Metodologia de estimação do ângulo do joelho para detecção da intenção de movimento

Abstract

O sinal mioelétrico de superfície pode ser utilizado de maneira eficaz para detectar a intenção de movimento no controle de próteses mecânicas. Quando se trata da concepção de um projeto que utiliza o controle mioelétrico, a implementação de um algoritmo que utiliza tal técnica é de fundamental importância. Este trabalho propõe dois algoritmos de estimação do ângulo do joelho para detectar a intenção de movimento em uma prótese de perna. A primeira proposta usa como dados a informação extraída a partir de dois canais de eletromiografia e um canal para eletrogoniômetro. A informação é processada por meio de três estágios: (1) extração de características utilizando modelos auto-regressivos e histograma; (2) projeção de características por meio de mapas auto-organizáveis e (3) classificação de padrões usando rede neural perceptron multicamada. A segunda proposta de algoritmo usa a informação extraída a partir de sensores giroscópios como dados adicionais à primeira proposta. A informação é processada por meio de três estágios: (1) extração de características utilizando coeficientes cepstrais e a entropia no sinal mioelétrico, (2) classificação de padrões usando rede neural perceptron multicamada e (3) fusão de dados a partir do filtro de Kalman, utilizando três variantes para a estimação do ângulo do joelho. A plataforma experimental desenvolvida é um sistema micro-controlado para a aquisição e pré-processamento dos sinais mioelétricos em tempo real. É apresentada uma comparação quantitativa entre os algoritmos propostos, o método de Ferreira et al. e o método wavelet packets – análise de componentes principais, baseada em indicadores como percentual erro–sinal, coeficiente de correlação e número, amplitude e duração do erro. Os resultados obtidos demonstram que é possível estimar continuamente a posição do ângulo do joelho a partir dos sinais mioelétricos e sua fusão com sensores proprioceptivos. _________________________________________________________________________________ ABSTRACT

The myoelectric signal can be used in an effective way for detecting motion intention in order to control mechanical prostheses. In the design and implementation of a myoelectric controller, the implementation of the myoelectric algorithm is very important. This work proposes two algorithms to estimate knee angle to detect motion intention in leg prostheses. The first algorithm uses the information extracted from two electromyography (EMG) channels and one electrogoniometer channel. This information is processed through three stages: (1) feature extraction using auto-regressive models and histogram, (2) feature projections through self-organizing maps and (3) pattern classification using a perceptron neural network. The second algorithm uses information from gyroscopic sensors as additional data. This information is processed through three stages: (1) feature extraction using cepstral coefficients and the myoelectric signal entropy, (2) pattern classification using a perceptron neural network and (3) data fusion from kalman filter using three variant for knee angle estimation. A micro-controlled bioinstrumentation system has been developed for the acquisition and pre-processing of the electromyographic signal in real-time. A quantitative comparison between the proposed algorithms, the method by Ferreira et al. and the wavelet packet – principal components analysis are presented, based on several metrics such as the error-to-signal percentage (ESP), the correlation coefficients, and the number, amplitude and duration of error events. The results demonstrate that it is possible to estimate continuously the knee angle from mioelectric signals and their fusion with proprioceptive sensors.