Filtrado de señales EMG basado en filtros digitales para el control de una prótesis biónica transradial
Filtering of EMG signals based on digital filters for the control of a bionic upper-limb prosthesis
Barra lateral del artículo
Contenido principal del artículo
El filtrado de señales de electromiografía (EMG) es esencial para el control de prótesis biónicas, permitiendo detectar y analizar los biopotenciales musculares. Tradicionalmente, se han empleados filtros físicos, pero presentan limitaciones en términos de precisión y complejidad. Este articulo tiene como objetivo mejorar la precisión en el momento del procesamiento de señales EMG mediante el uso de filtros digitales. Para capturar las señales EMG, se emplearon electrodos superficiales con gel conductor. Las señales del sistema en tiempo real fueron amplificadas utilizando un amplificador de instrumentación con una alta ganancia, seguidas por un filtrado de pasa altas y pasa bajas de primer orden. La etapa final incluyó una rectificación de la señal para obtener valores exclusivamente positivos. Se evaluaron y se compararon varios filtros digitales, entre ellos filtros basados en promedio móvil y filtros de media móvil exponencial, y finalmente se implementaron los circuitos de los diferentes filtros en la prótesis biónica transradial.
Descargas
Detalles del artículo
A. Chillagano Tipán, “Diseño y construcción de un prototipo de prótesis biónica para amputación transradial controlada por bio sensores musculares”, Universidad Politécnica Salesiana, Quito, Ecuador, 2022.
J. Artal Sevil, F. Pérez Cebolla, A. Acón y J. Domínguez Navarro, “Control de una mano biónica basado en redes neuronales y técnicas de reconocimiento de gestos mediante múltiples sensores EMG”, XIV Teaching and Learning of Electronics, pp. 241-248, 2020.
O. Corredor, L. Pedraza y C. Hernández, “Diseño e implementación de filtros digitales”, Universidad Distrital Francisco José de Caldas, Bogotá, Colombia, Vis. Electron., vol. 3, no. 1, pp. 55–66, jun. 2009.
J. Ning, K. Englehart, y P. Parker. “Extracting simultaneous and proportional neural control information for multiple-DOF prostheses from the surface electromyographic signal.” IEEE Transactions on Biomedical Engineering vol. 4, pp. 1070-1080, 2008.
F. Anders, et. al. “Control of upper limb prostheses: Terminology and proportional myoelectric control—A review.” IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 10, pp. 663-677, 2012.
H. Zhang, X. Guan, Y. Ding y C. Liu, “Emergy analysis of Organic Rankine Cycle (ORC) for waste heat power generation”, Journal of Cleaner Production, vol. 183, pp. 1207-1215, 2018.
J. Uellendahl. “Experience fitting partial hand prostheses using prodigits.”, Univ. of New Brunswick's MyoElectric Controls/Powered Prosthetics Symp. Proc., 2008.
P. Parker y R. Scott. “Myoelectric control of prostheses.”, Critical reviews in biomedical engineering vol. 4, pp. 283-310, 1986.
X. Wang, B. Zhang y Y. Yang. “Active SVM-based relevance feedback using multiple classifiers ensemble and features reweighting”. Engineering Applications of Artificial Intelligence, vol. 26, pp. 368-381, 2013.
K. Xing et al. “A real-time EMG pattern recognition method for virtual myoelectric hand control.” Neurocomputing, pp. 345-355, 2014.
J. Carrillo-Gómez, C. Duran-Acevedo, y R. Garcia-Rico, “Discriminación de bacterias en agua potable a través de una nariz electrónica y un equipo de extracción de volátiles”, RCTA, vol. 1, no. 33, pp. 155–165, 2019.
J. González, “Robótica y prótesis inteligentes”, Revista Digital Universitaria, vol. 6, no. 1 pp. 11–15, 2004.
J. Sierra, B. Medina, L. Rodríguez, C. Pachón, y M. Barrios, “Desarrollo e implementación de tecnologías biomédicas para la telerehabilitación funcional”, RCTA, vol. 2, no. 34, pp. 137–143, 2019.
A. Arché-Núñez, et al. “Bio-potential noise of dry printed electrodes: physiology versus the skin-electrode impedance.” Physiological Measurement vol. 9, no. 44, 2023.
E. Guzmán Muñoz y G. Méndez Rebolledo. “Electromiografía en las ciencias de rehabilitación”, Revista Salud Uninorte, vol. 34, no. 3, pp. 753-765, 2018.
R. Madou, et al. “Señales bioeléctricas del cuerpo: de la ingeniería electrónica a la performance artística.”, Cuerpo, Máquina, Acción, vol. 4, 2020.
E. Rincón Castrillo, J. García Pabón, y J. Bermúdez Santaella, “Estado del arte de las celdas de combustible”, RCTA, vol. 1, no. 33, pp. 36–49, 2019.
L. Gila, A. Malanda, I. Rodríguez Carreño, J. Rodríguez Falce y J. Navallas. “Métodos de procesamiento y análisis de señales electromiográficas”, Anales Sis San Navarra, vol.32 pp. 27-43, 2009.
N. Dugarte, R. Medina, R. Rojas y E. Dugarte. “Bioamplificador multicanal para la adquisición de la señal ECGAR, del prototipo DIGICARDIAC”. Revista del Instituto Nacional de Higiene Rafael Rangel, vol. 45, pp. 10-29, no. 2, 2014.
C. Herrera Ramírez, A. Moreno Pérez, L. Oyarzabal y J. Herrera Ramirez. “Amplificador de biopotenciales para electrorretinografía”. Congreso Internacional sobre Innovación y Desarrollo Tecnológico, CIMAV, México, 2010.
A. Veca, R. Lage, y M. Ruiz Noguera. “Filtros analógicos: clásicos, basados en Capacitor Conmutado y con FPAA”. Tesis doctoral, Ciudad Autónoma de Buenos Aires, 2014. ISBN 978-987-33-6154-8.
S. Ma, B. Lv, C. Lin, X. Sheng y X. Zhu, “EMG Signal Filtering Based on Variational Mode Decomposition and Sub-Band Thresholding”, IEEE Journal of Biomedical and Health Informatics, vol. 25, no. 1, pp. 47-58, Jan. 2021.
C. Solano Rico, O. Suarez Sierra, y J. Medrano Hermosillo, “Diseño ergonómico de una prótesis biónica para miembro superior controlada por señales electromiográficas”, RCTA, vol. 1, n.º 43, pp. 99–109, mar. 2024.
Y. Li, et al. “Application of an EMG interference filtering method to dynamic ECGs based on an adaptive wavelet-Wiener filter and adaptive moving average filter”. Biomedical Signal Processing and Control, vol. 72, pp. 103-344, 2022.
D. Farina y R. Merletti. “Comparison of algorithms for estimation of EMG variables during voluntary isometric contractions”. Journal of Electromyography and Kinesiology, vol. 5, no. 10, 2000.
