（通信与信息系统专业论文）基于肌电信号的手指组合动作识别研究.pdf

西南科技大学硕士研究生学位论文第1 页 摘要 表面肌电信号( s u r f a c ee l e c t r o m y o g r a p h y , s e m g ) 是人体肌肉运动时从 皮肤表面通过表面电极记录下来的关于神经肌肉活动的电生理信号，它反映 了神经、肌肉的功能状态。由于s e m g 信号的提取方便、快捷、无创伤测量 等优点，在临床医学、运动医学、人机工效学、康复医学、神经生理学、电 生理学等领域被广泛应用。随着康复工程、机械、电子学的发展，肌电假肢 的研究也逐渐深入，向着更加智能化发展。 本论文首先简要介绍了肌电信号产生的生理学基础，以及当前s e m g 信 号的研究现状。然后介绍了所开发的s e m g 信号采集平台，包括硬件和软件 两个部分。硬件部分主要包括：电极、预调理电路、电源、采集卡、p c 机等。 软件部分是根据硬件采集卡的规格，采用v c + + 语言编写而成，实现了在p c 机上控制采集卡完成s e m g 信号的采集。 在噪声处理方面，由于信号在采集、传输和接受过程中都会引入较多的 干扰，仅仅靠硬件调理是远不能够满足实验需求的。为了提高系统的性能， 本论文将所采集的数据进行数字滤波，这里我们在m a t l a b 中f d a t o o l 中自 行设计了巴特沃斯带通滤波器进行软件滤波。接着利用频谱插值对工频干扰 进行了处理，该方法能够降低传统的陷波对信号所造成缺失的影响。最后利 用小波分析理论对采集得到的s e m g 信号进行进一步的带内降噪。从处理前 与处理后的信号时域图中可以看出，信号中的噪声得到了有效的抑制。 在特征提取方面，首先对信号活动段进行了检测，接着列举了当前对于 s e m g 信号特征提取方法，并对本论文所采取的特征提取方法，时域统计量、 小波包分解以及a r 参数模型法三类特征参数进行了较为详细的论述。 在模式分类方面，通过时域统计量、小波包分解以及a r 参数模型分析 方法所提取的特征向量，利用，概率神经网络( p n n ) 以及支持向量机( s v m ) 作为分类器进行动作模式判别。实验表明，所采用方法能够获得较高的识别 率，同时，使用小波包分析方法提取的特征参数来进行模式分类所得到的识 别效果要较其它两种方法的好。 关键词：肌电信号动作识别小波特征提取支持向量机 概率神经网络 西南科技大学硕士研究生学位论文第1 i 页 a b s t r a c t t h es u r f a c ee l e c t r o m y o g r a p h y ( s e m g ) s i g n a l ，c o l l e c t e db yt h es u r f a c e e l e c t r o d ef r o mt h es k i nw h i l et h em u s c l em o v e m e n t ，h i c hi st h e e l e c t r o p h y s i 0 1 0 9 ys i g n a l o ft h en e u r o m u s c u l a ra c t i v i t i e s t h es e m gs i g n a l r e p r e s e n t st h ef u n c t i o nan ds t a t u so ft h en e r v ea n dm u s c l e b e c a u s ei tg e t sm a n y v i r t u e s ，s u c ha s ：c o l l e c t i n gs i g n a lc o n v e n i e n t l y a n d r a p i d l y , n o n - h u l t m e a s u r e m e n t ，t h es e m gs i g n a li su s e dw i d e l yi nc l i n i cd i a g n o s i s ，s p o r tm e d i c i n e ， r e h a b i f i t a t i o n e n g i n e e r i n g ， e l e c t r i c a l p h y s i o l o g y ,n e u r o n - p h y s i o l o g y a n d e l e c t r o p h y s i o l o g y ，e t c a l o n g w i t ht h e d e v e l o p m e n t o fr e h a b i l i t a t i o n e n g i n e e r i n g ，m e c h a n i s ma n de l e c t r o n i c s ，r e s e a r c h e s o na r t i f i c i a ll i m b sw i l l g r a d u a l l yg ot o w a r dam o r ei n - d ep t hm o r ei n t e l l i g e n td i r e c t i o n t h i sp a p e rf i r s t l yi n t r o d u c e st h ef o r m a t i o no ft h es e m gs i g n a l so ft h e p h y s i o l o g i c a lb a s i s a n dt h ec u r r e n tr e s e a r c hs i t u a t i o no fs e m gs i g n a l s e c o n d l y i n t r o d u c e st h ed e v e l o p m e n to ft h es e m gs i g n a la c q u i s i t i o np l a t f o r m ，i n c l u d i n g h a r d w a r ea n ds o f t w a r e t h ep a r to fh a r d w a r em a i n l yi n c l u d e s ：e l e c t r o d e ， p r e s e t t e rc i r c u i t ，a c q u i s i t i o nc a r d ，p c ，e t c 1 h ep a r to fs o f t w a r ep a r ti sb a s e do n t h es p e c i f i c a t i o n so ft h eh a r d w a r ea c q u i s i t i o nc a r dp r o g r a m m e db yt hev c + + l a n g u a g e ，w h i c hi m p l e m e n t st hes e m gs i g n a lc o l l e c t i o nc o n t r o lb ya c q u i s i t i o n c a r di nt h ep c i nt h et r e a t m e n to fn o i s e ，m o r ei n t e r f e r e n c ew i l lb ei n t r o d u c e dt ot h es i g n a l i nt h ec o h e c t i o n ，t r a n s m i s s i o na n da c c e p tp r o c e s s ，i ti sf a rt om e e tt h ed e m a n do f t h ee x p e r i m e n to n l yw i t ht h ep r o c e s s i n go ft h eh a r d w a r e i no r d e rt oi m p r o v et h e p e r f o r m a n c e o fs y s t e m ，t h ed i g i t a lf i l t e rw i l lb eu s e di n p r o c e s s i n g t h e a c q u i s i t i o ns i g n a l ，w h i c ht a k e st h eu s eo ft h ef d a t o o l i nt h em a t l a bt od e s i g n ab u t t e r w o r t hb a n d p a s sf i l t e rt of i n i s ht h es o f t w a r ef i l t e r t h e nt h es p e c t r u m j n t e r p o l a t i o nm e t h o dw i l lb eu t i l i z e dt or e d u c et h ep o w e rl i n ei n t e r f e r e n c e ，t h i s m e t h o dc a nr e d u c et h ei n f l u e n c eo ft h es i g n a lm i s s i n gw h i c hi sc a u s e db y t r a d i t i o n a ln o t c hf i l t e r , f i n a l l y , t h ew a v e l e ta n a l y s i sa l g o r i t h mw i l lb ea p p l i e dt o a t t e n u a t et h er e s i d u a ln o i s e i tc a nb es e e nf r o md i a g r a mo ft i m ed o m a i nb e f o r ei t i s p r o c e s s e da n dt h ep r o c e s s e ds i g n a l ，t h es i g n a l n o i s eha sb e e ne f f e c t i v e l y 西南科技大学硕士研究生学位论文第1 i i 页 r e s t r a i n i nt h ef e a t u r ee x t r a c t i o n ，f i r s t l y , t h em o v i n g - w i n d o wm e t h o dw i l lb eu t i l i z e d t oe x t r a c tt h ea c t i v i t i e so ff i n g e r sa c t i o n sf r o mt h es e m gs i g n a l s t h e n ，t h e r e w i l ll i s tt h em e t h o do ff e a t u r ee x t r a c t i o nw h i c hh a sa l r e a d yb e e nu s e dt oi nt h e c u r r e n t ，t h et i m ed o m a i ns t a t i s t i c s ，w a v e l e tp a c k e td e c o m p o s i t i o na n da r p a r a m e t e rm o d e lm e t h o dw i l lb eu s e di nt h i sp a p e ra n dd i s c u s s e di nd e t a i l i nt h ep a t t e r nc l a s s i f i c a t i o n ，t h ec h a r a c t e r i s t i cv e c t o r s ，w h i c ha r ee x t r a c t e d f r o mt i m ed o m a i ns t a t i s t i c s ，w a v e l e tp a c k e td e c o m p o s i t i o na n da rp a r a m e t e r m o d e la n a l y s i sm e t h o d ，a n dt h ep r o b a b i l i s t i cn e u r a ln e t w o r k ( p r , r n ) a n ds u p p o r t v e c t o rm a c h i n e ( s v m ) w i l lb eu s e df o rt h ea c t i o nc l a s s i f i c a t i o n t h er e s u l t s s h o wt h a tt h ep r o p o s e dm e t h o di nt h i sp a p e rc a np r o v i d eh i g hr e c o g n i t i o nr a t e ， m e a n w h i l e ，t h er e c o g n i t i o ne f f e c to ft h ec h a r a c t e r i s t i cp a r a m e t e r se x t r a c t e df r o m t h ew a v e l e tp a c k e ta n a l y s i sm e t h o di sb e t t e rt h a nt h eo t h e rt w om e t h o d s k e yw o r d s ：s u r f a c ee l e c t r o m y o g r a p h y ；a c t i o ni d e n t i f i c a t i o n ；w a v e l e t ； c h a r a c t e re x t r a c t i o n ；s u p p o r tv e c t o rm a c h i n e ；p r o b a b i l i s t i cn e u r a ln e t w o r k 西南科技大学硕士研究生学位论文 第1 页 1 绪论 1 1肌电信号的研究历史与研究现状 从十七世纪开始一直到现在，已经有相当多的科学家投入大量精力去研 究肌电信号，在人类的现代医学工作中，已经引用了其多项研究成果。在 l u i g g ig a l v a n i 是最早证实了肌肉的收缩与电变化相关的人，1 7 9 1 年，他的 “动物电”的发现，是神经生理学诞生的标志；最早在1 8 4 9 年，由d u b o i s r e y m o n d 发现了人类的肌肉在收缩的时候是可以产生相应的生物电信号的； 18 7 4 年至1 8 7 7 年间，b e r n s t e i n 与h e r m a n 提出了“动作电位( a c t i o n p o r t e n t i a l s ) ；在1 9 0 1 年，e i n t h o v e n 利用弦线检流计( s t r i n g ga l v a n o m e t e r ) 记录下了微弱的动作电位；n e w c o m e r 与g a s s e r 得了1 9 4 4 年的诺贝尔奖， 是因为他们在1 9 2 2 年通过阴极射线示波器，观察到了相关肌肉活动时的电位 变化情况；在1 9 2 5 年l i d d e l l 与s h e r i n g t o i l 提出运动单位( m o t o ru n i t ) 的概念。 自从2 0 世纪6 0 年代以来，新的电子技术的不断发展以及微型计算机的问世 对肌电信号的分析和研究都产生了相当大的影响，同时相关的技术与理论研 究都在不断发展当中，在肌肉功能评价有关的多个领域和临床治疗方面都有 着一定的突破，并成为其相关领域研究的热点问题。 在国内，天津大学的李醒飞、朱嘉等人利用小波变换的高频细节系数极 值对所采集的前臂s e m g 信号构造了特征矢量，通过利用学习矢量量化( l v q l 神经网络，对特征矢量进行分类识别，其结果表明所采用的方法能够对手腕 内旋以及外旋、握拳以及展拳四种动作模式进行有效的识别心1 ；上海交通大 学的谢洪波、王志中等人采用小波包变换提取特征矢量，经过学习矢量量化 神经网络，对伸拳、展拳、腕内旋以及腕外旋四种动作模式的平均识别率达 到了9 4 5 阳1 ；李芳、王人成等人，通过利用隐马尔可夫模型径向基神经网 络( h m m r b f n ) 混合模型对七种手指运动进行了训练以及识别m 3 ，其结果有 效的证明了h m m r b f n 混合模型稳定性以及识别效果，相对于h m m 模型都 较为理想；杭州电子科技大学的罗志增、王人成等人，通过利用功率谱k 值 法提取相应的特征值晦6 ，该方法是基于对s e m g 实时信号的功率谱进行提 取，并找出最大功率谱附近的谱能量同全信号段谱能量的比值作为特征值， 实验中采用的是特别设计的贝叶斯统计决策算法作为模式分类器，其识别正 确率达到8 4 ；中国科技大学的陈香、杨海基等人利用a r 模型与绝对均值 ( m a v ) 对八通道的s e m g 信号进行了分析，也达到了很好的识别效果。“；南京 西南科技大学硕士研究生学位论文第2 页 航空航天大学的鞠徐、宋晓峰等人在提取传统特征之后，又将非线性动力学 中的关联维作为特征矩阵的一部分，对拇指、食指、无名指的弯曲动作做了 识别工作，其识别率明显优于直接利用小波变换的结果1 ；东北大学及沈阳 航空工业学院的崔建国、王旭、李忠海等人在小波变换的基础上，通过利用 支持向量机( s v m ) 作为模式分类器对八种腕部动作的识别率达到了 9 8 7 5 旧1 ，该实验还表明了，支持向量机( s v m ) 分类器相对于传统的神经网 络分类器而言，其的识别率较高；田喜英、雷敏等人利用基于小波变换的多 尺度主元分析对前臂六种动作模式进行特征提取及分类，其识别率高达 9 9 4 4 u 引；邱青菊、朱向阳等人利用双谱分析和f i s h e r 线性判别分析方法相结 合进行s e m g 信号特征提取的方法，八种动作的识别率达到了9 7 6 以上n 1 | ； 陕西职业技术学院的王玲，通过利用小波包变换的多尺度的分解对s e m g 信 号进行识别研究，其平均识别率达到了9 0 以上n2 】；在吉林大学的李阳、田 彦涛、陈万忠等人通过利用快速傅里叶变换( f a s tf o u r i e rt r a n f o r m ，f f t ) 的盲 辨识方法对肌电信号的建立了相应的模型，平均识别率达到了9 5 3 n 3 | 。 在国外，m a h d ik h e z r i 和m e h r a nj a h e d 采用时域和时频域的特征综合 并通过模糊神经网络对六种手势动作进行实时识别，识别率达到了 9 6 7 u 钊u5 j ；n a r e n d e rp r e d d y 等人通过对浅屈肌和尺侧腕屈肌信号的采集， 以均方根值为特征，达到了对手模型的手指手腕动作的控制n 6 1 7 1 ；t o s h i o t s u j i 和o s a m uf u k u d a 等人运用神经网络并同时运用了神经网络的滤波器改 善了对于连续非平稳肌电信号的学习和分类的能力n8 | ；f a d ib i t a r 、n a s rm a d i 等人利用连续小波变换，对单指动作进行识别，最高识别率达到了1 0 0 n9 i ； j u n - u kc h u 、i n h y u km o o n 等人以及r a m in k h u s h a b a 、a d e la 1 j u m a i l y 等人 都采用p c a 对小波包变换的特征矩阵进行降维，识别率达到很好的效果 心叫比；c h a n d r a s e k h a rp o t l u r i 、m a d h a v ia n u g o l u 等人，通过利用s e m g 信号 来模拟手指力量以提供电子仿生手的输入，其仿真结果有较好的一致性乜2 | 。 根据前人的研究可以断定，利用肌电信号对精细手指组合动作进行识别工作 是具有一定的可行性的。 表面肌电信号的检测以及分析的很多种技术与方法，其各有优缺点。通 常在实际的应用当中，仅仅采用一种技术方法是很难解决所有问题的。许多 研究学者已经着手开始利用多种非线性处理方法来研究肌电信号( e m g ) 以及 其特有的生理信号非线性的特点。相信在随着现代信息技术的不断革新，以 及多种信号处理技术的彼此结合，对于表面肌电信号( e m g ) 的认知与研究也 会更加深刻与完善，由此，所提取相应信号的特征，在一定程度上就能更好 西南科技大学硕士研究生学位论文 第3 页 地应用于各种肌电康复研究的领域。 1 2 课题研究意义 肌电图学( e l e c t r o m y o g r a p h y ，e m g ) 是通过检测并研究肌肉的电生理活 动，并通过它来断定神经肌肉系统的功能状态，以及形态学变化的科学。通 过对肌电图学的研究能够对神经肌肉系统的研究提供一定的帮助，与此同时 同时，能够为临床诊断提供必要的依据。当肌电检测与研究技术随着现代科 学技术不断的发展，特别是计算机技术的不断革新，人们对神经肌肉电生理 研究也有了很大的进展，在肌电信号( m y o e l e c t r i cs i g n a l ) 检测以及处理方法发 展的同时，它的应用也已经得到了广泛的关注。 由于生物电活动引导方法式不同，肌电信号( e m g ) - - 般可以分为两种类 型旧引：其中一类是通过利用针式电极刺入相应的肌肉组织，同时引导、放大 并记录在针尖附近的数根肌纤维产生的单个或集群发放的电活动，在这种类 型下记录的信号仅仅能够反映电极四周一小部分区域内肌纤维的电活动情 况，其定位虽然较为准确，但却无法获取整块肌肉的放电活动，因此，该方 法多被用于单肌纤维疾病的诊断，另外电极针会对被试的部位产生一定程度 的损伤，因此，该方法只有在医护人员的陪同时才能够实施信号的采集。而 另一类则是通过利用表面电极检测到的，当肌肉运动的时候，在其皮肤表面 由与引导相应的电活动时所产生的，因此，称之为表面肌电信号( s u r f a c e e l e c t r o m y o g r a m ，以下简称s e m g ) ，在这种方式下所采集到的肌电信号具有实 时性、无损伤性等特点，同时这样的检测方案条件容易控制，其整体的肌肉 活动情况与功能状态同信号的变化之间的相关性以及检测结果的重复性都相 对较好。表面肌电信号( s e m g ) 是现代肌电研究领域的重中之重。 表面肌电信号( s e m g ) 是肌肉活动时产生的一种复杂的电生理信号，其最 早是被用来度量肌肉收缩力量，收缩时间以及肌疲劳状态，当肢体运动时会 引起肌肉收缩或着扩张，由此在检测位置处形成相应的s e m g 信号，而不同 的肌肉收缩过程所产生的s e m g 信号是具有一定的差异性的，由此，可以利 用不同动作之间s e m g 信号相对的差异性，来实现肢体动作的分类识别处理， 并且为肢体活动及其状态特性分析提供有效的帮助。目前对于表面肌电信号 ( s e m g ) 的研究已经渗透到肌肉疾病诊断、生物力学和生物反馈研究、假肢控 制、功能性神经电刺激、仿生学、运动医学和康复工程、人机接口研究等众 多领域。因此，对于表面肌电信号( s e m g ) 的识别与研究在基础研究当中是必 西南科技大学硕士研究生学位论文第4 页 需的，同时它对于临床工作也是十分重要的。 1 3主要研究内容 论文的主要研究内容是：设计与实现一个基于表面肌电信号采集与分析 系统，它可以分为包括硬件与软件的两部分内容。其中，硬件部分包括表面 肌电信号采集电极、预调理电路、数模转换( 采集卡) 、以及p c 机，软件部分 包括信号采集、数据存储、波形的实时显示与采集控制，在实时识别部分还 包括结果的显示等几部分内容。 对于以上两部分内容，其主要工作又可以分为四个部分：表面肌电信号 的数据采集系统的设计、对于肌电信号噪声的预处理、肌电信号特征参数的 提取以及模式分类方法的选择。 通过本课题所搭建的平台，能够实现对人体手臂表面肌电信号的采集、 数据的处理分析以及结果的实时显示，一定程度上能够有效的识别手部精细 动作。 在实验中，对于肌电信号其特有的非平稳性以及非线性的特征做了充分 的考虑，多种数字信号处理的新方法被应用在实验当中，所提取新的肌电信 号特征也是较为新颖的，其能够在一定程度上尽可能的降低误判率。在信号 采集的部分，要实现信号预调理，须在采集放大的硬件电路实现上滤波、工 频陷波、放大等功能。采集到信号通过采集卡实现模数转换并存入到p c 机 内。在信号处理方面，由于多种噪声被夹杂在所采集到的原始肌电信号内， 根据各类噪声不同的频带分布与其特征，将采用不同的方法对其进行处理。 首先对原始信号进行带通滤波，然后通过利用频谱插值法降低工频干扰，最 后通过小波分解来进一步降低带内噪声。在特征的提取方面，实验中分别提 取肌电信号的时域统计量、a r 模型功率谱比值以及小波包分解后的统计特 征值，并对于所提取的特征参数的稳定性进行了对比，选取其识别效果以及 分类速度较为突出的作为后续实时识别时所需的特征参数。在分类方法方面， 选取概率神经网络分类法以及支持向量机分类法作为本实验的分类器，同时 对其进行多次反复训练，得到稳定的网络，并通过多次实验验证分类器的准 确率，其结果为后续的基于肌电信号实时人机接口系统的研究奠定了坚实的 理论基础。 西南科技大学硕士研究生学位论文 第5 页 1 4 论文组织结构 第一章为论文的绪论部分，其简要的介绍了本课题的研究意义与目前国 内、国外就肌电信号处理方法和手势动作识别方面的研究概况，同时明确了 本论文的主要研究目的和研究内容。 第二章在了解了肌电信号的生理学原理的基础上，寻找做不同手势动作 时表采集面肌电信号合适的屈伸肌位置，设计肌电信号采集预调理的硬件电 路，详细叙述了设计的基本思路，预调理电路实现原理，以及采集软件的实 现，并概述了信号采集实验基本过程。 第三章为信号处理章节，详细叙述了对于具有多种特征的肌电信号进行 数字信号处理的过程及采用的新方法。 第四章为肌电信号特征提取章节，在这一章节，简要介绍了现有的特征 提取方法并详细叙述了在本课题中所使用的新的动作分割、特征提取方法。 第五章为利用支持向量机分类器( s v m ) 和概率神经网络分类器( p n n ) 实现 肌电信号的模式分类，在这一章将本课题所作的离线及实时部分都分别做了 较为详细的叙述，同时根据实验结果对本课题所采用的方法进行了评估。 西南科技大学硕士研究生学位论文第6 页 2 表面肌电信号的采集 2 1 表面肌电信号产生机理 肌肉组织的收缩过程与肌肉的生物电的释放过程，以及控制肌肉组织活 动的神经系统三者之间存在着较为复杂的关系，在中枢神经中有一个部分叫 做运动神经单元，它存在于脊髓当中，肌电信号就是产生于这里，而运动神 经元的细胞体就在运动神经单元里，它的轴突伸展到了肌纤维的地方，在终 板区和肌纤维相互耦合。由于和每个神经元所联系的肌纤维不止一条，这些 多条肌纤维与运动神经元细胞体的偶合结合在一起，就构成了一个所谓的运 动单元。 人们大脑意识控制着肌肉的运动，大脑产生兴奋后会将该兴奋向下传导， 这时树突和中枢神经系统的运动神经单元胞体在突触的刺激下，会产生相应 的生物电脉冲，也就是动作电位，动作电位会沿着神经元的轴突传导至末梢 神经和肌肉的结合点，当肌肉与运动神经接触时，它的轴突就会分支到周围 的肌纤维上，其中运动终板就是当某一个分支在肌纤维上终止后所形成的突 触。如图2 1 所示为运动单元的示意图。 图2 1 运动单元结构示意图 f i g u r e2 1b o t i 0 1 1u n i ts t r u c t u r ed ia g r a m 运动神经元产生的电脉冲是在中枢神经的控制下沿着轴突传导到肌纤维 西南科技大学硕士研究生学位论文第7 页 上的，同时在所接触到的肌纤维上产生相应的脉冲序列并沿着肌纤维伸展方 向进行传播，如图2 2 所示。正是因为上述电脉冲能够引起肌纤维的收缩， 所以肌肉才能够产生张力。由运动神经元产生的电脉冲在肌纤维伸展方向传 播的过程中会在人体软组织中引起相应的电流场，同时电位差会在检测电极 之间表现出来。检测点与终板的相对位置同肌纤维在检测点上表现出的电位 波形的极性有一定关联。如图2 2 所示，肌纤维1 与肌纤维n 所产生的电位 波形同纤维2 与肌纤维3 所产生的电位波形相反，其电位的极性受到肌纤维 与检测点之间的相对距离的影响：其相对距离较远的幅度就越小。每条肌纤 维在检测点之间所产生的电位总和即称为运动单元的动作电位( m u a p ： m o t o ru n i ta c t i o np o t e n t i a l ) 。 1 _ 2 3 h ( t ) 图2 - 2运动神经元电脉冲的传播 因为在轴突上的电发放形成的是一定的脉冲序列，所以，在检测点之间 所产生的动作电位也是一定的序列，称之为：m u a p t ，如图2 - 3 所示。众多 运动单元所引起的m u a p t 加起来，即就是所谓的肌电信号( e m g ) 。这就是 生理肌电信号及其形成的过程的简单描述。 西南科技大学硕士研究生学位论文第8 页 图2 - 3检测电极处的动作电位 f i g u r e2 - 3 t h ea c t i o np o t e n t i a io ft h ed e t e c t i o ne i e c t r o d e 2 2 采集系统设计总体方案 由于表面肌电信号( s e m g ) 是一种十分微弱的电压信号，在信号中夹杂着 大量高、低频的干扰信号，肌电信号的真实部分大致存在于2 0 5 0 0 h z 之间。 人体细胞所产生的一个动作电位在一8 0 m v 到3 0 m y 之间，传递到皮肤表面以 后就变得更加微弱，表面肌电信号一般也只有毫伏级，由于表面肌电信号的 特性要求所需的滤波器必须具有隔断直流、放大以及滤波的功能，并同时具 有较高的共模抑制比与较好的抗干扰特性。工频信号的5 0 h z 及其各次谐波 也是在表面肌电信号拾取的过程中一个较为重要干扰源。在实际检测的过程 当中，由于检测电极和皮肤接触时，会产生直流电压，而仅仅采用高增益的 单级放大电路就会引起放大器饱和而是真，因此，在本课题对肌电信号的采 集过程中，主要采用两级逐步放大对微弱的肌电信号进行预处理乜4 | ，根据 s e m g 信号的特点，预调理电路的前级选用仪表放大器i a l 2 8 ，后级为t l 0 7 2 ， 两级放大倍数约为2 0 0 0 倍，与此同时采用蓄电池为整个电路供电，以尽量减 少5 0 h z 工频及其各次谐波干扰的问题，电路设计框图如图2 4 所示： 西南科技大学硕士研究生学位论文 第9 页 图2 - 4采集系统设计总体方案 f i g u r e2 - 4 t h es c h e m ed e s i g no ft h ea c q u is i t i o ns y s l ：e m 2 3 检测电极与测试点肌肉的选取 人体的生物电检测，是依靠传感器来实现的，也就是检测电极。由于肌 电信号比较微弱，检测电极的好坏就决定的所拾取的肌电信号质量的优劣， 甚至对于后端的肌电信号处理也会产生很大的影响。 基于本课题所需拾取的为表面肌电信号，本实验选取表面电极：一次性 银一氯化银自粘性电极，其规格约是3 0 m m 5 0 m m ，椭圆型，其表面电极具 有无创伤和使用方便，价格低廉的特点，如图2 5 所示： + ，、 r m l、 参l 篝o j i 。、，、 秽 。+ 1 | ? i 。? 毒 图2 - 5 表面肌电信号采集电极 f i g u r e2 - 5s u r f a c ee b bs i g n a ia c q u is i t i o ne i e c t r o d e 信号采集过程中，由于电极放置位置会对s e m g 信号的处理效果产生影 西南科技大学硕士研究生学位论文第10 页 响m 副，根据前人的经验3 以及经过多次实验总结，本实验拟选定如图2 - 6 ， 图2 - 7 所示的肌肉位置拾取肌电信号效果较好。 f i g u r e2 - 6 图2 - 6 六通道表面电极位置示意图 s i x c h a n n e is u r f a c ee i e c t r o d ep o s i t i o nd i a g r a m f i g u r e2 。7 图2 - 7 四通道表面电极位置示意图 f o u r c h a n n eis u r f a c eeie c t r o d ep o s itio ndia g r a m 在图2 - 6 与图2 7 中，所选取的参考电极位置位于手腕处，由于采用的 西南科技大学硕士研究生学位论文第1 1 页 是差分输入的方式，每块肌肉表面用一对电极采取信号，在受试者手臂所选 取的屈伸肌肌腹处，沿着肌纤维伸展的方向贴两片电极，根据前人做实验时 的经验总结以及本课题实际采集的实验效果，两电极之间的距离约为2 c m 较 为合适，同时当电极之间距离的误差小于o 2 c m 时，其信号采集的效果较好 乜8 | 。表2 1 所示为不同通道数时电极对应的肌肉位置。 表2 - 1 电极位置说明 t a b 2 1e i e c t r o d ep o s i t i o nd e s c ri p t i o n 2 4 采集预调理电路设计 肌电信号采集的质量取决于前置预调理电路的性能，而预调理电路的整 体性能，关键在于前置放大电路的好坏。本课题在对信号采集时采用差分输 入的方式心9 | ，如图2 8 所示，为前级放大电路的原理原图。其中r 1 与c l ， r 2 与c 2 分别组成门限为5 0 0 h z 的低通滤波器，i a l 2 8 为所选用的仪表放大 芯片，增益为： 。1 + 5 0 k f l c r = 一 心 ( 2 1 ) 其中r c 为图中r 3 ，即为放大器增益控制电阻，c 5 与r 4 组成门限为2 0 h z 的高通滤波器，前端放大倍数设置为2 0 0 倍。 图2 - 9 所示的为后级放大电路原理图，其主要是利用t l 0 7 2 是实现的， 其中包括了二级放大，以及5 0 h z 陷波器m 1 ，陷波器的中心频率为： 1 ，2 i 磊 ( 2 2 ) 。 2 7 r 尼c 归纠 其中，r 7 取6 8 k q ，c 9 取0 4 7u f ，根据公式( 2 2 ) 算得f _ - 4 9 8 h z ，满足设 计要求。后端放大倍数设置为1 0 倍，与前端合计约为2 0 0 0 倍，满足信号放 大需求。 西南科技大学硕士研究生学位论文第1 2 页 、，c c 图2 - 8 f i g u r e2 - 8 前级放大电路原理图 p r e a m p ii f i 8 fc ir c u i ts c h e m a t i c 图2 - 9 后级放大电路原理图 f i g u r e2 - 9 s e c o n d a r ya m p ii f i e rc ir c u i ts c h e m a t i c 西南型垫查兰塑主堡塞竺兰篁笙壅蔓! ! 里一 _ 一一 图2 - 1 0预调理电路实物图 f i g u r e2 - 1 0p r r c o n d i t i o n i n gc ir o u i t s 预调理电路制成p c b 板的实物如图2 1 0 所示，其中上端六个接口为信 号输入端，右下角为电源接口，整个放大电路集成在另一张较小的p c b 板 上，并以同样的方式排放在中间，最下端为d s u b 接口，接口的另一端接在 p c 机的采集卡上。 2 5 数据采集卡及采集软件 硬件实现中最为关键部分就是数据采集卡的实现，在采集卡上有采样的 端1 2 、p c 机的接口以及模数转换单元，也就是a d 转换器。由此它是信号 采集的中转站，只有了解它与p c 机接口的方式，才能实现软件编程。 在本课题中所选用的数据采集卡为n i 公司的p c i 6 2 2 1 ，该采集卡有1 6 个数据通道，根据所提供的接口函数，利用v c 6 0 编写采集软件程序界面如 图2 一l1 所示。其中由采集卡提供的接口函数为：r e a d d a t a ( t a s k h a n d l e t a s k h a n d l e ， i n t 3 2 e v e r y n s a m p l e s e v e n t t y p e ， u i n t 3 2 n s a m p l e s ， v o i d 幸e a l l b a c k d a t a ) 。 西南科技大学硕士研究生学位论文 第1 4 页 图2 - 11s e m g 信号采集识别软件界面 fig ure2 - 11s e m gs i g n a la c q u i s i t i o n r e c o g n i t i o ns o f t w a r ei n t e r f a c e 从界面图可以看出，所设计采集系统有1 6 个通道可供选择，待读取采样 率即为肌电信号图所显示的频率，实验中设置为1 0 0 0 ，也就是说每采到1 0 0 0 个样本数据，就将这些样本数据显示在软件界面上，软件上所显示的肌电信 号通道数与所勾选的通道一致。在离线部分，采集到的数据会按照时间顺序 存储到指定目录，以供后续实验用；而在实时部分，所采集到的数据会根据 识别结果( 软件界面的手势图即为识别结果) 存储到指定的目录。 软件设计分主要分为两个部分，第一部分是程序控制单元部分，第二部 分为数据存储单元部分。程序控制单元主要是控制整个系统的运行状态，包 括开始、停止采集，采样率设置，采集卡重启以及图形绘制。数据存储单元 主要是讲所采集到数据按照一定的要求保存下来，以供后续使用。软件设计 的思路和原则，在一定程度上符合程序设计原理，包括：采集软件在w i l l d o w s x p 环境下使用，其操作界面符合普通用户的操作习惯：采集软件的应用必 须建立在该p c 机已经安装好了采集卡的驱动程序；数据存储的位置可选， 其格式是最为通用的t x t 文本格式；采集到当前数据可根据配置条件显示在 软件界面上；建立有详细的说明文档。采集软件的流程图如2 1 2 所示。 重启采集卡 图2 1 2采集软件总体流程图 f i g u r e2 - 1 2 c o ii e c t i o no fs o f t w a r ef i o w c h a r t 2 6 肌电信号采集实验 由于表面肌电信号是一种十分微弱的生物电信号，其信噪比不是很高， 因此，在实验当中应采取定的措施，尽可能的减少干扰噪声的引入。首先， 应该保证实验仪器可靠接地，并远离强大的电磁场与静电场，在这一方面， 实验中的预调理电路已经直接连接接地钢板，钢板的另一端连接于手臂的参 考电极，同时，将硬件电路用金属壳与外界隔离开来，利用静电屏蔽效应， 尽可能的减少噪声的引入，控制室温在二十度左右为宜。其次，在每次实验 之前，对电极粘贴处得皮肤用酒精清洗，并用专用的砂片轻微打磨。最后， 将电极准确粘贴在被测肌肉上后，需用手做适当按压，以确保导电胶与皮肤 的接触良好m 3 副。具体的实验情况如图2 - 1 3 所示： 堕重型垫奎兰堡主堑窒竺兰笪笙壅 兰! 鱼夏 一一一 图2 - 13肌电位号采集实况图 f i g u r e2 - 1 3 t h ea c q u i s i t i o no ft h es e m i 实验选取了3 名男志愿者，其平均年龄为2 4 岁，身体健康，没有肌肉神 经新陈代谢等方面的疾病。实验者的标准动作姿势为：人体正直坐在实验桌 前方，上体保持直立，使得被测手臂的上臂能够较为自然地放置在实验桌上， 与此同时大腿与地面保持水平，被测手臂的上臂与躯干、躯干与大腿、大腿 与小腿分别保持大约九十度，另一只空闲手臂自然舒适地放置，以不影响实 验为标准乜引。 本课题对于一只手的五个指头分剔用其英文首字母的大写来标明：拇指 ( t ) 、食指( i ) 、中指( m ) 、无名指( r ) 、小指( l ) ，在此基础上，选择了包括腕 动作和手指动作的6 种数字手势动作与1 0 种手部动作，总共1 6 种，分别是： 数字一( o n e ) 、数字二( t w o ) 、数字三( t h r e e ) 、数字四( f o u r ) 、数字五( f i v e ) 、 数字六( s i x ) ，以及屈腕( f l w r ) 、伸腕( e x i f r ) 、握拳( m a f t ) 、伸掌( e x p m ) 、伸 拇指中指无名指( e x r m t ) 、伸拇指和中指( e x m t ) 、伸食指和拇指( e x i t ) 、伸拇 指食指小拇指( e x l i t ) 、o k 手势( o k a y ) 、侧腕( s i w r ) 。如图2 一1 4 所示： 西南