Pré-processamento de sinais de eletromiografia para extração de características e treinamento de modelos preditivos de fadiga muscular

Autores

  • Ian Antonio Fonseca Araujo UFRN
  • Yasmin Maria Santana de Melo
  • Jorge R. dos S. Rocha
  • Vívian dos Santos Pereira
  • Amanda Georgia Diniz de Campos
  • Ernano Arrais junior

Resumo

O estudo investiga o pré-processamento de sinais de EMG para detectar fadiga muscular (FM) e a eficácia de modelos de aprendizado de máquina na sua classificação. Foram extraídas características dos sinais, incluindo energia, frequência média (MNF) e frequência mediana (MDF), além de coeficientes da Transformada Wavelet Discreta (TWD) para captura de variações temporais e espectrais. Modelos K-Nearest Neighbors (KNN) e Random Forest (RF) foram treinados, variando hiperparâmetros para otimizar a classificação entre sinais com e sem FM.

Downloads

Não há dados estatísticos.

Downloads

Publicado

2025-05-14

Como Citar

Fonseca Araujo, I. A., Santana de Melo, Y. M. ., R. dos S. Rocha, J. ., dos Santos Pereira, V., Diniz de Campos, A. G., & Arrais junior, E. (2025). Pré-processamento de sinais de eletromiografia para extração de características e treinamento de modelos preditivos de fadiga muscular. Anais Do Encontro De Computação Do Oeste Potiguar ECOP/UFERSA (ISSN 2526-7574), 1(8). Recuperado de https://revistacaatinga.com.br/ecop/article/view/14124

Artigos mais lidos pelo mesmo(s) autor(es)