1. Repositorio Institucional UAQ
  2. Tesis
  3. Facultad de Ingeniería
  4. Maestría
  5. Maestría en Ciencias (Control en Sistemas Embebidos)
Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/12546
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttps://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorMarcos Romo Aviléses_ES
dc.creatorJosé Félix Castruita Lópezes_ES
dc.date.accessioned2026-01-16T19:48:29Z-
dc.date.available2026-01-16T19:48:29Z-
dc.date.issued2025-11-26-
dc.identifier.urihttps://ri-ng.uaq.mx/handle/123456789/12546-
dc.descriptionLas señales de electromiografía (EMG) son biopotenciales que registran la actividad muscular, como contracción, relajación, fuerza, movimiento y fatiga. Estas señales, al proporcionar información sobre el comportamiento muscular, son ampliamente utilizadas en diversos campos de investigación, como la biomedicina, la medicina, la robótica y la rehabilitación. Sin embargo, debido a su alta complejidad, las señales EMG requieren un considerable nivel computacional para su clasificación. Tradicionalmente, este procesamiento se realiza en dispositivos de cómputo secuencial, lo que genera tiempos de respuesta elevados y un alto consumo de energía, limitando su uso en aplicaciones embebidas o portátiles. En este trabajo se diseñó e implementó un sistema de control basado en la clasificación de señales EMG mediante una red neuronal tipo perceptrón multicapa (MLP), implementada en un dispositivo lógico programable tipo FPGA. El objetivo fue realizar la inferencia del modelo MLP directamente en hardware para clasificar señales EMG previamente procesadas y controlar, en lazo cerrado, un actuador que simula los movimientos de la mano predichos por la red neuronal. El sistema implementado en FPGA alcanzó una latencia de 843 ciclos de reloj por predicción, equivalente a 33.72 µs por muestra a una frecuencia de operación de 25 MHz, en contraste con los 52.03 ms requeridos por el mismo modelo ejecutado en Python en una computadora con procesador Intel i7-1255U. La eficiencia de clasificación obtenida fue del 97.42 %, y el consumo de potencia del diseño en FPGA fue de 0.153 W. Estos resultados demuestran una mejora significativa tanto en el tiempo de respuesta como en el consumo energético respecto a los sistemas secuenciales tradicionales, lo que valida la viabilidad del uso de FPGA para la implementación de modelos de inteligencia artificial embebidos en aplicaciones de control basadas en señales EMG.es_ES
dc.formatpdfes_ES
dc.format.extent1 recurso en línea (82 páginas)es_ES
dc.format.mediumcomputadoraes_ES
dc.language.isospaes_ES
dc.publisherUniversidad Autonoma de Querétaroes_ES
dc.relation.requiresSies_ES
dc.rightsopenAccesses_ES
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_ES
dc.titleDesarrollo de sistema en FPGA para control de dispositivo mediante señales EMG e inteligencia artificiales_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidORCIDes_ES
dc.contributor.tidORCIDes_ES
dc.creator.identificador0009-0008-7986-1052es_ES
dc.contributor.identificador0000-0003-2838-4854es_ES
dc.contributor.roleDirector de tesises_ES
dc.degree.nameMaestría en Ciencias (Control en Sistemas Embebidos)es_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelMaestríaes_ES
dc.format.supportrecurso en líneaes_ES
dc.matricula.creator327118es_ES
dc.folioIGMAC-327118es_ES
Aparece en: Maestría en Ciencias (Control en Sistemas Embebidos)

Archivos:
Fichero Descripción Tamaño Formato  
IGMAC-327118.pdf2.24 MBAdobe PDFVisualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.