表面肌電信號（Surface Electromyography）是眾多生物電信號中的一種，也是相對來說最容易獲取的一種電生理信號。將電極片放置在人體的皮膚表面，可以記錄到皮膚表面因肌肉收縮而產生的微弱的電位差，而這個微弱的電位信號通過肌電采集電路的放大和轉換就形成了可用作處理的表面肌電信號。sEMG是及其微弱的，下面是肌電與常見電源的電壓值比較。

采集sEMG的裝置很多，國內外均有比較成熟的產品在售，例如美國的Delsys、Noraxon、瑞典的MYON、德國FREEEMG（下圖從左到右）

國內也有一些廠商在做肌電儀，雖然知名度不如Delsys這些全球廠商做的大，但是可以滿足一般的科研條件，例如杭州交浦科技研發的ELONXI肌電儀

這些產品在性能上大致相同，區別在于：1）通道數，這決定了采集肌肉塊的數量，一般通道數越多，信息越豐富；2）通信方式，現在一般是采用藍牙或者WIFI通信；3）采樣率，采樣率高表示單位時間內獲取的有效信息更多，能夠甄別出更多肌肉突變的信息，當然也存在著信息冗余，增加計算時間的缺點；4）軟件功能支持，包括接口支持、濾波支持、內置處理方法等。

上述對產品的簡單介紹只是讓大家了解一下采集肌電信號的設備，當然也有很多實驗室會自己研發特定需求的肌電采集裝置來滿足實驗需求。采集的過程是基本步驟，當然如果僅僅要驗證算法，可以使用公共數據集進行測試，比較有名的公共數據集是Ninapro，體量大，數據量全，針對的場景也比較廣。當然還有high-density肌電陣列采集的數據集，浙江大學的CapgMyo。

那么肌電是如何產生的呢？

其實人體的各種運動的源頭信號均來自于大腦，相當于一個指揮官在給身體的各個組織部分發送命令。當人體做出某個動作時，脊髓神經會產生一個控制信號并利用神經肌肉接頭作為媒介傳遞到肌纖維，與每個神經元關聯的肌纖維有很多條，這些部分合在一起就構成了所謂的運動單元。肌纖維細胞經過去極化和復極化操作，在神經肌肉接頭處產生動作電位，這個動作電位會沿著神經元的軸突傳導到末梢神經和肌肉接點，一旦運動神經接觸到肌肉，那么它的軸突將會分支到多個肌纖維上，每個分支終止在肌纖維上形成運動突出的過程稱為運動終板。傳導到軸突末梢的動作電位使神經與肌肉的接點釋放化學物質乙酸膽堿，它使得運動終板的離子通透性發生變化產生終板電位，而后，該終板電位使肌細胞膜達到去極化閾值電位，并產生肌纖維的動作電位，這個動作電位沿著肌纖維向兩個肌腱端傳播，引起了肌纖維內的一系列變化，導致肌纖維的收縮，大量肌纖維收縮產生肌肉力，并在其周圍組織中產生細胞外電場。周圍組織經過濾波操作，便可由表面電極或針電極檢測到人體軟組織中因電流場而表現出的電位差，記錄這種肌肉動作電位的曲線稱為肌電圖（Electromyography, EMG），即所謂的肌電信號。

總結一句比較好理解的就是：你想抬胳膊的時候，這個想法從大腦給出，通過神經介質啥的傳遞到能執行抬胳膊的肌肉處，一系列的化學反應之后促使肌肉收縮從而在肌肉纖維上產生動作電位，形成電勢差，恰好你把特殊裝置（肌電貼片）貼合在皮膚表面就獲取到了這個電勢差的變化，產生的微弱的電位信號。加入我們在胳膊的前臂上貼了足夠多的有效電極，那么手部的任何運動在各個電極上產生的電位信號的組合是不相同的，是可區分的。因此，我們可以通過肌電信號來把手勢動作分割出來（對應到整個手臂動作、腿部動作、咽喉部動作、背部動作均可以區分）。下圖是16個通道信號在完成不通手勢的時候的原始信號幅值變化。動作越接近，幅值變化也就越接近。

那么采集到這些信號之后如何處理呢？

一般情況下，采集裝置的軟硬件中都會有一些濾波裝置，例如肌電在20Hz-500Hz有效，那么就用濾波器截取出這部分有效信號，對于50Hz/60Hz的電位串擾噪聲，可以用陷波濾波器去掉。所以我們可以默認從采集裝置中獲取的信號就是比較純凈的信號了（當然噪聲還是很大的，畢竟生物電信號的特點就是不穩定、噪聲大）。對肌電信號的處理流程圖如下所示

當然也不是絕對的這個過程，預處理中的放大、濾波等都可以在硬件中處理。大多數按照這個處理流程：采集——>預處理（濾波）——>特征提取（含分窗）——>分類。其中特征提取和分類一直是做肌電分類的研究者的研究重點。

簡單的介紹下后邊的三個部分

預處理一般就是對獲取到的信號進行軟件處理，可以用小波變換等去噪方法進行去噪，也可以根據處理性能對信號進行重采樣，還可以對信號從頻域或者時頻域上進行分析

特征提取一般是與信號分割（分窗）結合的，采用移動窗口法，在特定的小窗口中提取特征變量，一方面可以降維，另一方面特征量相對原始數據更能體現該段的特征，下圖中的w就是一個窗口，t是一個shift window，相鄰的兩個窗口之間的重合率是（w-t）/ w。因為時序信號往往都存在這上下文相關的特性，所以具備一定的重合更能體現出特征。在w窗口內對這一段信號提取特征，這些特征可以分為時域特征，就是一些統計量啥的，均方根，能量，過零點等等太多了。頻域特征，提取的就是經過傅里葉變換的頻域方面的特征，中值頻率，均值頻率等等，不過頻域特征的效果不如時域特征好。還有時頻域特征，包括小波變換，小波包變換等等。當然還有其他一些特征提取方法，包括有人用深度學習方法CNN從大量的數據中提取出一些“黑盒”特征。

分類就是對特征進行分類，一般現在都是用機器學習方法（包括深度學習）對特征與對應的類別進行建模。傳統意義上的分類方法包括KNN，Bayes，LDA，SVM，ANN，RF等等分類器，效果其實已經很好了。但是大家不滿足傳統分類器經驗指導（設定參數）的模式，覺得如果用深度學習深挖模式關系會更好，然后有了很多人把目前流行的深度學習框架都放到肌電上去跑，從CNN，LSTM到TCN，GCN甚至膠囊網絡等等。

總結一下，本文主要是簡單介紹下肌電是什么，怎么采集，大致的處理流程。更多細致的處理方法見后續...如有錯誤，請評論指正！

?

總結

以上是生活随笔為你收集整理的表面肌电信号（sEMG）介绍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。