Serge Abilé Magbonde soutiendra sa thèse réalisée au GIPSA-LAB le 15 février 2024 à 14h au GIPSA-LAB (Saint Martin d'Hères) et en visioconférence.
Titre : Séparation de signaux électromyographiques de surface à haute densité pour la réduction de la diaphonie
Encadrement : Bertrand Rivet, Franck Quaine
Résumé : L’utilisation du signal électrique musculaire de surface (EMG) dans une
perspective biomécanique, thérapeutique ou pour la commande nécessite une forte sélectivité spatiale des signaux. Pour des muscles contigus, cette contrainte est rarement observée rendant l’utilisation du signal EMG difficile. La diaphonie, ou contamination croisée des signaux, inhérentes aux enregistrements doit alors être supprimée.
Cette thèse a pour but de proposer des méthodes pour séparer la diaphonie lorsque les muscles extenseurs de l'index et du petit doigt sont en contraction simultanée. Notre travail consiste alors à extraire l’activité musculaire liée à chaque muscle dans un contexte de séparation de sources. Pour cela, une première partie du travail a
consisté à élaborer une base de données, de qualité et exploitable, en enregistrant de manière non invasive les signaux EMG à partir de matrices d’électrodes, et à la mettre en forme pour la mettre à disposition de la communauté scientifique. Dans un second temps, diverses approches de traitement du signal ont été mise en œuvre pour réduire la diaphonie. Au final, nous proposons une méthode basée sur la
décomposition tensorielle non négative de type PARAFAC2 appliquée aux enveloppes des signaux EMG obtenues à partir de la RMS sur des fenêtres glissantes afin de séparer l’activité de chaque muscle. L’originalité du modèle proposé repose sur l’ajout de deux contraintes principales en plus de celles relatives à PARAFAC2. La première contrainte est liée à la physiologie musculaire et implique la continuité spatiale des cartes d’acquisition, tandis que la seconde contrainte est relative à notre protocole expérimental et introduit de la parcimonie. Le modèle a été testé et validé sur des signaux réels puis sur des mélanges artificiels de signaux réels. La méthode proposée offre de meilleures performances de séparation par rapport à l’algorithme NN-PARAFAC2 et plus généralement par rapport à l’ensemble des autres méthodes de séparation de sources classiquement utilisées. Les limites et perspectives sont envisagées dans la dernière partie du document.
Lien visio : Contacter
Lieu de soutenance : GIPSA-LAB 11 rue des mathématiques
38400 Saint Martin d'Hères - Salle Jean-Marc CHASSERY
