seconds, or while they supported. For dynamical analysis was used a electrogoniometer tied in forearm to measure the angle and a 60% MVIC load for 30 seconds measured, achieved angle of 70° until 130°, and return to 70°. Each flexion was did in 1,5 seconds, or while volunteer support. To analyze the signal in time domain were used Root main square (RMS) values and Continuous wavelet transform (CWT). To analyze in frequency domain were adopted the values of mean and median from Fast Fourier Transform (FFT), Welch spectral estimator, auto regressive moving average (ARMA) filter, and analytic wavelet transform (AWT). Linear regressions were obtained using a window of 250 ms for all techniques. Slopes with positive values, in time domain, and slopes with negative values, in frequency domain, indicate muscular fatigue. Using high scales of wavelet transform shows great results while compared with default techniques, like RMS and FFT. ANOVA one way were adopted as statistical method of analysis, with P < 0,05. Only in dynamic contraction, on frequency domain, had P value < 0,05. Tukey test were applied to identify which techniques had variance great than 5%. Is suggested as future works development of a wireless system to acquire EMG signals, improvement in the software to motor unit action potentials (MUAP) detection, prosthesis control, and synchronization with others systems of data collection.eng
dc.description.provenanceMade available in DSpace on 2014-07-29T15:08:19Z (GMT). No. of bitstreams: 1 dissertacao RamonCampos UFG 2012.pdf: 5667385 bytes, checksum: 1ff8645bd9d1b27aa406264298e405ef (MD5) Previous issue date: 2012-07-09eng
dc.description.resumoEste trabalho propõe o desenvolvimento de uma ferramenta computacional para realizar a análise do sinal eletromiográfico (EMG) por meio de técnicas de processamento de sinais a fim de detectar fadiga muscular. Com aprovação do Comitê de Ética da Universidade Federal de Goiás, foram captados os sinais eletromiográfico do bíceps braquial do braço dominante de 10 voluntários, que não apresentavam histórico de problemas musculares. O protocolo consistiu na obtenção do valor de contração isométrica voluntária máxima (CIVM) com o voluntário sentado, pés em contato com o chão e o antebraço em ângulo de 90° em relação ao tronco, realizando três repetições de contração máxima, contra uma superfície fixa e rígida, durante 5 segundos, intercaladas por um período de 5 minutos em repouso. O valor da CIVM, representando 100% da força máxima exercida, foi determinado por meio da média aritmética dos maiores valores de cada amostra. Para análise de contração estática, o voluntário realizou uma nova contração com carga de 60% da CIVM durante 30 segundos, ou até onde suportasse. Na análise de contração dinâmica, foi utilizado um eletrogoniômetro para medição do ângulo do antebraço que, ao carregar uma carga com 60% da CIVM, realizou manobra de flexão, alcançando ângulo de 70°, e manobra de extensão, atingindo ângulo de 130° do antebraço em relação ao tronco. Cada manobra (flexão e extensão) foi realizada em 1,5 segundos, durante um período de 30 segundos ou enquanto suportasse, totalizando no máximo de 10 flexões e 10 extensões. Foram adotadas para análise do sinal EMG no domínio do tempo as técnicas de cálculo do valor quadrático médio (RMS) e transformada wavelet contínua (TWC). Para análise no domínio da frequência foram adotados os valores médios e medianos obtidos pelas técnicas de transformada rápida de Fourier (FFT), o estimador espectral de Welch, o filtro autorregressivo de média móvel (ARMA) e as transformadas wavelets analíticas (TWA). Utilizando uma janela de 250 ms foram obtidos os gráficos contendo a regressão linear de todas as técnicas. A inclinação positiva da reta de regressão, para o domínio do tempo, e inclinação negativa, para o domínio da frequência, indica o processo de fadiga muscular. A utilização da transformada wavelet, em grandes escalas, apresenta valor mais significativo de indícios de fadiga muscular quando comparada às técnicas padrões RMS e FFT. O método estatístico utilizado foi a ANOVA de um fator, com o P < 0,05. Apenas na contração dinâmica no domínio da frequência obteve um P < 0,05. Aplicada a análise post hoc do teste de Tukey foram identificadas, das técnicas comparadas duas a duas, quais apresentaram um grau de variância maior que 5%. Ainda no trabalho é sugerido o desenvolvimento de equipamento de coleta de sinais EMG sem fio, o aperfeiçoamento da ferramenta desenvolvida para detecção de potenciais de ativação de unidade motora (MUAP), o controle de próteses de reabilitação, e a sincronização com outros sistemas de coleta de dados.por
dc.formatapplication/pdfpor
dc.identifier.citationCAMPOS, Ramon de Freitas Elias. Toolkit development for signals processing technics comparison to detect muscular fadigue by EMG signal. 2012. 122 f. Dissertação (Mestrado em Engenharia) - Universidade Federal de Goiás, Goiânia, 2012.por
dc.identifier.urihttp://repositorio.bc.ufg.br/tede/handle/tde/975
dc.languageporpor
dc.publisherUniversidade Federal de Goiáspor
dc.publisher.countryBRpor
dc.publisher.departmentEngenhariapor
dc.publisher.initialsUFGpor
dc.publisher.programMestrado em Engenharia Elétrica e de Computaçãopor
dc.rightsAcesso Abertopor
dc.subjectEMG, fadiga muscular, regressão linear, RMS, FFT, Welch, ARMA, wavelet.por
dc.subjectEMGeng
dc.subjectmuscular fatigueeng
dc.subjectlinear regressioneng
dc.subjectRMSeng
dc.subjectFFTeng
dc.subjectWelcheng
dc.subjectARMAeng
dc.subjectwaveleteng
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::ENGENHARIA DE SOFTWAREpor
dc.thumbnail.urlhttp://repositorio.bc.ufg.br/TEDE/retrieve/3399/dissertacao%20RamonCampos%20UFG%202012.pdf.jpg*
dc.titleDesenvolvimento de ferramenta de comparação de técnicas de processamento de sinais para determinar fadiga muscular por meio do sinal emgpor
dc.title.alternativeToolkit development for signals processing technics comparison to detect muscular fadigue by EMG signaleng
dc.typeDissertaçãopor

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
dissertacao RamonCampos UFG 2012.pdf
Tamanho:
5.4 MB
Formato:
Adobe Portable Document Format
Baixar

Coleções

Mestrado em Engenharia Elétrica e da Computação (EMC)