表面肌电信号模式识别及其运动分析

前言 I 前 言 表面肌电信号因其采集过程的无创性、易被检测性而被广泛研究应用。本论文以具有多重功能的智能仿生手实现为目标， 针对表面肌电信号具有的多种特性，着重于信号的采集分析、处理、特征提取及模式分类方法的研究，建立人手各手势运动模式与信号间的对应关系，并控制仿生手完成相应操作，以此替代伤残人员手臂缺失或无法正常使用的部分，减少因伤残带来的不便。鉴于这样一个目的，本文将问题划分为几个方面进行研究。 (1)将语音信号端点检测常用算法应用于表面肌电信号的活动段检测， 对比分析不同算法的可行性。利用边缘最大后验概率估计，提出一种阈值设定方法改进经典 子，实现表面肌电信号活动段的自动、快速、有效提取。 (2)表面肌电信号自身十分微弱， 容易被各种噪声污染。 采用巴特沃斯带通、带阻数字滤波器， 提出将神经网络与奇异值分解相结合的方法实现信号的有效降噪，在获得较高信噪比的前提下尽可能的保留信号中的有用信息。 (3)分析表面肌电信号产生机理，确定表面肌电电极位置。为有效实现人手全部功能，选取 8 种姿态模式并归纳 4 种预抓取模式。采集姿态模式信号，对比并选取具有较强分类能力且能够充分表征信号的特征，进行模式识别实验。 (4)提出权值优化的有监督 络，以稳定提高分类器的识别率。同时针对标注样本不易获取的特点， 应用改进网络建立可进行在线识别的半监督 络。 2 种分类器可以有效实现预抓取模式的识别。 (5)应用虚拟技术建立多自由度仿生手，选用经典 法搭建控制器，将经由模式识别系统得到的识别结果转换为高级指令， 以控制仿生手在线虚拟实现。该过程进一步验证表面肌电信号的识别能力及对智能仿生手的可控性。 资助本文相关研究的项目有：吉林大学博士研究生交叉学科科研资助计划项目 (2011吉林大学“ 985 工程”工程仿生科技创 新平台项目；吉林省科技发展计划项目 (20090350)；高等院校博士专项科研基金 (20100061110029)。 摘要 要 表面肌电信号模式识别及其运动分析 智能仿生手能够通过人脑的思考自由指挥 仿生手完成相应功能。多种可控制信号源中，表面肌电信号的采集过程具有无创性，是直接由人体肌肉活动得到的生理信号，可以更加直接、自然地进行控 制。以多重功能的智能仿生 手实时实现为目标，针对表面肌电信号特点，就仿生手信号处理及控制实现进行研究。 (1)如何自动完成表面肌电信号活动段检测，并提高其准确性是实现仿生手实时有效控制的重要前提。本文将问 题等同于图像处理中的边缘 检测，利用边缘最大后验概率估计，提出一种阈值设定方法改进经典 子。基于与语音端点检测的相似性，尝试应用多种语音处理算法提 取活动段。对比实验结果， 多种算法可以自动有效提取活动段，其中改进 法检测结果更加理想。 (2)表面肌电信号十分微弱，易混入不同噪声。本文提出权值优化 经网络确定基于奇异值分解降噪的 矩阵重构阶次。选取巴特沃 斯带通、带阻数字滤波器消减基线漂移、信号不稳定影响及 50频。奇异值分解滤波后信号，利用含噪信号奇异谱图中噪声平台平缓、集 中特性，向谱图纵轴投影， 应用优化网络合理确定噪声平台边界。仿真结果表明提出方法较好实现了信号的降噪。 (3)分析表面肌电信号产生机理，确定表面肌电电极放置位置。观察日常生活中人手能够完成的多种功能，选取 8 种具有代表性的姿态模式，应用提出的活动段检测和降噪算法进行信号处理，对比 不同信号特征，选取具有代 表性，并可全面表征信号的型系数送入无监督 络进行识别实验。实验结果进一步证明了提出算法的有效性。针对可能的抓取实现归纳 4 种预抓取模式。 (4)为提高表面肌电信号模式识别正确率及在线识别能力，本文提出权值优化的有监督及在线半监督 络。该有监督网络通过增加输出层调整网络结构，并优化初始权值。分析有监督网络的不足，应用多分类器识别结果及 据剪辑算法筛选预标记样本，并入已标记样本集更 新分类器得到在线半监督网络。 4 种预抓取模式识别实验证明 2 种分类器具有较高的分类能力。 (5)进行虚拟仿真验证模式识别结果及表面肌电信号的控制能力。嵌入提出的信号预处理、特征提取及模式识别算法，联合 件建立的多自由度仿生手和过 制算法搭建的仿生手控制器进行虚拟仿真， 证明该类方法适用于具有较高仿生程度的仿生手。 关键词： 表面肌电信号，信号处理，模式识别，神经网络 of to of to as a of be is of be to in To as in of of on of (1)to is an to of In be to in of a is to to of to in to of of in (2)to a to of of in to of 0Hz VD to To of of of of on in is to of to of of (3)to of of of of 林大学硕士学位论文 VI of s be to in to to s R is is to of of in of (4)In to of a an in is by an to of is by to of (5)is to of is to up a ID to is a 录 录 第 1 章 绪论.问题的提出与研究意义.相关问题的国内外研究现状.智能仿生手总体结构.本文研究问题的国内外研究现状 .存在的问题.本文的主要内容和结构安排.研究目标及主要问题.科研项目资助情况.信号采集实验条件.章节安排.第 2 章 表面肌电信号活动段检测.引言.活动段检测方法.模式识别方法.图像处理方法.改进 测.经典 子.改进 测.不同算法比较分析.本章小结.第 3 章 表面肌电信号降噪.吉林大学硕士学位论文 引言.基线漂移.工频干扰.背景噪声.奇异值分解降噪.权值优化 络.基于神经网络的奇异值分解降噪 .奇异值分解比较分析.本章小结.第 4 章 姿态模式识别.引言.表面肌电信号采集.表面肌电信号产生机理 .前臂功能性位置选择.表面肌电信号预处理算法验证 .姿态模式选取.表面肌电信号活动段检测 .表面肌电信号降噪.特征提取及选择.统计特征提取.基于信号非平稳特性特征提取 .基于参数模型的特征提取 .实验结果分析.姿态模式识别比较.本章小结.目录 章 预抓取模式识别及虚拟实现.引言.预抓取模式定义.基于改进 络的预抓取模式识别 .权值优化有监督 络.模式识别仿真实验.基于在线半监督 络的预抓取模式识别 .在线半监督 络.模式识别仿真实验.虚拟实现.仿生手控制器设计.智能仿生手虚拟在线.本章小结.第 6 章 全文总结.文的研究工作总结.背景概述.工作总结.需要进一步研究的问题.参考文献.作者简介及研究成果.致 谢.第 1 章 绪论 1第1章 绪论 围绕表面肌电信号控制智能仿生手的问题提出及研究意义， 就相关问题的国内外发展现状进行归纳阐述，分析智能仿生手研究中可能存在的问题，并依此列出全文研究路线及主要内容。 问题的提出与研究意义 人手作为人体重要器官之一，在人们的日 常生活中有着举足轻重的作用，不仅需要通过其进行各项劳动性行为 ，在与他人交流或探索未知 物体时同样占据重要地位。由于人手具有十分精细的结构，决定了其可以完成多种复杂的功能，长期不断地学习、训练使复杂功能的实现成为可能1。这些是因人脑与手部间长期相互促进、影响、进化的结果，致使人脑在控制人手完成相应运动模式时无需投入额外的心理关注2。 机器人研究领域，研究者模仿人手运动模 式的特性研制各种面向已知环境的工业机器人末端执行器3。该类机器手均是针对特定任务环境而搭建的，无法具有普遍适用性。有学者基于对人手外形、 运动模式等方面特点的高度 仿生，提出面向未知环境的仿人型机器手4， 等。这类机器手的控制研究结合了生物与机械电子技术，为将其用于辅助伤残人员的康复型仿生手研究发展奠定了基础。 康复型仿生手，即是用于提升因事故、战 争、先天疾病等原因造成手臂部分缺失或无法正常使用的伤残人员生 活质量的机器手，降低因缺 失部分造成日常生活中的不便，替代其完成相应必要功能 。现阶段的商业仿生手只是 能够实现简单的开合操作，功能少、装饰性强。随着各项 科学技术的发展与进步，智 能性、灵活性、实用性成为研究人员的目标，伤残人员也 越发希望可以如正常人般依 靠意志“指挥”仿生手。依此，两条研究途径成为主线：根据人体的组织结构实现肢体的再生；智能仿生手替代。相较于前者的不易实现，后者 的尝试、研究、实现更容易 找到突破口。智能仿生手是一种人工生物电子装置，将人 体神经系统与多传感器相连 以控制机器仿生手实现缺失部分的功能，如 ， I7， ， 等，研究人员对智能仿生手进行深入研究以增强其功能性。 根据控制方式可以将康复型仿生手分为 3 类：装饰型，只为了弥补外观上的不足，不具有实际功能性作用；索控 型，运用健全部分肢体索引 仿生手完成单自由度的简单性操作；肌电控制型，根据手 臂残余部分的肌肉活动时序 信号，将其转换为高级指令以控制仿生手完成相应操作。这 3 类中，肌电控制型仿生性能好，完成的操作更加自然，因此众多研究人员将肌电信号作为人减少使用者的伤痛，由皮肤表面采集到 的表面肌电信号成为首要选 择。该信号是由皮肤表面处检测到的表皮下肌肉电刺激产 生的复杂生物信号，因其具 有的无创性，已被广泛应用吉林大学硕士学位论文 2 于医学、康复、体育科学等研 究领域。通过模式识别系统 区分表面肌电信号以识别其代表的不同运动模式，并在研 究中尝试提取信号中的多方 面信息从而得到需要的电刺激或反馈调节作用。 仿生手肌电控制技术自 1960 年第一个临床应用实现以来持续稳定发展10，可见针对表面肌电信号的分析、研究 及处理，并由此配置相宜的肌电控制方法是智能仿生手发展的关键环节。 相关问题的国内外研究现状 智能仿生手总体结构 智能仿生手以人手的形状、多功能为目标 ，对其的研究趋向于多自由度、多控制源、多传感器、具有反馈功能、小型化及高集成的方向发展11。随着科学技术的进步，早期有加拿大的 2、英国的 3、 4等，近期很多国内外研究机构也相继推出各有特色的仿生 手，部分典型仿生手及参数15按驱动原理分类如表 示。 表 部分典型仿生手及参数 驱动原理 仿生手 手指个数 自由度数 驱动器数 驱动位置 16 6 组合键驱动 16 5 外置 16 6 外置 15 12 外置 16 16 外置 15 1 内置 16 6 内置腱驱动 16 4 内置第 1 章 绪论 3续表 部分典型仿生手及参数 驱动原理 仿生手 手指个数 自由度数 驱动器数驱动位置连杆交叉腱 15 2 内置连杆 5 15 4 内置连杆欠驱动 15 3 内置耦合连杆 V 5 15 5 内置液体驱动器 8 1 外置由表 以看出智能仿生手研究的整体发展趋势，然而这样的研究很少能够应用到临床中。目前市面上，可购买的 较为成型的是由英国 制的 仿生手可以通过单 /双电极实现简单的张开 /闭合操作，售价却高达 8500 英镑，无法被伤残人员广泛使用。 在众多的研究实验中，美国国防高级研究计划署提出“神经定向再分布”技术16如图 示。 2006 年，医生通过 6 个小时的手术，将原美国海军陆战队成员米切尔手臂处被切断和暂时停止的神 经移植到肩膀的肌肉下方。 使用者利用胸肌的收缩使移植的神经再次觉醒，从而使仿 生手可以依据使用者意识驱 动，甚至可以通过触摸既定位置实现冷、热等感官功能。这种技术配置复杂、花费高，难以令伤残人员接受。 图 “神经定向再分布”技术 另外，科研人员还尝试使用植入式神经信号17和脑机接口技术进行仿生手的控制。然而各自都具有自身的局限性 与一定的危险性，限制了其 推广及临床应用。因此，能够直接感知并检测动作18、采集方式简单、无需外科手术即可采集到的表面肌电信号，目前成为仿生手控制信息源的主流方向。 吉林大学硕士学位论文 4 0 1000 2000 3000 4000 5000 6000 7000 000 2000 3000 4000 5000 6000 7000 智能仿生手总体结构 图 智能仿生手的总体结构，由人体控制信号产生、信息采集、模式识别系统、仿生手控制、生物反馈五 个基本部分组成。首先，由 人脑产生运动思考，神经冲动刺激相应肌肉产生不同收缩 ，募集的运动单位连续发放 形成动作电位序列。肌电采集系统经由表面肌电电极进行 信号采集，该信号是皮下组 织及检测过程中可能掺杂噪声综合作用的结果，可经由采 集系统进行初步预处理。模 式识别系统中，对代表人手肌肉收缩模式的表面肌电信号 进行活动段检测和降噪，提 取有效特征送入分类器进行模式识别分类，得到仿生手运 动控制的高级指令。虚拟仿 生手经由手指关节角等信息反馈形成内部控制闭环。最后 通过视觉等反馈形式进行仿 生手内部以及同外部信息的交互，并将反馈信息传递至人体形成外部大的闭环实现。 本文研究问题的国内外研究现状 人体各种运动模式包含着丰富的静态和动 态信息，为有效捕获并区分其中的有用信息，需要准确提取不同模式的活动段，不同 运动模式之间有时会相互影响19。从采集手势模式信息的仪器来看，目前 主要有基于数据手套的手势识别20、基于视觉的手势识别及基于肌电信号的手势识别。 自 1948年 生手的肌电控制经历了采用 暂态肌电信号、人工神经网络21、小波分解以及在线学习22等关键性阶段。 3等人开发了一套基于腕部及手指运动模式表面肌电信号的可控制游戏飞机飞行轨迹虚拟游戏杆。 4等人通过 6 种腕部运动模式的表面肌电信号实时控制电脑鼠标。 在信号处理阶段能够准确判断人手运动模 式开始即肌肉收缩发起的时间，对于运动控制等研究有着重要性的作 用。早期经由经验丰富的医 师通过观察肌电图检测活动段，检测者经验及技术的不同 造成比较大的个体差异性。 所以相对客观的自组织人工第 1 章 绪论 5神经网络、短时傅里叶、移动平均等被相继提出。陈香25等提出应用平方移动平均法，通过设定合适的时间窗口宽度 及阈值有效确定活动段的起 始点。表面肌电信号是一种具有非线性、非平稳特性的复 杂生物信号，信号自身十分 微弱，易受噪声污染。吴正大26等人提出应用傅里叶变换的方法对信号进 行分析并简化。自此后许多基于由傅里叶变换变形得来的小波变换方法相应产生， 如 7等应用的多小波去噪方法，这些方法都有效去除了表面肌电信号中可能含有的噪声，并尽可能保留其中的有用信息。 经过预处理过程的表面肌电信号，提取信 号中的固有性数据用于表征该信号，这样的过程即特征提取。根据不同的理论方法，现阶段有时域、频域、时阶普及混沌与分形等方法被用于表面肌电信号特征的提取。 8等人利用隐马尔可夫模型对肌电信号进行特征提取，并在模式识别实验中得到了较为理想的结果。 析功率谱 ，借由高频与低频的幅值比得到正常与疾病个体间功率谱的差异。 R. 9等讨论总结了基于傅里叶变换与 运动模式的分类识别是智能仿生手实现的 关键性问题。目前针对识别率的问题，国内外基于表面肌电信号的模 式识别方法已取得了丰硕的 成果。众多分类方法被提出并应用：基于统计的分类方法 ；模糊分类；模式聚类分类 方法；神经网络分类法。其中因神经网络具有很强的非线性处 理能力而被广泛的应用。早期 种运动模式进行识别，获得 62%的识别率，验证了 此多种以 提升识别率为目标的基于神 经网络模式识别算法被相应提出并研究。 N. 0等人应用 个手指的 5种弯屈运动模式进行分类，平均错误率约为 2%。 种运动模式的时域统计量特征，经由多层感知器神经网络进行分类，获得 90%识别率。 敛速度快，张海虹等人选用该网络对 4种运动模式的小波系数进行分类并得到了理想的识别率。 罗志增等人提取信号的功率谱比值送入径向基函数 (经网络进行识别， 分类结果十分理想。李媛媛等人联合信号的绝对值均值及 5阶 用一种基于自适应共振理论 (神经网络作为分类器，对 8种运动模式进行识别，识别正确率达到 90%以上。 存在的问题 智能仿生手高度模仿人手外形、运动模式 等全方面特点，无论是外观美化、内部机械结构、嵌入式仿生系统等 方面研究都无疑对广大学者 提出严格要求。现阶段，通过针对表面肌电信号控制智能 仿生手各方面的研究概述， 可以确定该问题的研究已得吉林大学硕士学位论文 6 到了长期关注，并取得了具有 较为深远意义的发展。但是 任何相关问题的研究都具有可以改进的空间， 将智能仿生手应用于实际生活中仍有部分问题有待进一步加强研究。 (1)有效活动段起止点的标注。在表面肌电信号控制的过程中，需要通过模式识别得到运动模式类别，以规划仿 生手完成相应操作。检测表 面肌电信号处的肌肉群不可能始终处于收缩状态，也就是 说有效区分信号中运动模式 的发起时间是实现模式分类的关键。现阶段众多活动段检 测方法在提取活动段的过程 中无法完全脱离人为因素，均需要依靠丰富的先验知识， 经过检测者的观察设定相关 参数，这样的方法缺乏一定的理论支持，在实际的操作中 限制了整个系统实现的实时 性，增加了不确定因素。需要提出快速、有效的活动段检测方法，使其脱离人为参与。 (2)信号中干扰信息的滤除及有用信息的保留。通过人体皮肤表面采集到的肌电信号是一种十分复杂的生物电信 号，其自身具有十分强的非 线性与非平稳性，在实际采集过程中极易混入各种噪声。 这些噪声中有因为采集仪器 中电路的设计带来的电子噪声，有因为环境中无法避免的 电磁辐射造成的影响，也有 因信号自身的强随机性产生的波动。因此针对经由不同原 因产生并具有不同特性的噪 声，需要采用不同的方法实现表面肌电信号的降噪。很多 已提出的降噪方法都能较好 的消除表面肌电信号中的干扰信息，但因信号不稳定性及 易受噪声污染的特性，降噪 效果上仍具有很大的提升空间。需要更能被广泛使用的降噪方法以区分信号中的干扰与有用信息。 (3)人手多功能信号的采集及特征提取。为使智能仿生手可以更为全面的模仿人手以替代伤残人员缺失或无法实 现的功能，不致给日常生活 带来过多的不便。设计的仿生手不光需要可以完成对物体 进行包络、把持的抓取功能 ，还需要各种姿态模式以实现与他人间的交流和对未知物 体的探知。同时为了能够得 到更为理想的模式识别结果以控制仿生手，关键是提取有 效的信号特征。分析讨论典 型的特征提取方法，对提取的特征进行比较，从中找出更 具有代表性和一定分离性的 特征作为模式识别的输入。最后经由分类器的识别率验证整个信号处理过程中各种方法的有效性。 (4)针对实际应用改进模式识别分类器。从商业应用的角度来看，现阶段的模式分类器在设计结构、运算时间上 都明显存在着一定的不足。 而就智能仿生手来说，模式分类器的识别率是实现其各项 功能的关键性因素，所以提 高分类器的分类识别能力是整个系统研究中的重要问题。 在众多应用中，神经网络因 自身一定的优越性而被广泛使用。但神经网络在实际使用 中并不稳定，其识别结果含 有许多的不确定因素。因此需要针对其结构的稳定性，设 计有效、快速、高识别率的 识别网络。不仅如此，仿生手在实际应用中需要实时地实 现自身功能，为提高识别系 统的实时性，研究能够在线进行模式识别的网络进行识别分类。 (5)智能仿生手系统的在线虚拟实现。很多较为完善的智能仿生手系统研究仍处于理论研究阶段，只是通过仿真 实验验证分类器的识别率， 缺乏与实际应用的结合。而已应用到仿生手实体的算法均 以典型为基础，其可实现的 功能性不足。虚拟技术可以第 1 章 绪论 7大大降低系统开发的周期及不 必要的资源浪费，即可验证 整个系统的可行性。通过该技术建立仿生手虚拟模型，嵌 入信号预处理、特征提取及 模式识别分类过程中各研究算法，最后连接模式识别系统 与仿生手控制部分，在线虚 拟实现表面肌电信号控制的智能仿生手总体结构功能。 本文的主要内容和结构安排 研究目标及主要问题 本论文的主要研究目标即是建立具有多重 仿人手功能和实时操作的智能仿生手系统。分析人体生理信号，确立 表面肌电信号成为控制源的 可能性。采集实验人员不同手势运动模式下产生的表面肌 电信号，并根据信号特性提 取有效活动段、滤除可能包含的噪声，提取具有代表性的 特征送入为应对实际应用改 进的分类器进行模式识别，根据识别分类结果建立不同运 动模式与表面肌电信号间的 关系，依据两者间的对应关系完成智能仿生手的表面肌电控制系统建立。 根据论文的研究目标，就采集的表面肌电 信号进行活动段检测、降噪的预处理，以及特征提取、模式识别和仿生手控制实现进行主要研究。 (1)表面肌电信号活动段的有效提取 针对表面肌电信号具有的不同特性，提升 信号处理过程中的实时性，降低人为参与的程度。对比多种可自动、 快速标记活动段信号起止点 的检测算法，并应用于表面肌电信号活动段检测实验，找出适合的算法有效提取活动段。 (2)表面肌电信号降噪处理 由于表面肌电信号微弱、易受噪声污染， 分析信号中可能含有的各种噪声影响。应对不同噪声特性，采用不同 的降噪算法对比，实现有效 的表面肌电信号降噪处理，以最大程度地去除信号中的干扰并保留细节信息。 (3)表面肌电信号产生机理阐述及特征提取 分析人体中表面肌电信号产生与肌肉运动 间的关系，明确信号产生机理。通过反复实验观察，确定表面肌电电 极放置位置。有效提取不同 运动模式的各种特征，对比找出其中具有一定代表性、分离性的特征用于表征信号信息。 (4)姿态模式识别 人手日常生活中的运动模式可划分为姿态 与抓取两种模式，为提升智能仿生手的灵活性，选取 8 种不同人手运动模式进行模式识别分类。通过信号的活动段检测、降噪、特征提取及有效分类器的识别分类进一步验证提出算法的有效性。 (5)预抓取模式识别及虚拟在线实现 可以将抓取模式分为预抓取与抓取实施两 个阶段，分析日常生活中可能的抓取实现归纳 4 种基本预抓取模式。针对智能仿生手的实时性，设计不易受输入数据影响，且可以实现快速、稳定分类的 分类器，对不同预抓取模式 的表面肌电信号进行模式分吉林大学硕士学位论文 8 类。最后连接模式识别系统与虚拟仿生手控制器，在线实现智能仿生手的整体功能。 科研项目资助情况 资助本文相关研究的项目有：吉林大学博 士研究生交叉学科科研资助计划项目(2011具有临场感智能仿生手臂运动建模与模式识别理论方法研究；吉林大学“ 985 工程”工程仿生科技创新平台项目；吉林省科技发展计划项目(20090350)，具有温度、触滑觉临场感的仿生手臂研制与开发；高等院校博士专项科研基金 (20100061110029)，具有临场感智能仿生手臂运动些项目以具有 多重功能的智能仿生手实现 为目标，分析采集人体肌肉活动有效信号对其进行信号预处理、特征提取及模式分类，找到表面肌电信号与人手各手势运动 模式之间的关系，利用这种 关系建立智能仿生手的表面肌电控制系统，以此提高伤残人员的生活质量。 信号采集实验条件 通过反复实验确定实验人员及设备选取和放置条件。 采集仪器： 面肌电采集系统 (仪器具有 8 个通道， 1 个参考电极，最高信号采集频率可达 1000010采样信号带宽 )； 采样频率： 2000 电极放置： 2 组双极性表面肌电电极顺着肌肉 纤维方向，放置于实验人员右前臂肱桡肌和尺侧腕屈肌处，双极性电极间位置间隔约为 2 厘米， 1 个参考电极放置于同侧手腕凸起骨节处； 实验人员：无前臂肌肉神经病史，惯用右手； 采集过程：同种运动模式持续重复 100 次，每次间隔时间为 1s，放松时手臂处于自然垂下状态。 章节安排 围绕本论文的研究目标开问题研究，全文研究流程如图 示。按照该流程，安排各章节。 图 智能仿生手总体流程图 第一章：绪论。概括介绍了研究智能仿生 手问题的重要性，通过分析众多学者关第 1 章 绪论 9于多种可能控制信号源特性的 相关研究，确立表面肌电信 号用于控制智能仿生手的可行性。搭建智能仿生手总体结 构，就相关系统模块的研究 现状进行概述，找出现阶段存在