ISBN # Page# XICBB'2005 RECONHECIMENTO DE PADRÕES DE SINAIS DE EMG PARA CONTROLE DE PRÓTESE DE PERNA. Renan Utida Ferreira(PIBIC/CNPq) 1 , Adson Ferreira da Rocha 1 , Carlos Alberto Casão Júnior1 1 , Geovany Araújo Borges 1 , Francisco Assis Oliveira Nascimento 1 e Wilson Henrique Veneziano 2 . 1 UnB/Departamento de Engenharia Elétrica, Brasília – DF; 2 CEFET/PR. Abstract: This work presents a method and an algorithm used in EMG pattern recognition for control of above- knee prosthesis. The central idea is to use recursive least-square (RLS) with forgetting factor method for the estimation of the coefficients autoregressive model of EMG signals captured during gait cycles. The forgetting factor is directly related to a time horizon of the past data, resulting in a more elegant algorithm when compared to fixed window estimation. Then, these coefficients are used as the input data for a feed forward multi-layer perceptron neural network trained for estimating the angle of the knee joint. Experimental evaluations are presented with different parameters configurations. Observations showed that the use of RLS and neural networks are a valid combination for patter recognition of EMG signal. Key-words: EMG, neural networks, recursive least- square, autoregressive model. Introdução No estudo de classificação de movimentos para o estudo de próteses, o principal desafio é a estratégia utilizada para se conseguir transmitir para a prótese a intenção de movimento de seu usuário. Com o desenvolvimento da tecnologia, várias técnicas foram desenvolvidas ou aperfeiçoadas, visando maior interação entre os diferentes dispositivos mecânicos, elétricos ou sensoriais e o usuário da prótese, bem como o desenvolvimento de novos algoritmos que permitem que mais informação útil seja recebida do usuário. Bankman et. al [9] apresenta um sistema de controle de prótese a partir da detecção de ondas neurais em gravações extracelulares. Sua idéia é captar os potenciais de ação gerados pelos neurônios localizados próximos ao ponto onde foi aplicado o eletrodo de captação. Além disso, podem-se usar os receptores sensoriais da pele para um retorno fisiológico. Popović et. al [7] desenvolveu uma estratégia hierárquica de controle em dois níveis para uma prótese Belgrade AKP. No nível mais alto, o controle baseado em regra foi usado para reconhecimento de intenção, adaptação a mudanças de ambiente e disparos cíclicos ao longo da locomoção, baseado nos reflexos naturais e foi chamado de Controle Artificial de Reflexos. No nível mais baixo, atuador era apenas um controle de liga e desliga. Este trabalho apresenta na primeira parte uma revisão generalizada das técnicas que utilizam EMG aplicadas ao controle de prótese de membros. Posteriormente é apresentada a idéia teórica que embasa todo do desenvolvimento experimental. Em seguida, tem-se a metodologia experimental aplicada e os resultados obtidos. Pro fim, conclui-se o trabalho, apresentado uma visão crítica dos resultados e a possibilidade de estudos futuros. EMG no controle de próteses Inúmeras técnicas já foram desenvolvidas para o uso de sinais de eletromiografia (EMG) para o controle de próteses. O objetivo dessas técnicas é conseguir extrair informação desses sinais de tal forma que se consiga uma aplicação eficiente. Os sinais de EMG são extraídos a partir dos potenciais de ação das unidades motoras quando estas entram e mantêm-se em atividade, adquiridos por meio de eletrodos. Para essa proposta, os eletrodos de superfície são mais interessantes, pois apesar de captarem sinais de uma região muito ampla e, de certa maneira, desnecessários e redundantes, eles são não invasivos, o que facilita imensamente a manipulação, além de serem mais higiênicos e de aplicação indolor. Várias questões podem ser consideradas quando se trata do controle de próteses (seja de perna, braço ou outra parte do corpo humano) a partir de sinais de EMG. Dentre elas podemos mencionar a instrumentação de aquisição do sinal, que pode ser monopolar (um canal), bipolar (dois canais) ou até mesmo aquisição por múltiplos canais, o que, a princípio, provê uma gama maior de informação, mas que, por outro lado, pode apresentar maior quantidade de informação redundante e necessitar de um processamento mais sofisticado. A extração de características tornou-se mais eficiente na medida em que se viu um avanço maior na capacidade de processamento dos computadores. Foi possível a utilização de técnicas que teoricamente seriam mais eficientes, mas tinham seu uso limitado pela dificuldade de processamento. As características eram mais baseadas em estatísticas dos sinais no domínio do tempo, porém passou-se a aplicar cada vez mais as medições espectrais e os modelos de séries temporais, que visam a estimação de amplitude de um sinal, por exemplo (para citar alguns). Quanto à estimação de amplitude, podemos mencionar a técnica denominada branqueamento [4]. No que diz respeito à