IMPLEMENTACIÓN EN FPGA DE UN CLASIFICADOR DE MOVIMIENTOS DE LA MANO USANDO SEÑALES EMG

Abstract

Este trabajo presenta el diseño e implementación de un clasificador de señales electromiográficas (EMG) para tres movimientos de la mano: flexión, extensión y cierre, usando dos músculos del antebrazo, palmar largo y extensor común de los dedos. El desarrollo comprende dos bloques principales, el hardware para la adquisición y adecuación de la señales EMG analógicas y el sistema de procesamiento para la identificación y clasificación del movimiento realizado; el sistema completo fue implementado en hardware usando un kit de desarrollo DE2-70 que cuenta con un FPGA Cyclone II de Altera. Para la extracción de características se implementó la Transformada Rápida de Fourier (FFT), para cada canal, a la cual se le calcularon  técnicas de procesamiento  como la varianza y el promedio.. Finalmente, se establece un umbral de decisión para identificar el movimiento realizado. El tiempo de respuesta del sistema total fue de 17,7 us, obteniendo una tasa de identificación mayor al 87%.FPGA implementation of a hand motions classifier using EMG signalsAbstractThis paper presents the design and implementation of a hand motions classifier using electromyographic (EMG) signals. The classified motions are: wrist flexion, wrist extension and hand closure. The motions are classified using two forearm muscles: longus palmar and extensor digitorum. This work was implemented in two principal blocks: the acquisition and adequacy of the EMG signal, and the processing system for the identification and classification of the motion made. The processing system was implemented on hardware using a development kit with a Cyclone II FPGA from Altera. For the feature extraction the Fast Fourier Transform (FFT) is performed at each channel and some features like variance and mean are calculated. Finally, a threshold decision block is used to identify the motion. The system have a time response of 17,7 us, obtaining an identification rate higher than 87%.Keywords: EMG signals, FPGA, motion classifier, real time.