Classificador de Gestos por Redes Neurais Artificiais utilizando Sinais Mioelétricos

Neste trabalho é apresentado um sistema de classificação, baseado em Redes Neurais Artificiais, para discriminação de gestos de mão utilizando sinais eletromiográficos (EMG), que são obtidos através de uma braçadeira Myo TM composta por oito eletrodos que realizam a aquisição da informação da contração muscular durante a execução de movimentos padrões. É realizado um pré- processamento nos sinais adquiridos, extraindo sete características para cada eletrodo. Visando analisar o melhor desempenho do classificador, dois algoritmos de treinamento foram utilizados, o Resilient Backpropagation (Rprop) e Levemberg Maguard (LM), onde o algoritmo Rprop obteve cerca de 91,3% de acerto de classificação entre as quatro classes de movimentos estudados, em relação ao algoritmo LM. Os resultados experimentais são apresentados para validar o método proposto.