（测试计量技术及仪器专业论文）基于肌电信号的人手动作模式识别.pdf

中文摘要 通过表面肌电信号控制多自由度的假肢仿生性好，患者操作方便，但是由于 表面肌电信号的识别方法不够成熟，因此距广泛应用还有一段距离。由于表面肌 电信号是弱生理信号，在肢体运动过程中从形态上非常类似随机信号，目前的信 号分析方法还不能非常可靠的达到多个模式动作的准确识别，存在着一定的误识 别率，国内外文献中肌电的平均误识别率仍有2 0 左右。而任何假肢的误动作对 截肢病人都是十分危险的。因此，如何从e m g 信号中有效地提取信息并实现准 确、实时的动作识别，是肌电控制假肢实用化进程中的关键性问题。为此本文在 基于e m g 信号进行人手动作的模式识别方法上进行了理论和实践上的探讨。所 做的主要工作如下： 1 对e m g 信号的预处理技术进行了研究。采用分层阈值和软阂值的小波降 噪方法，并同全局阈值小波降噪法进行了比较。 2 对e m g 信号的特征提取技术进行了研究。对e m g 信号作小波包分解， 利用熵最小准则选取特定频带的小波包系数的能量值构造特征矢量。 3 对人手动作模式识别中的分类器技术进行了研究。选取了学习矢量量化网 络作为分类器，并同b p 网络作了分类性能比较，指出了后者的局限性。 4 对仿生手实时在线控制进行了初步研究。提出了移动时间窗的移动步长的 确定方法，并提出了小波包变换结合主元神经网络的特征提取方法，为实现仿生 手的实时控制打下了基础。 本课题得到了国家自然科学基金( 项目号：5 0 3 7 5 1 0 8 ) 和天津市自然科学基 金( 项目号：0 3 3 6 0 1 6 11 ) 的资助。 关键词： 肌电信号特征提取小波变换人工神经网络模式识别仿生手 a b s t r a c t am u l t i f u n c t i o nm y o e l e c t r i ch a n dc o n t r o l l e db yu s i n ge m gs i g n a l sm i m i c s h u m a nh a n d ，a n di sc o n v e n i e n tt oo p e r a t ef o rt h eh a n d i c a p p e d h o w e v e r , t h e r ei sa l o n gr o a dt og of o ri t se x t e n s i v ea p p l i c a t i o nb e c a u s et h em e a n so fi d e n t i f yt h eh a n d m o v e m e n tp a t t e r n sb a s e do nt h ee m g sa r ei m m a t u r e s u r f a c ee m gs i g n a li sak i n d o fw e a kp h y s i o l o g i c a ls i g n a l ，a n di ti so ft h ec h a r a c t e r i s t i c so fr a n d o ms i g n a l t h e c u r r e n tm e t h o d so fi d e n t i f y i n gt h eh a n dm o v e m e n tp a t t e r n sb a s e do nt h ee m g sa r e n o ts og o o d ，t h e r es t i l le x i s ta b o u t2 0 e r r o r s a n ye r r o ri n i d e n t i f y i n gt h eh a n d m o v e m e n tp a a e r n sb a s e do nt h ee m g sw i l ll e a ds e r i o u sd i s a s t e rt ot h eh a n d i c a p p e d s ot h ek e y st od e s i g nau s a b l em y o e l e c t r i ch a n da r eh o wt oi d e n t i f yt h eh a n d m o v e m e n tp a t t e r n sc o r r e c t l yb a s e do nt h ee m g s t h et h e s i sp e r f o r m ss o m es t u d i e s o ni d e n t i f y m gm e t h o d so fh a n dm o v e m e n tp a a e r n sb a s e do nt h ee m g s t h em a i n w o r ki ss h o w na sf o u o w s ： 1 p r e p r o c e s s i n go ft h ee m gs i g n a l s ：d e n o i s i n go ft h ec o l l e c t e de m gs i g n a l sb y w a v e l e ta n a l y z e ，a d o p t i n gt h el a y e r i n gt h r e s h o l d & t h es o f tt h r e s h o l dm e t h o d ，a n d c a r r y i n gi to nac o m p a r i s o nw i t ht h et o t a lt h r e s h o l dm e t h o d 2 f e a t u r ee x t r a c t i o no fe m g s i g n a l s ：d e c o m p o s i n gt h ea c t u a ls i g n a lw i t hw a v e l e t p a c k e lu s i n gt h es t a n d a r do ft h em i n i m u me n t r o p yt oc h o o s et h ec o e f f i c i e n t so f s e l e c t e df r e q u e n c yr a n g e ，c o m p u t i n gt h e i re n e r g yv a l u et of o r mt h ef e a t u r ev e c t o r 3 p a a e r nc l a s s i f i c a t i o n ：s e l e c t i n gl v qn e t w o r ka st h ec l a s s i f i e r ，c o m p a r i n gi t s c l a s s i f i c a t i o np e r f o r m a n c ew i t hb pn e t w o r k s ，t h e np o i n t i n go u tt h el i m i t a t i o no ft h e b pn e t w o r k 4 ap r e l i m i n a r ys t u d yf o rr e a l - t i m ec o n t r o lo fm y o e l e c t r i ch a n d ：p r o p o s ea s c h e m et os e tt h el e n g t ho ft h em o v i n gw i n d o w ，a n dan o v e lf e a t u r ep r o j e c t i o n m e t h o dw h i c hc o m b i n e sw a v e l e tp a c k e tt r a n s f o r m a t i o na n dp c n n ，t h es t u d yl a y st h e f o u n d a t i o nf o r t h er e a l - t i m ec o n t r o lo ft h em y o e l e c t r i ch a n d t h i sp r o j e c ti ss p o n s o r e db yt h en a t i o n a ln a t u r a ls c i e n c ef o u n d m i o no fc h i n a ( p r o j e c tn o 5 0 3 7 5 10 8 ) a n dt h en a t u r a ls c i e n c ef o u n d a t i o no ft i a n j i n ( p r o j e c tn o 0 3 3 6 0 1 6 11 ) k e yw o r d s ：e m g s i g n a l s ，f e a t u r ee x t r a c t i o n ，w a v e l e tt r a n s f o r m ，a r t i f i c i a l n e u r a ln e t w o r k ，m y o e l e c t i r ch a n d 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得苤盗盘鲎或其他教育机构的学位或证 书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中 作了明确的说明并表示了谢意。 学位论文作者签名： 禾嘉 签字日期：2 口方年2 月占日 学位论文版权使用授权书 本学位论文作者完全了解苤盗盘堂 有关保留、使用学位论文的规定。 特授权丕鲞盘堂可以将学位论文的全部或部分内容编入有关数据库进行检 索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校 向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名： 珠嘉 签字日期：2 伙力年2 月日 篓一 签字日期：2 矿宁年2 月舌日 天津大学硕士学位论文 第一章绪论 3 1 本课题的研究背景与意义 第一章绪论 1 1 1 仿生手研究的必要性与现实意义 康复医学是第二次世界大战后兴起的一个医学领域，它与预防医学，保健医学 和临床医学一起构成现代医学【l j 。康复医学是以人体功能为中心的医学，它的发展反 映了人类社会对于生活质量方面的需求，因此随着社会的进步，其地位也越来越重要。 康复工程学是用工程方法实现人体功能的康复，是现代科学技术与康复医学的 结合。作为生物医学工程中的一个新的重要分支学科，它是近十年来随着康复医学的 迅速发展而发展得最快的一个领域，被公认为2 l 世纪生物医学工程学的重要发展方 向之一i 引。 康复工程的产品就是康复治疗所需的医疗器械。2 0 0 2 年8 月第三次全国残疾人 康复工作会议上，我国卫生部、民政部、财政部、公安部、教育部和中残联六个部委 向全国提出了在2 0 1 5 年实现残疾人，人人享有康复服务的目标。这是一个非常宏大 的目标，因为从康复事业在我国开展的2 0 年以来，得到康复者约为需要者的1 1 0 3 1 。 要实现这个目标，除了各项政策的保证以外，提供各种适合我国国情的康复工程产品 是实现这个目标的物质基础。 假肢行业是康复工程的重要内容和组成部分，直接关系到残肢者的康复，涉及 人口众多。据世界卫生组织统计，全世界残疾人约占总人口的5 ，我国有六千万， 其中肢体残疾者约八百万【4 1 。这些截肢者在日常生活中要遭受种种不便，而且在心理 上还承受巨大的压力，因此，安装假肢的残疾人越来越多。 通过对假肢手使用情况的调查比较表明，l 3 的残疾人并不常常使用假手p 】。造 成这种情况的主要原因是现有假手的功能较差，控制灵敏度及准确率也不令人满意， 而且通常需要身体其它部位的协调控制。由于材料较重，这砦假手的质量也较大，容 易造成使用者身体疲劳。因此，假肢的进一步研究对于残疾人能够进行正常的生活和 更好地融入社会是非常必要的。 仿生手研究的初衷，是要最大限度地恢复患者的前臂功能缺陷，使残疾人融入 社会。本课题研究的仿生手将最终服务于有上肢缺陷的患者，帮助其完成人手抓取等 天津大学硕士学位论文 第一章绪论 动作。 1 1 2 本课题在仿生手研究中的作用和意义 图1 1 为我们拟实现的仿生手控制系统的功能框图，图中虚线框部分正是本文研 究的内容。本文的中心任务是利于人体的生物信号( 主要是肌电信号) 来实现人手动 作的模式识别，包括了人体表面肌电信号的提取、预处理、特征提取和人手动作的模 式识别四个环节，是仿生手控制系统的控制核心。因此，本文的研究对实现仿生手控 制有着基础性的关键作用。 r 。 图1 1 仿生手的控制流程图 3 2 动作模式识别的国内外研究现状 为了准确的实现动作识别，特征提取和模式分类是仿生手控制系统的关键。系 统首先通过对肌电信号分析提取分离度大，鲁棒性好，运算复杂度低的模式特征，然 后将特征输入分类器进行分类。 2 天津大学硕士学位论文第一章绪论 1 2 1 肌电信号的特征提取方法 早期传统方法将肌电信号看成是时间的函数，通过对时域信号的分析，可以得 到信号的某些统计特征，如采用功率作为单一检验统计量的极大似然检测器可以实现 假肢的简单通断控制。如果采用肌电图信号的功率作为判别所需激发假肢功能的唯一 参数，就要求电极的位置点之间有足够远的距离，从而保证产生明显不同的假肢功能 信号。否则，在这种基于信号功率的系统中，由于肌肉的串扰作用将会降低判别的准 确度。这种方法存在的局限性是肌肉的收缩度难以掌握，而且微弱的肌电信号往往淹 没在各种频段的噪声中，而难于提取稳定的信息，也不能充分利用信号谱的形状和时 间特性上的信息。 为了充分利用肌电信号时间过程中的模式特征，近年来随着信号处理方法和计 算机等相关技术的发展，许多新技术被广泛应用于肌电控制假肢的应用，其中参数模 型方法成为肌电信号分析的一个重要方法。自从1 9 7 5 年d g a u p e l 5 卅提出a r m a 模型 进行肌电信号分类来控制假肢，肌电控制假肢研究进入了一个新的发展时期，这一方 法为后来的假肢控制奠定了基石。 g a u p e 首先在1 9 7 5 年将时间序列分析技术引入肌电信号研究。他认为在短时间 间隔中，肌电信号的二阶矩平稳性很好，因此可以将这个信号看作是分段平稳的准平 稳信号来处理。他通过对肌电信号建立a r m a 模型来识别不同的肌肉动作。该方法 是一种线性处理方法，因而较之非线性，非平稳处理方法运算速度要快。用此方法识 别上肢三个动作，达到了8 0 的准确率。后来g r a p e 又将模型改进为a r 模型【8 l 。 a r 模型是一个线性的，二阶矩平稳模型，比较适合短数据分析，而且运算便利，特 别适合肌电控制假肢的实时处理。 为了更加有效的实现模式分类，有些研究将a r 模型系数变换为反射系数，倒 谱系数和对数面积比等新的参数1 1 ，将其作为特征矢量以提高聚类分离度。 由于肌电信号在本质上是非平稳的1 2 - 1 4 1 ，统计特性随时间变化，各种非平稳信 号模型，自适应处理和时变系统辨识方法也被纷纷用于肌电研究。 非线性是肌电信号的另一特征，因此对其建立非线性时间序列模型也是值得尝 试的方法，国外在e e g 信号分类时，考虑了脑电的非线性特性，通过建立双线性模 型，将非线性部分的模型系数也作为特征矢量，提高了准确度15 。1 7 。 在产生机理上，肌电信号具有非平稳时变特性。针对非平稳信号，近年来产生 3 天津大学硕士学位论文第一章绪论 的将时、频两域结合起来表示信号特征的时间一频率分析方法引起了人们的关注，其 中短时博里叶变换( s h o r tt i m ef o u r i e rt r a n s f o r m ) 、维格纳分布( w i g n e r - - v i l l e d i s t r i b u t i o n ) 和小波变换( w a v e l e tt r a n s f o r m ) 在生物医学信号处理领域已有广泛应 用。基于时频分析的分类技术在构造二维特征矢量上具有很大的潜力。 维格纳分布是信号在由时间、频率组成的二维平面上的能量密度分布，在时频 空间上能够提供高分辨率的信号特征和很好的抗噪声性能，从信号处理角度来看，它 具有许多优越性，如定义域的同一性，反演性，位移特性，一阶矩特性等，因而在非 平稳信号的处理中颇有前景，已在模式识别，图象分析，信号检测与估计等工程领域 有所应用【1 8 】。 小波变换是傅立叶变换的新发展，传统傅氏级数的系数不能反映信号的局部特 性，而小波变换系数却能给出这种局部性能的丰富信息，它在时频两域都有局部性质。 小波分析中的正交函数系是在选择适当的基本小波后，经过不同的移位和尺度变化来 产生小波。小波分析相当于一个数学显微镜，具有放大、缩小和平移的功能，其作用 相当于一组带宽相等、中心频率可变的带宽滤波器。小波分析在高频时使用短窗口， 而在低频时使用宽窗口，充分体现了相对带宽频率分析和变分辨率分析的思想从而 为信号的实时处理提供了一条途径。 近年来小波方法已被广泛应用于生物医学信号处理，如心电的q r s 波检测，常 常与非正常心电模式的判别、心室晚电位的检测以及脑电诱发电位的分析等许多方面 1 9 - 2 1 1 。但对于表面肌电信号处理的小波方法，国内外的研究尚未深入。在i e e e 光盘 检索中1 9 9 6 年以前尚未发现有关小波在肌电分析中的应用的文献报道，近些年来有 一些肌电信号的小波分析方法出现，但主要集中在肌电信号的生理、病理的研究。 c o n s t a b l e 等利用离散小波变换对表面肌电信号进行时频分析，研究在不同重力加速 度运动情况下的信号特征。结果发现，在运动过程中肌肉运动模式的时域信号在不同 的重力加速度水平下没有变化，但在频域中信号发生了变化。在较低的重力加速度下， 高频信号活动频繁；而在较高的重力加速度下，低频信号活动频繁。c o n s t a b l e 认为 这种现象在时域巾无法出现，而使用f f t 处理也难以分析解释1 2 2 。乃j 。 由于小波分析既能在整体上提供信号的全部信息，又能提供在任一局部时段内 信号变化剧烈程度的信息。利用它的时频定位特性，可以实现信号的时变谱分析，还 可以在任意细节上分析信号，而且对噪声不敏感，从而使其成为肌电信号分析的又一 4 天津大学硕士学位论文 第一章绪论 有力工具【2 4 1 。 1 2 2 肌电模式分类方法 在肌电模式分类方法上，极大似然分类器、聚类方法、神经网络等都有广泛应 用【2 5 2 7 】，其中人工神经网络使用最多，效果也最好。 人工神经网络模仿生物神经元结构和神经传递机理，由许多具有非线性映射能 力的神经元组成，神经元之间通过权系数相连结，构成自适应非线性动态系统【2 8 】。 人工神经网络的自组织、自适应学习、极佳的容错性、高非线性和鲁棒性、联想记忆 能力以及推理意识功能，使得它在肌电信号的辨识和模式识别上显示出极大的优越 性。同时，神经网络的并行结构加快了信号处理速度，减少了控制延时【2 乒3 0 1 。将神经 网络用于肌电模式分类在近几年进行了相当多的研究，并取得了非常好的结果。在各 种模型中，多层感知器模型在肌电分析中应用最为广泛。通常的处理方法是在提取了 信号的特征矢量之后，将其作为网络输入，以相应的动作模式作为输出，通过学习和 训练实现分类。 1 3 本课题研究的主要内容和意义 本文的主要研究任务分为四个部分，即实现肌电信号对仿生手控制的四个环节， 如图1 2 所示。第一部分是仿生手的控制信号源的研究，包括各种信号源的优劣比较 以及人体表面肌电信号的机理和采集方法的研究；第二部分是对采集得到的肌电信号 进行预处理的研究，包括对人手动作始末位置的判断和对肌电信号的降噪处理；第三 部分是特征提取技术的研究，引入了小波包变换的理论，提出了利用小波包提取特征 矢量的方法，并根据实验验证了其优越性；第四部分是人手动作的辨识模型的建立， 分别利用改进算法的b p 网络和l v q 网络实现了模式分类，并通过实验比较了这两 种分类器的性能。 5 天津大学硕士学位论文 第一章绪论 馈 图1 2 系统结构框图 最后本文介绍了对仿生手实时在线控制的初步研究，提出了小波包变换结合主 元神经网络的特征提取方法以达到实时控制的要求。 本课题作为国家自然科学基金人体上肢驱动与控制机理机器实现方法的研究 ( 项目号：5 0 3 7 5 1 0 8 ) 及天津市自然科学基金机械手类人控制方法的研究( 项目 号：0 3 3 6 0 1 6 11 ) 的重要组成部分，它的圆满完成在整个项目中起到了至关重要的作 用，它不但为后期工作( 通过e m g 信号控制仿生机械手) 奠定了坚实的基础，而且 决定了仿生手控制能否可靠，简单，安全，从而最终达到实用的目的。 6 天津大学硕士学位论文 第二章信号源研究与肌电信号的机理及采集 第二章信号源研究与肌电信号的机理及采集 2 1 仿生手控制的信号源研究 选择合适的控制信号源是发展智能仿生手的前提；信号源应该能够反映仿生 手操控者的意愿，并能提供准确和丰富的特征信息，以实现对仿生手的有效控制。 文献【3 l 】就当前上肢假肢控制的信号源模式的特性和缺点作了系统探讨，这些信 号源模式包括身体的机械运动、语音信号、肌腱、再造“指”、肌电( e m g ) 信号、 脑电( e e g ) 信号和神经活动等。各种信号源的控制思想和其优缺点比较如表2 - l 所示。 表2 1 各种控制信号源的比较 控制思想优点缺点 利用患者健肢的运动功能，通 身体的机 控制结构简单、造价町实现的控制任务简单，灵 过传动装置触发相应的开关进 械运动 低廉活性差 行控制 将患者的声音信息通过模数转线路简单，可控制多易产生误动作，环境噪声干 语音信号 换为控制指令自由度假肢 扰大 通过感觉与运动相关的肌腱的设计简单、响应速度需要肌腱完整未受损害，有 肌腱 运动来直接驱动假肢动作快手术风险 在患者残臂再造一个“手指”，有手术风险，单个再造指传 再造“指” 构思新颖，准确度高 用以传递人脑运动信息递的信息有限 建立患者脑电信号与自主动作即使最严重的残疾 脑电信号 研究尚处于实验仿真阶段 间的映射关系患者也能够使用 检测神经信号需要植入式 引导神经信息，建立其与肢体可塑性好，重复再现 神经活动 电极，手术要求高：仍处于 运动的映射关系性高，清晰度高 研究阶段 直接、自然，能有效 建立肌电信号的特征矢量与自患者肌肉易疲劳，稳定性不 肌电信号地放映肢体的运动 主动作间的映射关系好：准确度有待进一步提高 信息 7 天津大学硕士学位论文第二章信号源研究与肌电信号的机理及采集 本文从上述信号源的特性和可行性考虑，选取了人体表面肌电信号( e m g s i g n a l ) 作为仿生手控制的信号源。下面将对e m g 信号的机理作阐释。 2 2e m g 信号的机理 e m g 信号发源于作为中枢神经一部分的脊髓中的运动神经元。运动神经元 的细胞体处在其中，其轴突伸展到肌纤维处，经终板区与肌纤维耦合( 是生化过 程性质的耦合) 。与每个神经元联系着的肌纤维不只一条。这些部分合在一起， 构成所谓运动单元。肌肉的运动是受意识控制的，当大脑发出兴奋并向下传导后， 中枢神经系统的运动神经元的胞体和树突在来自突触的刺激下，产生电脉冲( 动 作电位) ，此电脉冲沿神经元的轴突传导到末梢的神经与肌肉的接点，当运动神 经接触到肌肉时，其轴突分枝到许多肌纤维上，每一分支终止在肌纤维上形成突 触叫做运动终板。传导到轴突末梢的动作电位使神经与肌肉的接点释放化学物质 乙酸胆碱，乙酸胆碱使运动终板的离子通透性发生变化产生终板电位，此终极电 位又使肌细胞膜达到去极化阈值电位，产生肌纤维的动作电位，并沿着肌纤维向 两方传播，引起了肌纤维内的一系列变化，便产生了肌纤维的收缩，大量肌纤维 收缩产生肌肉力。由此可见电信号( 肌纤维的动作电位) 的传播导致了肌肉收缩， 同时传播中的电信号在人体软组织中引起电流场，并在检测电极间表现出电位 差，即肌电信号。 各肌纤维在检测点上表现出的电位波形，其极性与终极和检测点的相对位置 有关，又和纤维与检测点间的距离有关，相距愈远，幅度愈小。各肌纤维在检测 点间引起电位的总和构成运动单元的动作电位( m u a p ) 。由于轴突上的电发放 是脉冲序列，因此检测点间引起的也是动作电位的序列( m u a p t ) 。最后，生 理肌电图则是许多运动单元产生的m u a p t 的总和。以上就是形成生理e m g 信 号的基本过程。 总而言之，肌肉的收缩运动涉及到的是以物质能量代谢为基础的、具有反馈 自动调节功能的、复杂的神经肌肉系统，其组成框图见图2 1 。用表面电极收集 到的多个肌纤维的动作单位必定包含整个系统其他部分的信息，如当大脑意识发 出的命令改变时，肌纤维的收缩程度也将变化，在大脑兴奋引起肌肉收缩躯体运 动的过程中，由于兴奋的程度不同，导致神经纤维发放兴奋电脉冲的频率不同， 天津大学硕士学位论文第二章信号源研究与肌电信号的机理及采集 引起肌纤维收缩的数量也不同。而且在不同的肌肉运动模式中，所动用的肌群也 不同，而在检测电极间所募集到的肌电信号则是各个运动肌群中的各根肌纤维的 运动电位在检测点引起的电位总和。因此可知，不同的肌肉运动模式是由不同的 肌群收缩产生的，其所伴随的表面肌电信号是不同的，完全有可能从不同的表面 肌电信号特征中找到对应的肌肉动作模式。 图2 - 1 神经一肌肉系统组成框图 在肌电信号检测中，由于肌纤维被包围在容积导体中，因此可以从肌纤维 外引导出肌电电位。由于组成单一运动单位( s i n g l em o t o ru n i t ) 的各肌纤维都 会产生动作电位，并在其周围产生电场，因此通过容积导体记录到的肌电电位不 是单一肌纤维的电活动，而是具有一定分布的几十乃至几百条肌纤维的电活动。 引导出的肌电是这些肌纤维电场的综合电场，这个综合电场随着肌肉兴奋的传播 过程在每一瞬时均有一定的空间分布，电极记录到的肌电信号正是兴奋的各肌纤 维的电场的空间和时程分布的综合结果。这样引导出的肌电位的幅度、形状、宽 度等波形特征都会受到电极的形状和位置的直接影响。例如，电极离开肌纤维越 远，则波形的幅度越低，而宽度会加大，当采用双极导联时情况就更为复刹乃j 。 由于肌肉中动作电位的发放是以单一运动单位动作电位的发放为基础的，当 肌肉轻度用力时，可以只有一个或几个运动单位参与收缩，从而有可能检测到孤 立的单个运动单位动作电位：当肌肉收缩加强时，参与收缩的运动单位的数量增 加，这时检测出的肌电信号在某些区域仍可见单个的运动单位动作电位，而有的 区域则电位的发放密集，不能分离出单个的运动单位动作电位，当肌肉强力收缩 时，会出现许多重叠的运动单位动作电位，造成所谓的干扰型波形。在临床上， 9 天津大学硕士学位论文第二章信号源研究与肌电信号的机理及采集 单一运动单位动作电位的波形对诊断具有实际意义，因此通过信号处理提取单一 运动单位动作电位波形，并分析波形特征是一个重要问题，研究人员已提出了提 取波形和自动分析的多种方案。在肌电信号控制假肢和功能性电刺激等应用场 合，往往是从干扰型波形中提取肌电信号特征，由此发展了多种能处理技术和方 法。 实验表明，肌电信号是一种微弱的电信号，信号幅度在1 0 0 5 0 0 0 ，针电 极记录的肌电信号的频带为5 1 0 0 0h z ，采用表面电极时肌电信号的能量主要集 中在1 0 0 0 h z 以下，波士顿大学神经肌肉研究中心发现利用双极型模型得到的肌 电频谱分布在2 0 - - - 5 0 0 h z ，绝大部分频谱集中在5 0 1 5 0h z 之间。表面肌电放大 器的频带一般设置为1 0 5 0 0h z ，针电极肌电放大器的频带一般设置为 2 0 10 0 0 h z l 3 2 。 2 3 表面肌电信号采集系统 整个表面肌电采集系统如图2 2 所示：人体手臂运动时，表面电极检测手臂 肌肉产生的肌龟信号并将其输入到肌电仪中，肌电仪负责将测得的肌电信号作前 置放大和带通滤波处理；肌电仪输出的放大信号接至l j l 6 路的n o r n b c 信号调理模 块，经过调理的信号进入u s ba d 数据采集卡，进行a d 转换后送入计算机中。 再利用计算机强大的处理功能、显示功能和充裕的存储空间对信号进行存储、处 理及显示。 肌电信m y o s y s t e m 一n o r n b c 块号h 裂幄 号 1 2 0 0 肌电仪 图2 2e m g 信号采集系统构成图 下面分两节详细说明整个e m g 信号采集系统的两大部分：信号采集硬件和 信号采集软件。 2 3 1 信号采集硬件 1 表面电极 肌电电极在肌电检测中起到一。种换能作用，由于生物体内的电流是属于离子 l o 天津大学硕士学位论文 第二章信号源研究与肌电信号的机理及采集 电流，而电极和导体都是靠电子导电，因此电极需有能力将离子电流转换成电子 电流，并在转换过程中做到不失真和不引进干扰与噪声。 肌电电极可分为针电极和表面电极两大类。针电极需将电极插入肌肉，对受 试者有一定损伤，多用于深层肌肉的肌电测量，在假肢控制的研究中较少使用。 表面电撮形式简单，使用简便，对受试者无损伤，应用较为广泛。 根据肌电电极的组合方式，检测系统又可咀分为单极、双极和多极系统。单 极系统只有一个检测电极，参考电极必须距离检测电极足够远，系统一般用于表 面肌电信号的整体分析或者待测肌内放不下两个电极的情况。多极系统一般限于 三个检测电极目的在于减小电极对的综合效应，尽可能减少潜在电活动的记录 区。积极系统是最常见的电极组合方式，它的两个检测电极很容易构成差分放大 系统，因此系统的共模抑制比高，信噪比好。 这里我们采用双极组合的方式选用n o r a x o n 公司提供的表面双电极( 如 图2 - 3 所示) 进行测量。该电极为一次性粘性a 舭g c l 撒钮电极，能够保证信号的 质量与应用的方便性。专门用于科学研究或医用中的表面肌电信号测量；它的特 殊质地的粘胶可以防止皮肤过敏，测试前只需进行很少的皮肤准备：它的面积也 不大，整个粘性区域尺寸为4 m n a x 22 c m ，每个圆形导电区域直径为i c r n ；它的 两个电极位置固定，中心距为2 g m ，这样就避免了每次铡量时检测电极中心距离 的变化导致的检测结果的变化。当需要用到单电极时( 如作为参考电极) ，可以 将双电极剪开成为单电极。如图2 - 4 所示，连接肌电仪和电极的电缆长达5 4 9 m ， 受试者可以随意运动。 o ! e ! 、! 一。 圈2 - 3 n o r a x o n 双电极 图2 4 电极电缆 2 肌电仪 肌电仪选用美国n o r a x o n 公司生产的8 路近程表面肌电仪 m y o s y s t e m l 2 0 0 ( 如图2 5 ) 。它不但可同时测量8 个通道的肌电信号而且采 用了享有国际专利的电子反馈信号处理技术，较传统电极端前置放大处理方法显 天津大学硕士学位论文第二章信号源研究与肌电信号的机理及采集 示出无可比拟的无噪音干扰和赝像处理的优势。基准线无漂移，对肌电信号电 流的发生时期、振幅、积分值、频率等提供高精度的测定，结果清晰可靠、稳定、 重复性好。具有真正的实时数据采集、动态监视、生物反馈训练等功能，使研究 人员、临床医师、运动医学专家对肌肉的功能及状况作出一个正确的判断。 圈2 - 5m 州s y 咖m 1 2 肌电仪 3 信号调理模块 信号调理模块( 如图2 - 6 ) 采用n o r a x o n 公司生产的n o r b n c 双模式1 6 通 道信号中继器。输入电缆连接肌电仪和关节角度测量仪，输往每个通道的b n c 接头为关节测角仪测得的角度信号或肌电仪测得的e m g 信号，每个通道都有 e m g 或者角度信号的模式选择，输出电缆连接u s b a ，d 数据采集卡。 4 数据采篁卡 一1，f 一可 目2 - 6b n c 信号调理模块 d。叫贬雒。 _ o _ o o om_mi_l_* o o o o m-_”一l一 o_ooo ”ihlp_-一 m o “o _ o oi一_-j- 天津大学硕士学位论文第二章信号源研究与肌电信号的机理及采集 经过调理的信号通过数据采集卡采样进入到计算机中，实现模拟信号的数 字化和数据存储。整个数据采集系统以n o r a x o n 公司生产的u s ba d 采集卡 将模拟信号转换成数字信号传入到计算机中。 2 3 、2 信号采集软件 n o r a x o n 公司开发的m y o r e s e a r c h x p 是一套专用肌电信号处理软件。 软件可配合肌电信号采集仪使用。原始肌电信号经过采集仪器由模拟信号转换为 数字信号进入计算机，m y o r e s e a r c h x p 软件采集信号，并储存在计算机硬盘。 储存的肌电信号可通过软件进行分析、处理和打印报告。部分功能包括： 1 6 标准通道 信号重叠 a s c i i 档案输出 “示波器”模式实时监测 信号处理整流、滤波、平滑、归一等 项目资料库纪录实验对象姓名和测量结果 标准化资料库的建立 用者自定协议 报告预制和修改 2 4 肌电信号的采集实验 利用n o r a x o mm y o s y s t e m1 2 0 0 肌电仪和n o r b n c 数据采集卡对肌电 信号进行采集。在实验中使用两对表面差分电极同时采集四路e m g 信号：四路 信号分别从前臂肌群的桡侧腕伸肌( e x t e n s o rc a r p ir a d i a l i s ) 、指伸肌( e x t e n s o r d i g i t o r u m ) 、尺侧屈腕肌( f l e x o rc a r p iu l n a r i s ) 和掌长肌( p a l m a r i sl o n g u s ) 采集， 手肘作为参考电极，电极贴片的位置如图2 7 所示。 1 3 天律大学硕士学位论文第二章信号源研究与肌电信号的机理及采集 第l 路“t 信号苹3 路肌t 信号第2 路肌t 信号( 背自 第d 路肌t 信事考点( 背自手时 图2 - 7 电极位置示意图 每块肌肉沿臂贴上表面差动电极，电极直径为5 m m ，电极间隔2 c m ，构成 双电极模式。肌电仪完成前置放大功能，其低频截止频率为1 0 ，高频截止频 率为5 0 0 h z 。健康受试者分别完成展拳，握拳，手臂内旋，手臂外旋四类动作， 每次动作过程中各组电极的差动信号通过数据采集卡同时存入计算机中采样频 率为1 0 0 0 h z 。 如图2 - 8 所示四种动作模式分别为握拳，展拳，手臂内旋和手臂外旋。在 四种模式下采集e m g 信号时，要求受试者按如下所述的方式运动： ( i ) 握拳：手掌自然松弛，手心向上0 s ) ：握拳( 2 曲；松开，恢复初始状态( 2 印。 【2 ) 展拳：手呈握拳状态手心向上( 2 0 ；展拳( 2 曲；握拳，恢复初始状态( 2 s ) 。 ( 3 ) 手臂内旋：手掌自然松弛手心向上( 2 0 ；手腕向人体内侧翻转，同时 握拳( 2 曲；手腕向人体外侧翻转，同时展拳，恢复初始状态( 2 曲。 ( 4 ) 手臂外旋：手掌自然松弛，手心向下( 2 s ) ；手腕向人体外侧翻转，同时 握拳( 2 曲：手腕向人体内侧翻转同时展拳，恢复初始状态( 2 9 。 握拳展拳 手臂内旋手臂外旋 图2 - 8 四种运动模式 图2 - 9 到图2 1 2 分别表示人手做展拳，握拳，手臂内旋，手臂外旋动作时 指伸肌，尺侧屈腕肌随时间变化的e m g 信号。 天津大学硕士学位论文第二章信号源研究与肌电信号的机理及采集 瑚 瑚 1 5 0 5 0 ， o 量锄 - 摹o 栅 图2 - 9 人手做展拳动作时，指伸肌、尺侧腕屈肌的原始e m g 信号 l 一l i j i山帆 l 1 ”。 阿 i i 枷 a 0 0 瑚 名1 0 0 o 鼍 孽铷 寸 枷 ：- - - - - - l l 山i - “- j r 一一t _ 甲”一叩 图2 11 人手做丁臂外旋动作时，指伸肌、尺侧腕屈肌的原始e m g 信号 1 5 天津大学硕士学位论文第二章信号源研究与肌电信号的机理及采集 湖，o l 铂o 抛2 5 螂舯棚蛳 采样点数n n 图2 1 2 人手做手臂内旋动作时，指伸肌、尺侧腕屈肌的原始e m g 信号 2 5 本章小结 本章首先系统地探讨了可用作人手动作模式识别的各种信号源，比较了各自 的优缺点，最终选取了e m g 信号并解释了其机理：然后介绍了本文采用的e m g 信号采集系统的硬件和软件构成；最后给出了e m g 信号采集实验的介绍。 1 6 天津大学硕士学位论文 第三章表面肌电信号的预处理 第三章表面肌电信号的预处理 3 1 动作始末的判断 采用移动时间窗的方法【3 3 】提取小段时间内的肌电信号，对其进行平方积分： t f + _ a t q = i x ( f ) 2 d t ( 3 - 1 ) 一a t 式中，工( f ) 为时间窗内的肌电信号值，即得n t , 时刻的肌电信号能量值q ，若q 大于某阈值a ，同时在窗移动后有连续次能量值均大于阈值a ，则认为t 时刻 为动作的开始时刻；此后若在t ，时刻及之后有连续次的能量值均小于某一阈值 b ( b a ) ，则判断动作结束，并以t ，时刻作为结束时刻；若能量q 在a 与曰 之间，则认为动作处于保持状态；若能量小于彳值，则认为无动作状态，即肌肉 处于松弛状态。这样就将所采集的信号分为有效动作信号，动作保持信号和无动 作信号。 对于时间窗的宽度，如果太宽，动作信号的提取不准确，会影响动作识别； 如果太窄，则很难区分噪声和弱动作信号，尤其是正在动作的阶段。因此需要选 取的适当的窗宽度。由于e m g 信号记录的时间很长、数据又多，且每个动作相 隔的时间是不定的，若窗的宽度和移动步长都是一定的( 例如取窗宽度为0 0 6 4 s ， 移动步长为0 0 3 2 s ) ，则在提取有效动作时，运算次数多，运算时间长；若采用 变步长搜索法可有效地提高提取动作时间。本文采用一种最简单的变步长搜索： 从所测的连续信号开始，先选取一个较小的窗宽度d 来提取数据，判断其积分值 是否大于某一阈值彳，若连续两组数据的积分值均未大于该阈值，则窗宽度加倍， 再判断其积分值是否大于加倍的阂值，若仍未大于，则继续增加窗宽度，直至 0 5 s 为止，其中移动步长是时间窗宽度的一半；若大于，则从前一时刻开始，重 新按最小窗宽度进行数据的搜索，直到找到起始点。从起始点开始可用适当的窗 宽度进行提取数据，直到找到动作结束时间。这一方法在离线状态下提取特征 参数时，因为快速略过了无动作信号段，从而可以很快地提取有效动作信号，可 提高运算速度。 阈值a ，b 的选取与受试者很有关系，因人而不同，应根据实际情况而定。 1 7 天津大学硕士学位论文 第三章表面肌电信号的预处理 图3 1 为人手做前臂外旋动作时的原始e m g 信号和有效动作信号的比较。 糊 抛 罩 孽0 6 0 一 一摹o 图3 - l ( a ) 原始肌电信号 图3 l ( b ) 有效动作信号 3 2 表面肌电信号的小波降噪处理 对人体手臂表面肌电信号的实时采样过程中，信号在激励、传输和检测过程 中可能不同程度地受到随机噪声的污染。因此，需要消除实际信号中的噪声，从 混有噪声的信号中提取有用信息。傅里叶变换是一种消除噪声的经典方法，适用 于诸多场合。但由于傅里叶变换是一种全局变换，无法表述信号的时域局部性质， 而这种性质恰恰是非平稳信号最根本和最关键的性质。 e m g 信号是典型的非平稳信号，本课题采用了小波变换进行降噪处理。小 波变换是一种信号的时频分析，它具有多分辨率的特点，可以方便地从混有强噪 声的信号中提取原始信号，被誉为分析信号的显微镜。本文应用小波变换的理论， 利用m a t l a b 软件在计算机上实现了信号的噪声降噪，从混有噪声的实际信号 中提取了原始信号，并针对实验结果，将不同的小波降噪方法进行了比较。 天津大学硕士学位论文第三章表面肌电信号的预处理 3 2 1 小波变换的基本原理 小波分析( w a v e l e ta n a l y s i s ) 或多分辨率分析( m u l t i - r e s o l u t i o na n a l y s i s ) 是 傅里叶分析发展史上里程碑式的进展，近年来成为众多学科共同关注的热点。它 被看作是调和分析这一数学领域半个世纪以来工作的结晶，其基础理论知识涉及 到泛函分析、傅里叶分析、信号与系统、数字信号处理等诸方面，同时具有理论 深刻和应用广泛的双重意义。 1 小波变换的数学基础 小波( w a v e l e t ) ，即小区域的波，是一种特殊的长度有限，平均值为0 的波 形。它有两个特点：一是“小”，即在时频域都具有紧支集或近似紧支集；二是 正负交替的“波动性”，也即直流分量为零。它是在傅立叶分析的基础上发展起 来的，但小波分析与傅立叶分析存在极大的不同。从微观上看，小波变换与傅立 叶变换的根本区别是由小波和正弦波的不同局部化性质产生的。从宏观上看，傅 立叶分析是整体域分析，用单独的时域或频域表示信号的特征；而小波分析是局 部化时频分析，它用时域和频域的联合表示信号的特征。作为时频分析方法，小 波分析比傅立叶分析有着许多本质性的进步。它能够从信号中提取许多有用的信 息，是各种信号处理方法如时频分析、多尺度分析和子带编码的统一处理框架，