A Unidade Motora (UM), nome dado a um motoneurônio e o conjunto de fibras musculares invernadas por ele, é a componente mais elementar da qual o sistema nervoso se utiliza para controlar contrações musculares. Cada ativação de uma UM se inicia pela formação de potenciais de ação no motoneurônio, que então é propagado para as junções neuromusculares onde potenciais de ação são gerados e então propagados bilateralmente ao longo do sarcolema das fibras até os tendões, acompanhada também de uma contração quase simultânea de todas suas respectivas fibras musculares. À soma espaço-temporal dos potenciais de ação que percorrem as fibras musculares de uma UM é dado o nome de potencial de ação de unidade motora (MUAP, da sigla em inglês de Motor Unit Action Potential), e aos sinais mioelétricos formados pela soma de MUAPs de diferentes UMs captados com eletrodos posicionados apropriadamente de eletromiograma. A técnica de captação desses sinais com eletrodos de superfície, a eletromiografia de superfície (sEMG), é uma ferramenta amplamente utilizada em diversos estudos, principalmente relacionados à cinesiologia e fadiga muscular. Em face de sua importância em estudos de fisiologia, o sinal de sEMG também tem sido sintetizado por meio de simuladores computacionais de maior ou menor semelhança com a biologia. Um desses simuladores foi desenvolvido no Laboratório de Engenharia Biomédica da Escola Politécnica da USP e é denominado ReMoto. Ele é baseado em modelos do funcionamento de motoneurônios da medula espinhal gerando trens de potenciais de ação que acionam um algoritmo de geração de MUAPs. Esse estudo apresenta uma nova abordagem para se caracterizar quantitativamente e qualitativamente os sinais de EMG superficiais de quatro músculos da perna (Sóleo, Gastrocnêmio Medial, Gastrocnêmio Lateral e Tibial Anterior), e assim prover uma base de dados biológicos para desenvolvimento e validação de modelos computacionais de geração de sinais de sEMG. Analisaram-se tanto características e parâmetros de formatos de MUAPs individualmente, quanto as densidades espectrais de potência (PSD) e funções de densidade de probabilidade (PDF) das amplitudes dos sinais de sEMG captados em contrações isométricas de força controlada de 5%, 10% e 20% da contração voluntária máxima de cada sujeito. Com base nessas análises, propôs-se uma nova versão para o modelo de geração de MUAPs atualmente implementado no ReMoto que fosse capaz de gerar sinais de sEMG mais semelhantes aos sinais biológicos mensurados em humanos. Os MUAPs obtidos dos sinais de sEMG coletados experimentalmente foram expandidos em funções de Hermite-Rodriguez, permitindo com que suas respectivas durações e amplitudes fossem ajustadas para diferentes condições de simulação. Então, um método heurístico foi utilizado para compatibilizar os PSDs e PDFs calculados a partir de sinais sintéticos gerados pelo simulador proposto com os de sinais reais coletados experimentalmente sob as mesmas condições de captação. E desse modo, além de gerar sinais mioelétricos mais compatíveis com sinais reais do que a versão atual do ReMoto, a calibração do modelo proposto em referência aos PDFs e PSDs de sinais reais foi um método sugerido para se extrapolar as amplitudes e durações de MUAPs superficiais associados a UMs tardiamente recrutadas, que são de difícil captação e discriminação em músculos humanos.

The Motor Unit (MU), the name given to a motor neuron and the group of muscle fibers it innervates, is the most elementary component through which the nervous system controls muscular contractions. Each MU activation begins with the formation of action potentials in the motoneuron which then propagate to the neuromuscular junctions which promote the generation of muscle fiber action potentials which are then propagated bilaterally on the fibers sarcolemma to the tendons, along with the almost simultaneous contraction of all its respective muscle fibers. The resultant spatial-temporal sum of these action potentials that propagates on the muscle fibers of a single MU is called Motor Unit Action Potential (MUAP). The myoelectric signal formed by the sum of MUAPs of different MUs and captured with an appropriate placement of electrodes is called an electromyogram. Surface electromyography (sEMG), a technique to acquire these signals with surface electrodes, is a tool widely used in many studies, particularly those related to kinesiology and muscular fatigue. In light of its importance in physiological studies, the sEMG signals have also been synthesized by computer simulators with different levels of biological resemblance. One of these simulators was developed by the Biomedical Engineering Laboratory of Escola Politecnica of the University of São Paulo and it is called ReMoto. This simulator is based on models of the underlying mechanisms of motoneurons in the spinal cord which produce action potentials trains for the input to an algorithm to generate MUAPs. This study presents a new approach to quantitatively and qualitatively characterize sEMG signals of four leg muscles (Soleus, Gastrocnemius Medialis, Gastrocnemius Lateralis, Tibialis Anterior) to provide a database of biological features pertaining to the development and validation of computational models of sEMG signal generation. Characteristics and parameters of MUAPs waveforms were analyzed individually, as well as Power Spectral Densities (PSD) and Probability Density Functions (PDF) of sEMG signals which had been captured during isometric constant-force contractions of 5%, 10% and 20% of each subjects maximal contraction force. Based on these analyses, a new version of MUAPs generation model was developed, to be included in the future in the ReMoto simulator. This MUAP generation model is able to generate EMG signals with an improved similarity to biological signals measured in humans when compared to what is available today in ReMoto. MUAPs obtained from experimentally collected sEMG signals were expanded in Hermite-Rodriguez functions, making it possible to adjust their duration and amplitude quantitatively for different simulation scenarios. Following this, a heuristic method was used to fit the PSDs and PDFs calculated from synthetic signals generated by the proposed simulator with signals collected experimentally under the same conditions of acquisition. The heuristic fitting approaches of the proposed model in reference to the PDFs and PSDs of human signals were suggested not only to generate myoelectric signals more compatible with human signals than the ones generated with actual version implemented in ReMoto, but also to extrapolate amplitudes and durations of superficial MUAPs associated with late recruited MUs, which are in turn difficult to capture and discriminate from human muscles.