Компʼютерна система контролю активності мʼязів людини в реальному часі

Abstract

У кваліфікаційній роботі розроблено комп’ютерну систему контролю активності м’язів людини в реальному часі. Проаналізовано особливості електроміографічних сигналів, методи поверхневої реєстрації м’язової активності та підходи до первинного аналізу біоелектричних сигналів. Обґрунтовано доцільність створення апаратно-програмного комплексу, який дозволяє спостерігати зміну м’язової активності у реальному часі без використання складного медичного обладнання. Для реалізації системи обрано сенсорний модуль MyoWare Muscle Sensor, одноразові поверхневі електроди типу Ag/AgCl та мікроконтролер ESP32. Розроблено апаратну архітектуру системи, схему підключення ЕМГ-сенсора до мікроконтролера та програмне забезпечення для зчитування, передавання, приймання й обробки сигналу. Програма персонального комп’ютера забезпечує відображення ЕМГ-сигналу у вигляді графіка в реальному часі, розрахунок поточного, середнього, максимального та середньоквадратичного значення сигналу, а також запис результатів у CSV-файл для подальшого аналізу.

The qualification thesis develops a computer system for real-time monitoring of human muscle activity. The features of electromyographic signals, methods of surface registration of muscle activity, and approaches to the primary analysis of bioelectrical signals are analyzed. The feasibility of creating a hardware-software complex that allows observing changes in muscle activity in real time without the use of complex medical equipment is substantiated. To implement the system, the MyoWare Muscle Sensor module, disposable Ag/AgCl surface electrodes, and the ESP32 microcontroller were selected. The hardware architecture of the system, the connection scheme of the EMG sensor to the microcontroller, and software for signal acquisition, transmission, reception, and processing were developed. The personal computer program provides real-time visualization of the EMG signal as a graph, calculation of the current, average, maximum, and root mean square values of the signal, as well as recording the results to a CSV file for further analysis.