Sistema automático de reconocimiento sígnico para la lengua de señas Mexicana

Celso Guillermo Garcia Diaz

Buscar

dc.rights.license	http://creativecommons.org/licenses/by-nd/4.0	es_ES
dc.contributor	Edgar Alejandro Rivas Araiza	es_ES
dc.creator	Celso Guillermo Garcia Diaz	es_ES
dc.date	2012-03
dc.date.accessioned	2018-12-14T11:51:45Z
dc.date.available	2018-12-14T11:51:45Z
dc.date.issued	2012-03
dc.identifier	Electrodos	es_ES
dc.identifier	Lengua de señas mexicana	es_ES
dc.identifier	Mexican sign language	es_ES
dc.identifier	Mioeléctrica	es_ES
dc.identifier	Myoelectric	es_ES
dc.identifier	Superficial electrodes	es_ES
dc.identifier.uri	http://ri-ng.uaq.mx/handle/123456789/615
dc.description	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%.	es_ES
dc.description	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.	es_ES
dc.format	Adobe PDF	es_ES
dc.language.iso	Español	es_ES
dc.relation.requires	Si	es_ES
dc.rights	Acceso Abierto	es_ES
dc.subject	INGENIERÍA Y TECNOLOGÍA	es_ES
dc.subject	CIENCIAS TECNOLÓGICAS	es_ES
dc.title	Sistema automático de reconocimiento sígnico para la lengua de señas Mexicana	es_ES
dc.type	Tesis de maestría	es_ES
dc.creator.tid	curp	es_ES
dc.contributor.tid	curp	es_ES
dc.creator.identificador	GADC870316HGTRZL09	es_ES
dc.contributor.identificador	RIAE791127HQTVRD03	es_ES
dc.contributor.role	Director	es_ES
dc.degree.name	Maestría en Ciencias (Instrumentación y Control)	es_ES
dc.degree.department	Facultad de Ingeniería	es_ES
dc.degree.level	Maestría	es_ES