Klasifikace myopotenciálů gest ruky pro ovládání aplikací

Filip Marynčák

Diplomová práce

Classification of Myopotentials of Hand's Motion to Control Applications

Anotace:

V této diplomové práci je realizován systém pro klasifikaci myopotenciálů gest ruky. Prvním cílem bylo vytvořit hardware, který by byl schopen přenést nezarušený a správně zesílený signál myopotenciálů svalů ke zpracování do PC. Druhým cílem bylo naprogramovat algoritmus, který myopotenciály klasifikuje do určených gest ruky. Kombinací filtrů 2. řádu a správného zesílení byl vytvořen hardwarový prototyp obsahující čtyři měřící kanály pro snímání myopotenciálů. Z důvodu použití aktivních elektrod je uživatel galvanicky oddělen od zdroje. Pro digitalizaci a přenos dat byl vybrán mikrokontrolér Arduino Nano a naprogramován dle vytvořeného komunikačního protokolu. Programování počítačové aplikace je realizováno v jazyce C#. Zpracování signálu a grafické zobrazení měřeného signálu probíhá v reálném čase. Dle algoritmu adaptivní segmentace je zjišťována hranice provedeného gesta. Pomocí navržených fuzzy množin a systému váhování je určeno jedno z pěti (nebo žádné) gest ruky, které bylo provedeno.

Abstract:

Realization of the system for classification of hand’s gestures is described in this master’s thesis. The first goal was to create hardware that would be able to measure signal of myopotentials for computer analysis without external noise and with right amplification. The second goal was to program an algorithm which could classify specific gestures of hand. Hardware prototype of four measuring channels was created by combination of 2nd order filters and right amount amplification. The user is isolated from the power source using galvanic isolation because of usage of active electrodes. For digitizing the data, the Arduino Nano microcontroller was selected and programed using defined communication protocol. The computer software is programed in C# programming language. Signal processing and drawing to user interface is in real time. The one of five possible gestures that user made is chosen using fuzzy logic and designed system of scaling.

Klíčová slova

EMG, myopotenciály, fuzzy, adaptivní segmentace, C#

Keywords

EMG, myopotentials, fuzzy, adaptive segmentation, C#

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 28. 4. 2017

Obhajoba závěrečné práce

• Obhajoba proběhla 2. 6. 2017
• Vedoucí: Lukáš Peter
• Oponent: Petr Straka

VŠB - Technická univerzita Ostrava

Fakulta elektrotechniky a informatiky

Magisterský studijní program / obor:
Elektrotechnika / Biomedicínské inženýrství