Os sinais de eletromiografia podem ser analisados a fim de realizar o diagnóstico de doenças neuromusculares. Sendo assim, o estudo desse tipo de sinal é de fundamental importância. Dentre os métodos de análise, a modelagem linear somada a outras técnicas de processamento de sinais é amplamente utilizada na literatura. Dessa forma, seria possível empregá-la para a geração de sinais de eletromiografia que pudessem ser utilizados no processo de ensino-aprendizagem de temas relacionados, assim como na elaboração de metodologias de classificação diagnóstica. Assim, este trabalho desenvolve uma ferramenta capaz de alcançar esses objetivos a partir da sintetização de sinais de eletromiografia para indivíduos normais, miopáticos e neuropáticos, em contração forte, por meio de modelagem linear. Como resultado, obteve-se uma ferramenta capaz de gerar computacionalmente esses sinais em acordo com o esperado pela teoria, de forma que sua utilização em ambiente de sala de aula possa ser valiosa. Além disso, esses sinais foram usados em testes com classificadores já conhecidos. Os resultados foram satisfatórios e indicaram que esses sinais também possuem o potencial de serem empregados no desenvolvimento de novas técnicas voltadas ao diagnóstico de patologias, notadamente, no treinamento de classificadores.

Electromyography signals can be analyzed in order to diagnose neuromuscular diseases. Therefore, studying this type of signal is of great importance. Among the analysis methods, linear modeling combined with other signal processing techniques is widely used in the literature. Thus, it would be possible to use this type of modeling to generate electromyography signals that could be used in the teaching-learning process of related topics, as well as in the development of diagnostic classification methods. Therefore, this work develops a tool capable of achieving these objectives through the synthesis of electromyography signals for normal, myopathic, and neuropathic individuals in strong contraction through linear modeling. As a result, a tool capable of generating these computational signals in accordance with the expected theory was obtained, so that their use in the classroom environment can be valuable. In addition, tests involving such signals have shown that they also have the potential to be employed in the development of techniques aimed at diagnosing pathologies, notably in the training of classifiers.