L’elettromiografia superficiale (sEMG) è una tecnica non invasiva utilizzata per misurare e valutare l’attività elettrica del muscolo scheletrico. Largamente utilizzata come strumento di diagnostica, negli ultimi decenni ha avuto una notevole affermazione nel campo della human-computer interaction (HCI) [9]. Il segnale elettromiografico (EMG), è un segnale fisiologico che permette la rilevazione di pattern di attività muscolare. Questa tesi propone un approccio ibrido per la valutazione della qualità del segnale EMG, basato sull’estrazione e sull’osservazione di determinate caratteristiche descrittive (features) del segnale stesso. Gli elettrodi sono posti in una configurazione tale da permettere l’acquisizione del segnale da siti del polso e dell’avambraccio e, le features successivamente estratte, vengono valutate tramite metodi statistici quali media e standard deviation. Le conclusioni sono state confrontate con alcuni risultati riportati in letteratura che provano l’applicabilità del metodo proposto in questo lavoro.

Valutazione delle features descrittive della qualità del segnale EMG per gesture recognition

DEL GIUDICE, LIBERA LUCIA
2020/2021

Abstract

L’elettromiografia superficiale (sEMG) è una tecnica non invasiva utilizzata per misurare e valutare l’attività elettrica del muscolo scheletrico. Largamente utilizzata come strumento di diagnostica, negli ultimi decenni ha avuto una notevole affermazione nel campo della human-computer interaction (HCI) [9]. Il segnale elettromiografico (EMG), è un segnale fisiologico che permette la rilevazione di pattern di attività muscolare. Questa tesi propone un approccio ibrido per la valutazione della qualità del segnale EMG, basato sull’estrazione e sull’osservazione di determinate caratteristiche descrittive (features) del segnale stesso. Gli elettrodi sono posti in una configurazione tale da permettere l’acquisizione del segnale da siti del polso e dell’avambraccio e, le features successivamente estratte, vengono valutate tramite metodi statistici quali media e standard deviation. Le conclusioni sono state confrontate con alcuni risultati riportati in letteratura che provano l’applicabilità del metodo proposto in questo lavoro.
2020
2021-10-28
Evaluation of the signal quality features from EMG for gesture recognition
File in questo prodotto:
File Dimensione Formato  
tesi_finale_pdfa.pdf

embargo fino al 27/10/2024

Dimensione 1.01 MB
Formato Adobe PDF
1.01 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12075/1040