Desarrollo de un sistema aumentativo de comunicación móvil utilizando señales electromiográficas y biofeedback para personas con discapacidad del habla

Resumen

Este artículo presenta el diseño e implementación de un sistema para el reconocimiento de contracciones musculares faciales utilizando electromiografía de superficie (sEMG). El objetivo fue desarrollar una arquitectura funcional de bajo costo que registre y procese señales sEMG, incorporando biofeedback para control activo del usuario. El sistema utiliza el sensor AD8832, una fuente de alimentación dual de ±9 V y un circuito de acondicionamiento analógico con filtro RC paso bajo (frecuencia de corte: 500 Hz) para atenuar componentes de alta frecuencia y ruido electromagnético. El sistema se integró con una placa Arduino para procesamiento en tiempo real, calculando características básicas del dominio temporal: valor medio absoluto (MAV), valor cuadrático medio (RMS) e indicador binario de activación muscular. Las características temporales complejas (longitud de forma de onda WL y cambios de signo de pendiente SSC) se extrajeron durante entrenamiento y clasificación en Python. Estas características conformaron el vector para entrenar un clasificador SVM con kernel RBF, seleccionado por su capacidad para modelar relaciones no lineales en señales electromiográficas. El modelo fue entrenado con 251 muestras EMG correspondientes a tres palabras: Agua, Ambulancia y Mar, alcanzando una exactitud global del 88% sobre el conjunto de prueba. Se desarrolló una aplicación web interactiva con Flask para visualización en tiempo real de la señal EMG procesada, detección de activación muscular y palabra clasificada, demostrando capacidad de procesamiento en tiempo real. Los resultados confirman que electromiografía de superficie es alternativa viable y no invasiva para desarrollo de interfaces de comunicación asistiva, estableciendo base para investigaciones futuras con ampliación de vocabulario y validación en entornos clínicos.