Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/11000/28562
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorIáñez, Eduardo-
dc.contributor.authorSánchez Nava, Ana Luisa-
dc.contributor.otherDepartamentos de la UMH::Ingeniería de Comunicacioneses_ES
dc.date.accessioned2022-12-07T11:10:53Z-
dc.date.available2022-12-07T11:10:53Z-
dc.date.created2022-05-02-
dc.identifier.urihttps://hdl.handle.net/11000/28562-
dc.description.abstractActualmente, más de mil millones de personas en el mundo presentan al menos un tipo de discapacidad y la más frecuente, tanto en México como en España, es la físico-motora, que es cuando se tienen problemas para caminar o afección del desempeño motor (OMS, 2020). En este proyecto se desarrolla un algoritmo en MATLAB para detectar las principales fases de la marcha (apoyo y balanceo) mediante el uso de los ángulos articulares de tobillo y rodilla medidos durante la marcha continua en usuarios sanos usando unidades de medición inercial (IMUs). Su finalidad es que a futuro se puedan implementar estas herramientas en terapias de rehabilitación en usuarios con discapacidad físico-motora. El algoritmo procesa la señal de los ángulos del tobillo y la rodilla para detectar los contactos iniciales y finales, ya que estos determinan las principales fases de la marcha, donde la fase de apoyo representa un 60% del ciclo de la marcha y la fase de balanceo el 40% restante. El procedimiento del algoritmo que utiliza los ángulos del tobillo consistió en: eliminar la tendencia lineal de la medición; después, utilizar un filtro Butterworth pasa-bajas de segundo orden con una frecuencia de corte de 1.8 Hz para usar únicamente los componentes espectrales más notorios en los ángulos de los tobillos y, finalmente, integrar la señal y aplicar la CWT para obtener una señal en la que se detectan los contactos iniciales y finales como los mínimos y los máximos de la señal. Los resultados de distintos usuarios durante marcha continua en suelo han sido de 60.3±3.0% para la fase de apoyo y 39.6±3.0% para la fase de balanceo en la pierna izquierda, y de 60.6±3.1% y 39.4±3.1% para la pierna derecha, valores similares a los establecidos teóricamente. Por otra parte, el procesamiento que utiliza los ángulos de la rodilla consistió en: eliminar la tendencia lineal obtenida, después se derivó la señal y se aplicó un filtro Butterworth pasa-bajas de segundo orden con una frecuencia de corte de 2 Hz para utilizar solamente los componentes espectrales más significativos de los ángulos de la rodilla y se detectan los contactos iniciales y finales de la marcha del usuario. Los resultados de distintos usuarios durante marcha continua en suelo han sido de 61.0±1.4% para la fase de apoyo y 39.0±1.4% para la fase de balanceo en la pierna izquierda, y de 59.7±1.8% y 40.3±1.8% para la pierna derecha.es_ES
dc.description.abstractCurrently, more than a billion people in the world have at least one type of disability and the most frequent, both in Mexico and Spain, is physical-motor, which is when they have problems walking or a motor condition (WHO , 2020). In this project, an algorithm is developed using MATLAB to detect the main phases of gait (stance and swing) by ankle and knee joint angles measured during continuous walk in healthy users using inertial measurement units (IMU). The purpose of the project is that in the future these tools can be implemented in rehabilitation therapies in users with physical-motor disabilities. The algorithm processes the signal from the ankle and knee angles to detect the initial and final contacts, since these determine the main phases of gait, where the stance phase represents 60% of the gait cycle and the swing phase the remaining 40%. The procedure of the algorithm that uses the ankle angles consisted of: eliminating the linear trend of the measurement; then, use a second-order low-pass Butterworth filter with a cutoff frequency of 1.8 Hz to use only the most noticeable spectral components at the ankle angles, and finally integrate the signal and apply CWT to obtain a signal at which the initial and final contacts are detected as the minimums and maximums of the signal. The results of different users during continuous walking on the ground have been 60.3±3.0% for the stance phase and 39.6±3.0% for the swing phase in the left leg, and 60.6±3.1% and 39.4±3.1% for the right leg, values similar to those established theoretically. On the other hand, the process that uses the knee angles consisted of: eliminating the linear trend obtained, then the signal was derived and a second-order low-pass Butterworth filter was applied with a cutoff frequency of 2 Hz to use only the most significant spectral components of the knee angles and the initial and final contacts of the user's gait are detected. The results of different users during continuous walking on the ground have been 61.0±1.4% for the stance phase and 39.0±1.4% for the swing phase in the left leg, and 59.7±1.8% and 40.3±1.8% for the right leg.es_ES
dc.formatapplication/pdfes_ES
dc.format.extent73es_ES
dc.language.isospaes_ES
dc.publisherUniversidad Miguel Hernández de Elchees_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectfases de la marchaes_ES
dc.subjectunidades de medición inercial (IMUs)es_ES
dc.subjectrehabilitaciónes_ES
dc.subjectángulos de las articulacioneses_ES
dc.subject.otherCDU::6 - Ciencias aplicadas::62 - Ingeniería. Tecnologíaes_ES
dc.titleDetección de las principales fases de la marcha mediante los ángulos de las articulaciones del miembro inferior a partir de registros con unidades de medición inercial (IMUs)es_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
Aparece en las colecciones:
TFG- Ingeniería de Tecnologías de Telecomunicación


Vista previa

Ver/Abrir:
 TFG-Sánchez Nava, Ana Luisa.pdf

4,3 MB
Adobe PDF
Compartir:


Creative Commons La licencia se describe como: Atribución-NonComercial-NoDerivada 4.0 Internacional.