Título :	Sistema automático de reconocimiento sígnico para la lengua de señas Mexicana
Autor(es):	Celso Guillermo Garcia Diaz
Palabras clave:	Electrodos Lengua de señas mexicana Mexican sign language Mioeléctrica Myoelectric Superficial electrodes
Área:	INGENIERÍA Y TECNOLOGÍA
Fecha de publicación :	mar-2012
Facultad:	Facultad de Ingeniería
Programa académico:	Maestría en Ciencias (Instrumentación y Control)
Resumen:	El 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%. The 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.
URI:	http://ri-ng.uaq.mx/handle/123456789/615
Aparece en:	Maestría en Ciencias (Instrumentación y Control)

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