Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/615
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nd/4.0es_ES
dc.contributorEdgar Alejandro Rivas Araizaes_ES
dc.creatorCelso Guillermo Garcia Diazes_ES
dc.date2012-03-
dc.date.accessioned2018-12-14T11:51:45Z-
dc.date.available2018-12-14T11:51:45Z-
dc.date.issued2012-03-
dc.identifierElectrodoses_ES
dc.identifierLengua de señas mexicanaes_ES
dc.identifierMexican sign languagees_ES
dc.identifierMioeléctricaes_ES
dc.identifierMyoelectrices_ES
dc.identifierSuperficial electrodeses_ES
dc.identifier.urihttp://ri-ng.uaq.mx/handle/123456789/615-
dc.descriptionEl estudio de las señales generadas por los músculos del cuerpo humano, es un campo de investigación muy amplio que abarca desde el análisis del corazón hasta la realización de prótesis, en el presente trabajo de investigación se describe el estudio de señales mioeléctricas generadas por los músculos, tanto de los brazos como de la palma de la mano, para identificar un signo del alfabeto de la lengua de señas mexicana. Las señales mioeléctricas fueron procesadas a través de un circuito analógico que permite llevar a cabo tanto una amplificación como un filtrado; y haciendo uso de Labview© para la adquisición de los datos, para posteriormente mediante Matlab© desarrollar un filtro digital y extracción de características tanto en el dominio del tiempo como de frecuencia, permitiendo finalmente realizar una clasificación a través una red neuronal artificial con un método de entrenamiento basado en el algoritmo de retropropagación que da como resultado una clasificación en promedio del 80%.es_ES
dc.descriptionThe study of the signals generated by the muscles of the human body is a very wide field of research, from heart analysis to prostheses design. The present research paper describes the study of myoelectric signals, generated by muscles of both arms and palms, to identify a sign of the Mexican sing language alphabet. The myoelectric signals were processed through an analog circuit that can perform both amplifying and filtering, Labview© was used for data acquisition, then a digital filter was designed using Matlab© for feature extraction, in both time and frequency domain. Finally an artificial neural network allowed classification, using a training method based on the backpropagation algorithm, resulting in an average classification of 80%, 135 samples were tested.es_ES
dc.formatAdobe PDFes_ES
dc.language.isoEspañoles_ES
dc.relation.requiresSies_ES
dc.rightsAcceso Abiertoes_ES
dc.subjectINGENIERÍA Y TECNOLOGÍAes_ES
dc.subjectCIENCIAS TECNOLÓGICASes_ES
dc.titleSistema automático de reconocimiento sígnico para la lengua de señas Mexicanaes_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidcurpes_ES
dc.contributor.tidcurpes_ES
dc.creator.identificadorGADC870316HGTRZL09es_ES
dc.contributor.identificadorRIAE791127HQTVRD03es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameMaestría en Ciencias (Instrumentación y Control)es_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelMaestríaes_ES
Aparece en las colecciones: Maestría en Ciencias (Instrumentación y Control)

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI003725.pdf2.81 MBAdobe PDFVista previa
Visualizar/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.