目錄

• 簡(jiǎn)介
• 產(chǎn)生原理
• 表面肌電信號(hào)的獲取
• 表面肌電信號(hào)優(yōu)點(diǎn)
• 表面肌電信號(hào)的應(yīng)用
• • 離散運(yùn)動(dòng)模式分類
  • 關(guān)節(jié)連續(xù)運(yùn)動(dòng)估計(jì)
• 最后說(shuō)明

簡(jiǎn)介

肌電信號(hào)（electromyography，EMG）是眾多肌纖維中運(yùn)動(dòng)單元?jiǎng)幼麟娢?#xff08;MUAP）在時(shí)間和空間上的疊加。表面肌電信號(hào)（surface electromyography，sEMG）是淺層肌肉EMG和神經(jīng)干上電活動(dòng)在皮膚表面的綜合效應(yīng)，能在一定程度上反映神經(jīng)肌肉的活動(dòng)；相對(duì)于針電極EMG，sEMG在測(cè)量上具有非侵入性、無(wú)創(chuàng)傷、操作簡(jiǎn)單等優(yōu)點(diǎn) 。因而，sEMG在臨床醫(yī)學(xué)、人機(jī)功效學(xué)、康復(fù)醫(yī)學(xué)以及體育科學(xué)等方面均有重要的實(shí)用價(jià)值。sEMG 是一種非平穩(wěn)的微電信號(hào)，它比肢體運(yùn)動(dòng)一般超前 30~150ms 產(chǎn)生，其幅值在0~1.5mv，有用信號(hào)頻率成分位于 0~500Hz，主要能量集中在 20~150Hz。

產(chǎn)生原理

表面肌電信號(hào)（EMG）是大多數(shù)運(yùn)動(dòng)單元發(fā)出的潛在動(dòng)作序列，是人體皮膚表面在時(shí)間和空間上重疊的結(jié)果，而肌肉是運(yùn)動(dòng)系統(tǒng)的重要組成部分，將化學(xué)能轉(zhuǎn)化為機(jī)械能與人體的各種運(yùn)動(dòng)或多或少地相關(guān)。興奮和收縮是骨骼肌最基本的功能，是產(chǎn)生肌電信號(hào)的基礎(chǔ)。記錄不同操作條件下骨骼肌的潛在變化。這與肌肉結(jié)構(gòu)，收縮強(qiáng)度和收縮過(guò)程中的化學(xué)變化有關(guān)，它源自脊髓的運(yùn)動(dòng)單元，如圖1所示，它是中樞神經(jīng)系統(tǒng)的一部分，運(yùn)動(dòng)神經(jīng)元體位于其中，軸突延伸至肌肉纖維并與之連接。其具體產(chǎn)生過(guò)程可用圖2表示。

表面肌電信號(hào)的獲取

研究者們?cè)趯?duì)肌電信號(hào)深入研究的過(guò)程中，主要有兩種肌電信號(hào)的獲取方式，即植入式電極或表面電極。根據(jù)近年兩種方法在肌電信號(hào)采集與分析中的表現(xiàn)，表面電極所獲取的肌電信號(hào)(即sEMG)中包含豐富的信息能夠反應(yīng)肢體的運(yùn)動(dòng)意圖和運(yùn)動(dòng)狀態(tài)，且具有無(wú)創(chuàng)性，而植入式電極在采集過(guò)程中肌肉纖維間會(huì)產(chǎn)生過(guò)多的噪聲串?dāng)_。當(dāng)肌肉收縮時(shí)會(huì)釋放0~1.5mv的電信號(hào)，sEMG的采集就是將電極貼在待測(cè)肌肉的皮膚表面來(lái)拾取這些電信號(hào)，如圖3所示。

表面肌電信號(hào)優(yōu)點(diǎn)

與傳統(tǒng)的非生物電人機(jī)交互方式相比，基于 sEMG 的人機(jī)交互方式有以下優(yōu)點(diǎn)：
(1) 可以對(duì)機(jī)器人實(shí)現(xiàn)自然控制（類似人腦控制肢體運(yùn)動(dòng)），交互方式更容易被使用者接受；
(2) sEMG 僅依賴于驅(qū)動(dòng)關(guān)節(jié)運(yùn)動(dòng)的肌肉，不依賴于執(zhí)行運(yùn)動(dòng)的肢體，因此也適用于肢體患病或殘疾患者；
(3) sEMG 超前于人體實(shí)際運(yùn)動(dòng)，可以提供運(yùn)動(dòng)的提前預(yù)判；
(4) sEMG 包含的運(yùn)動(dòng)相關(guān)信息豐富（肌肉力、關(guān)節(jié)力矩、關(guān)節(jié)運(yùn)動(dòng)量等），可以實(shí)現(xiàn)多模式交互控制

表面肌電信號(hào)的應(yīng)用

探索基于 sEMG 的人機(jī)交互方法，對(duì)于打破人機(jī)隔閡，實(shí)現(xiàn)人機(jī)自然交流具有重要意義，圖4 給出了基于 sEMG 的人機(jī)交互圖示，由圖可知，構(gòu)建肌電交互系統(tǒng)的核心技術(shù)是通過(guò)肌電信號(hào)解碼出人的運(yùn)動(dòng)意圖，通常討論的運(yùn)動(dòng)意圖解碼包括兩類，一類是基于肌電信號(hào)識(shí)別肢體離散動(dòng)作模態(tài)，例如手部的握拳、伸掌等動(dòng)作；另一類是基于肌電信號(hào)估計(jì)關(guān)節(jié)連續(xù)運(yùn)動(dòng)量，如關(guān)節(jié)力矩、關(guān)節(jié)角度等連續(xù)量。下面從這兩方面出發(fā)，總結(jié)肌電分析方法研究現(xiàn)狀。
!

離散運(yùn)動(dòng)模式分類

基于肌電的離散動(dòng)作識(shí)別方法是目前研究最多，應(yīng)用技術(shù)最成熟的方法 。一般流程是：首先采集肢體做不同動(dòng)作時(shí)相關(guān)肌肉的 sEMG 信號(hào)；對(duì)信號(hào)進(jìn)行去偏置/去噪預(yù)處理后，提取能表征肢體動(dòng)作的特征信息；再利用 sEMG 特征組成的樣本向量訓(xùn)練分類器，從而建立 sEMG 到動(dòng)作模態(tài)的映射模型；利用已構(gòu)建的運(yùn)動(dòng)模型對(duì)新樣本進(jìn)行分類，識(shí)別相應(yīng)動(dòng)作，識(shí)別結(jié)果將作為控制決策指令輸入機(jī)器人，如圖5所示。sEMG 特征提取和分類模型構(gòu)建是實(shí)現(xiàn)該過(guò)程的兩個(gè)最重要環(huán)節(jié)，其中 sEMG 特征包括時(shí)域特征（如絕對(duì)值積分、波形長(zhǎng)等）、頻率特征（如零穿越次數(shù)、中值頻率、均值頻率等）、時(shí)頻特征（如小波變換系數(shù)、小波包變換系數(shù)等）以及非線性動(dòng)力學(xué)特征等，而已應(yīng)用的分類模型有 Fisher 線性判別、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、多層感知器、K 近鄰、高斯混合模型、隱馬爾可夫模型、模糊分類等等。
當(dāng)前基于sEMG的動(dòng)作分類研究特點(diǎn)如下：

(1) 遴選sEMG特征及設(shè)計(jì)合適分類模型是大多數(shù)動(dòng)作識(shí)別研究關(guān)注的重點(diǎn)；
(2) 合適的sEMG特征及分類模型能有效提高動(dòng)作識(shí)別性能，比如可以識(shí)別8種以上動(dòng)作，識(shí)別精度最高超過(guò)95%；
(3) 測(cè)試者體征（健康/殘疾）直接影響動(dòng)作分類效果，因此開(kāi)發(fā)面向特定使用者的肌電系統(tǒng)（如肌電假肢）時(shí)，相應(yīng)體征的測(cè)試者參與實(shí)驗(yàn)，獲得的結(jié)果更具有參考價(jià)值；
(4) 由于手部動(dòng)作類型繁多、精細(xì)控制復(fù)雜，手部動(dòng)作識(shí)別是測(cè)試分類算法性能的最佳方案；又由于從手部殘疾患者的殘留肌肉易于復(fù)現(xiàn)手部動(dòng)作，因此研發(fā)肌電假手受到了眾多研究者的青睞，而肌電假手也最有可能成為肌電系統(tǒng)應(yīng)用于實(shí)際的先導(dǎo)；
(5) 開(kāi)發(fā)肌電系統(tǒng)時(shí)，系統(tǒng)的普適性和實(shí)時(shí)性是必須關(guān)注的兩個(gè)方面。普適性是指構(gòu)建的系統(tǒng)適用于不同使用者，而實(shí)時(shí)性既包括系統(tǒng)在線應(yīng)用沒(méi)有操作延時(shí)，又包括應(yīng)用系統(tǒng)的前期訓(xùn)練時(shí)間盡量短；
(6) 合理的控制決策（如多數(shù)投票）有助于提高肌電系統(tǒng)的控制性能；
(7) 單自由度動(dòng)作（單一動(dòng)作模式）識(shí)別已獲得了充分的研究，多自由度同步動(dòng)作或組合動(dòng)作模式識(shí)別是未來(lái)研究的重點(diǎn)，也是提高肌電系統(tǒng)實(shí)用性的關(guān)鍵點(diǎn)。

關(guān)節(jié)連續(xù)運(yùn)動(dòng)估計(jì)

基于 sEMG 的動(dòng)作分類只能預(yù)測(cè)少數(shù)離散肢體動(dòng)作，應(yīng)用預(yù)測(cè)結(jié)果控制機(jī)器人，無(wú)法實(shí)現(xiàn)機(jī)器人關(guān)節(jié)像人體關(guān)節(jié)一樣連續(xù)自如運(yùn)動(dòng)，而保證機(jī)器人運(yùn)動(dòng)與人體運(yùn)動(dòng)相匹配是實(shí)現(xiàn)多種新型服務(wù)機(jī)器人安全控制的先決條件，如應(yīng)用于外骨骼機(jī)器人 、醫(yī)療康復(fù)機(jī)器人等，因此通過(guò) sEMG 估計(jì)人體關(guān)節(jié)連續(xù)運(yùn)動(dòng)是近年來(lái)肌電分析研究的新熱點(diǎn) 。利用sEMG 進(jìn)行連續(xù)運(yùn)動(dòng)估計(jì)，通常要計(jì)算 sEMG 信號(hào)包絡(luò)或提取肌肉活躍度作為預(yù)測(cè)輸入，而估計(jì)的運(yùn)動(dòng)量包括肌肉力、關(guān)節(jié)力矩、關(guān)節(jié)角度/角速度等，估計(jì)結(jié)果便可以作為參考輸入控制機(jī)器人，保證機(jī)器人執(zhí)行相應(yīng)運(yùn)動(dòng)的同時(shí)，為使用者提供輔助，圖 6展示了基于 sEMG 的連續(xù)運(yùn)動(dòng)估計(jì)及輔助機(jī)器人控制框圖 ，由圖可知，精確估計(jì)人體連續(xù)運(yùn)動(dòng)量是實(shí)現(xiàn)肌電系統(tǒng)安全輔助功能的前提。

通過(guò) sEMG 估計(jì)關(guān)節(jié)運(yùn)動(dòng)量，進(jìn)而驅(qū)動(dòng)輔助機(jī)器人系統(tǒng)執(zhí)行相關(guān)任務(wù)，是實(shí)現(xiàn)與人體直接接觸的機(jī)器人自然/安全控制的有效途徑，與分類方法相比，基于連續(xù)運(yùn)動(dòng)估計(jì)的控制過(guò)程更能體現(xiàn)類人運(yùn)動(dòng)特征。當(dāng)前研究主要有兩種方法實(shí)現(xiàn)基于 sEMG 的關(guān)節(jié)連續(xù)運(yùn)動(dòng)量估計(jì)：

(1) 結(jié)合肌肉生理力學(xué)建立以 sEMG 為輸入的關(guān)節(jié)動(dòng)力學(xué)模型，進(jìn)而計(jì)算關(guān)節(jié)力矩、角加速度、角速度等量，其中應(yīng)有最多的 Hill 肌肉力模型，它是一種生理現(xiàn)象學(xué)模型，其中含有多個(gè)無(wú)法直接量測(cè)的生理參數(shù)，因此有效的參數(shù)辨識(shí)方法必不可少。另外關(guān)節(jié)運(yùn)動(dòng)量估計(jì)精度很大程度上依賴于模型的準(zhǔn)確性，而精確的模型難以獲得，現(xiàn)有的運(yùn)動(dòng)模型又多是無(wú)反饋的“開(kāi)環(huán)”結(jié)構(gòu)（特別注意：這里的“開(kāi)環(huán)”是借鑒控制術(shù)語(yǔ)，指的是模型的前向無(wú)反饋的結(jié)構(gòu)形式，而與控制學(xué)科中的開(kāi)環(huán)控制不同），容易引起預(yù)測(cè)偏差，甚至發(fā)散；
(2) 直接建立關(guān)聯(lián) sEMG 和關(guān)節(jié)連續(xù)運(yùn)動(dòng)量的回歸模型，其中神經(jīng)網(wǎng)絡(luò)應(yīng)用最普遍，但是神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)形式對(duì)預(yù)測(cè)結(jié)果影響很大，卻沒(méi)有規(guī)范方法定義合適網(wǎng)絡(luò)結(jié)構(gòu)，并且網(wǎng)絡(luò)參數(shù)確定過(guò)度依賴于學(xué)習(xí)數(shù)據(jù)，當(dāng)測(cè)試數(shù)據(jù)和學(xué)習(xí)數(shù)據(jù)有差異時(shí)，易造成網(wǎng)絡(luò)輸出偏離真實(shí)值。與神經(jīng)網(wǎng)絡(luò)模型相比，線性結(jié)構(gòu)的自回歸或多項(xiàng)式模型穩(wěn)定性高，但是難以準(zhǔn)確確定模型階數(shù)，而且模型對(duì) sEMG 和關(guān)節(jié)運(yùn)動(dòng)量的非線性關(guān)系描述不充分，其泛化能力需要進(jìn)一步提高。

最后說(shuō)明

目前只寫(xiě)了前言部分，后續(xù)也會(huì)逐漸寫(xiě)一些信號(hào)采集，信號(hào)處理，特征提取，回歸模型訓(xùn)練，連續(xù)運(yùn)動(dòng)估計(jì)總結(jié)等等。本人是一位新手，如有做得不對(duì)的地方，還望批評(píng)指正，多多交流，謝謝！

總結(jié)

以上是生活随笔為你收集整理的基于表面肌电信号的连续运动估计之前言（一）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。