Documente Academic
Documente Profesional
Documente Cultură
()
Donde N es el nmero de muestras de la ventana que se
va a analizar, T es el periodo de muestreo (inverso a la
frecuencia de muestreo f),n es el ndice de la frecuencia y
m(kt) indica la muestra tomada en el instante kt (muestra
kasima).
B. Densidad espectral de seales
Para el clculo de la densidad espectral de seales se usa la
siguiente definicin:
Sea *()+ un proceso estocstico estacionario. La funcin
de densidad espectral de *()+ , que se escribe como
(),
se define como la transformada de Fourier de la funcin de
auto correlacin:
()
()
C. Anlisis de componente principal (PCA)
El PCA es un algoritmo con base en la correlacin entre
variables, que utiliza un mtodo estadstico que reduce la
dimensionalidad, mediante la combinacin lineal de sus
variables originales. Este algoritmo calcula los componentes
principales de una base de datos.
A continuacin describimos los pasos que componen al
algoritmo PCA:
Clasificacin de seales EMG
Barbarn Meza, Juan Carlos. Rodrguez Toledo, Pablo Csar
Universidad de ingeniera y tecnologa.
Lima, Per.
juan.barbaran@utec.edu.pe
pablo.rodriguez@utec.edu.pe
(a) (b)
1. Obtener la media del vector:
2. Obtener la matriz de covarianza:
)(
3. Obtenemos los auto vectores y auto valores:
Donde p es el auto valor y el auto valor.
a. Auto valor
*
+
b. Auto vector
(
Podemos considerar que cada fila de la matriz X es un vector
que pertenece a un espacio vectorial de dimensin n.
Expresado en base canonical en la que cada una de las
coordenadas est asociada directamente a una de las variables
descriptivas.
As pues el anlisis de componentes principales es un cambio
de base o endomorfismo, que cambia la base canonical a una
nueva base formada por los auto vectores de la matriz de
covarianza de la matriz X. La expresin matemtica es:
()
()
-
Donde
X: Es la matriz de datos a analizar.
)
4) RMS: Representa la raz media cuadrtica
((
)
Con los 3 valores mximos ya calculados, se unieron
para formar una matriz 1x3 utilizando algoritmos
programados en Labview.
b. Creacin de una matriz 3x12 utilizando los valores
mximos de 2 movimientos
Se trabaj con seis muestras disponibles de cada
movimiento para elaborar una matriz 3x12, la cual tiene
por filas los 3 valores mximos de cada densidad espectral
obtenidas anteriormente. Esta matriz posteriormente ser
procesada por el algoritmo PCA.
IV. DISCUSIN Y RESULTADOS
A. Graficas de las seales procesadas por PCA
Empleando Matlab se aplic el mtodo estadstico de
Anlisis de Componentes Principales (PCA) a la matriz 3x12.
Se grafic los vectores teniendo como ejes los componentes
principales calculados por PCA
Fig. 3 Seal EMG graficada en Labview
Fig. 4 Grfica de la densidad espectral y obtencin de sus picos mximos
Fig. 5 Matriz 3x12 que contiene los valores mximos de las seales
Fig. 6 Grfica de los vectores teniendo como ejes al CP1 y CP2
Al graficar los vectores obtenidos por PCA intercalando los
ejes entre el componente principal 1 (CP1), el componente
principal 2 (CP2) y el componente principal 3 (CP3); se
puede notar que la grfica de CP1 vs CP2 es la que da una
clara diferencia entre los movimientos, mientras que las otras
2 graficas no aportan mucha informacin. El motivo es que el
CP1 es el que contiene la mayor informacin de los
movimientos, seguido del CP2 Y EL CP3.
V. CONCLUSIONES
La FFT (Transformada rpida de Fourier) demostr
ser un mtodo efectivo en la obtencin de espectros
de seales EMG.
El Anlisis de Componente Principal (PCA)
demostr buen desempeo y eficiencia, al momento
de clasificar las seales EMG, mediante la reduccin
de dimensionalidad.
REFERENCIAS
[1] [1 Rami N. Khushaba, Saeath Kodagoda, Maen Takruri Toward
improved control of prosthetic fingers using surface
electromyogram (EMG) signals., Expert Systems with
Applications, vol. 39, 2012.
[2] B. Freriks y H. J. Hermens, Future Applications of Surface, 1999.
[En lnea]. Available: http://www.seniam.org/pdf/contents4.PDF.
[ltimo acceso: 25 06 2014].
[3] R. Barea Navarro, Electromiografa, Universidad de Alcal
departamento de electrnica, Alcala.
[4] K. A. Panagiotis y J. K. Kostas, EMG-based Position and Force
Control of a Robot Arm: Application to Teleoperation and
Orthosis, Control Systems Lab, School of Mechanical Eng.,
Atenas.
Fig. 7 Grfica de los vectores teniendo como ejes al CP1 Y CP3
Fig. 8 Grfica de los vectores teniendo como ejes al CP1 Y CP2