（测试计量技术及仪器专业论文）基于肌电信号的人体上肢动作辨识与轨迹预测方法研究.pdf

摘要 中文摘要 肌电( e m g ) 信号是人体自主运动时神经肌肉活动发放的生物电信号，它反 映了神经、肌肉的功能状态。表面肌电信号( s e m g ) 是使用方便且无痛苦的表面 电极测得的肌电信号。表面肌电信号不仅在临床医学、运动医学等领域被广泛应 用，而且成为多自由度人工假肢和功能性神经电刺激的理想控制信号。国内有很 多研究专注于对表面肌电信号进行模式识别，从而区分肢体不同的运动模式，实 现多自由度假肢的控制。但是，在单个运动模式中，假肢的运动状态如运动速度、 运动幅度和手臂位置等却无法控制。这主要是由于肌电信号产生机理的复杂性及 肌电信号和人体自主运动控制体系的复杂关系，使得表面肌电信号和人手运动状 态的关系难以确定。随着信号处理方法和计算机技术的发展，如何从e m g 信号 中有效地提取信息并实现准确的动作识别，是肌电控制假肢实用化进程中的重要 问题。为此本文在e m g 信号的特征提取及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 利用人体上肢肌肉的肌电信号辨识人体肘关节运动状态。当人体手臂做 屈伸运动时，采集肱二头肌和肱三头肌的肌电( e m g ) 信号和肘关节角度信号，对 e m g 进行处理和特征提取。提取的特征值作为一个四层的神经网络模型的输入信 号，运用改进后的误差反传学习算法最优化网络各层权值，映射出人体表面肌电 信号和手臂运动状态间的非线性关系，试验结果表明所建立的神经网络预测模型 能较准确的将处理后的肌电信号转换为相应时刻的肘关节运动角度。 、 2 基于人手做展拳、握拳、前臂内旋、前臂外旋等不同的动作时采集到的 肌电信号，首先提取其有效的动作信号。再利用离散小波变换对其进行多尺度分 解，提取一定尺度上的小波系数模晟大值作为特征值。分别采用多层前馈神经网 络和高阶神经网络作为分类器对人手不同动作进行分类识别，均取得了较为满意 的识别结果。 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 基会( 项目号：0 3 3 6 0 1 6 1 1 ) 的资助。 关键词：肌电信号特征提取神经网络小波变换 a b s t r a c t a b s t r a c t t h ee l e c t r o m y o g r a p h i c ( e m g ) s i g n a li st h ee l e c t r i c a lm a n i f e s t a t i o no f n e u r o m u s c u l a ra c t i v a t i o na s s o c i a t e dw i t l lac o n t r a c t i n gm u s c l e i ti sa ne x c e e d i n g l y c o m p l i c a t e ds i g n a lw h i c hi sa f f e c t e db yt h ea n a t o m i c a la n dp h y s i o l o g i c a lp r o p e r t i e so f m u s c l e s 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 ) h a sb e e np r o v e dt ob eas u c c e s s f u l m e t h o do fn o n - i n v a s i v em e a s u r e m e n to fe m g e m gw a sp i c k e du pf r o mt h ei n t a c t m u s c u l a t u r ed u r i n gv o l i t i o n a lm o t i o nh a v eb e e ns u g g e s t e da n du t i l i z e da sa ne f f e c t i v e m e t h o dt o p r o v i d e c o n t r o lc o m m a n d sf o ra r t i f i c i a ll i m b sa n df u n c t i o n a l n e u r o m u s c u l a rs t i m u l a t i o n al o to ft h er e s e a r c h a sd o m e s t i cw e r ef o c u s e do nt h e m o d er e c o g n i t i o no fe m gt or e a l i z em u l t i f u n c t i o n a lc o n t r o lo fa r t i f i c i a ll i m b s h o w e v e r , i nt h es i n g l em o t i o nm o d e ，t h ef a c t o r ss u c ha sv e l o c i t yo fm o v e m e n t ， a m p l i t u d eo f m o v e m e n t ，a n dp o s i t i o no f t h ea r mr e m a i nu n c l e a r t h er e l a t i o nb e t w e e n e m ga n da l t nd y n a m i c si nt h ep r e s e n c eo fm o v e m e n th a sn o tb e e nf u l l yu n d e r s t o o d d u et ot h ec o m p l e x i t yo fe m g g e n e r a t i o na n dt h ec o m p l i c a t e dr e l a t i o nb e t w e e ne m g a n dm o t o rc o n t r o ls y s t e mi nt h ep r e s e n c eo fv o l u n t a r ym o v e m e n t s e f f e c t i v es i g n a l f e a t u r ee x t r a c t i o na n da c c u r a t ef u n c t i o ni d e n t i f i c a t i o na r et h ec r u c i a l p r o b l e m i n v o l v e di np r a c t i c a lp r o s t h e s i sc o n t r 0 1 t h e s ep r o b l e m sw e r ed i s c u s s e dt h e o r e t i c a l l y a n dp r a c t i c a l l yi nt h i sp a p e r t h em a j o rc o n t e n t so f t h i st h e s i sa r ea sf o l l o w s ： 1 t h em o t i o ns t a t eo fh u m a ne l b o wj o i n tw a si d e n t i f i e db a s e do nt h ee m g s e m g sw e r ec o l l e c t e df r o mt h eb i c e p sa n dt r i c e p sm u s c l e so fn o r m a ls u b j e c t sw h e n t h e ym o v e dt h e i re l b o wf l e x i o n - e x t e n s i o nw i t ht i m e v a r y i n gl o a d s t h er a we m g s i g n a l sw e r ep r o c e s s e da n dt h en e wd e f i n e dc h a r a c t e r i s t i cw a sp i c k e du p af o u r - l a y e r f e e d f o r w a r dn e u r a ln e t w o r km o d e l ，w i t ht h ec h a r a c t e r i s t i ca si t si n p u tw a sd e v e l o p e d t h ew e i g h t e dv a l u e so ft h em o d e lw e r eo p t i m i z e dw i mt h ea d j u s t e db a c k - p r o p a g a t i o n a l g o r i t h m b yt r a i n i n g ，t h em o d e lc a nm a pt h et r a n s f o r m a t i o nf r o mt h ep r o c e s s e d e m gs i g n a l st ot h ee l b o wj o i n ta n g l e s t h e e x p e r i m e n t a lr e s u l t ss h o w e dt h a tt h e m a x i m a le r r o rb e t w e e nt h ej o i n ta n g l ep r e d i c t e db yt h en e t w o r ka n dt h ea c t u a lj o i n t a n g l em e a s u r e db yt h eg o n i o m e t e rw a sv e r ys m a l l a b s t r a c t 2 t h ee f f e c t i v ea c t i o ns i g n a l sw e r ee x t r a c t e df r o mt h ee m g sw h i c hw e r e p i c k e du pf r o mh u m a na r m sw h e nt h e yd i ds o m ed i f f e r e n ta c t s ，s u c h a sh a n d s e x t e n d i n go rh o l d i n ga n df o r e a r m sr o t a t i n gi n s i d eo ro u t s i d e w a v e l e tc o e f f i c i e n t s w i t ht h em a x i m u mo ft h ea b s o l u t ev a l u ef r o mw a v e l e tt r a n s f o r i l lb a s e dm u l t i r e s o l u t i o n d e c o m p o s i t i o n w e r es e l e c t e dt oe x t r a c te m gs i g n a lf e a t u r e t h e m u l t i l a y e r f e e d f o r w a r dn e u r a ln e t w o r ka n dt h eh i g h - o r d e rn e u r a ln e t w o r kw e r e e m p l o y e da ss i g n a lc l a s s i f i e r st oi d e n t i f yt h ed i f f e r e n ta c t i o no fh u m a nh a n d s t h e e x p e r i m e n tr e s u l t ss h o w e dt h a tb o t ho ft h ec l a s s i f i e r sa c q u i r ea p p r o v i n gi d e n t i f i c a t i o n e f f i c i e n c y 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 a t i o no fc h i n a ( p r o j e c tn o 5 0 3 7 5 1 0 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 1 1 、 k e yw o r d s ：e m gf e a t u r ee x t r a c t i o n ，n e u r a ln e t w o r k ，w a v e l e tt r a n s f o r m 1 1 1 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，也不包含为获得苤鲞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： 试b 瓜黼 签字日期： w 6 年 月g 日 学位论文版权使用授权书 本学位论文作者完全了解墨洼盘鲎有关保留、使用学位论文的规定。 特授权鑫洼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。 ( 愫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： 毒b 融盈导师签名 签字日期：砌6 年1 月g 日签字日期 月日 第一章绪论 1 1 概述 第一章绪论 肌肉是人体运动系统重要的组成部分，在人体中，肌肉是将化学能量转化为机 械运动( 机械能) 的生物机器。人体的各种运动( 包括外部运动和生理活动) 都或多 或少地与肌肉的活动有关。因此，对肌肉运动信息的各种检测构成了人体检测的重要 内容。肌肉的运动信息是多元化的，它包括肌肉运动的外部表现形态，即肌肉运动时 表现出的收缩力量，收缩速度，做功的能力等肌肉力学指标，也包括肌肉运动时的能 量供应，循环呼吸等生物物理和生物化学指标，还包括肌肉运动时的电生理指标，即 肌电信息的检测。 骨骼肌是由肌肉纤维组成，一个口运动神经元控制一束肌肉纤维的活动。运动 神经元位于脊髓内，有一个长的轴突，该轴突和神经元内的其他轴突一起，延伸到肌 肉。在那里，每个轴突分成若干分支，且每个分支终结在肌肉纤维的一个运动终结板。 运动神经元和受其控制的肌肉纤维一起被称为运动单元。当一个运动神经元受到激 发，导致该单元内所有肌肉纤维收缩，运动单元在肌肉的收缩中可被称为基本的运动 单元“1 。 在运动极板上，当神经动作电位到来，引起相应肌肉纤维的极化。该极化以每 1 秒3 5 m 的速度向肌肉纤维两端传播。这种电位的传播被称为运动单元动作电位 ( m u a p ) 。当很多运动单元受到激化，一个肌肉内电极将记录从每个肌纤维来的运动 单元动作电位在时间和空间中的叠加而产生的图案。这个被记录的信号，被称为肌电 信号( e m g s ) ”1 。 肌电图( e 1 e c t r o m y o g r a h y 或e ) 是研究或检测肌肉生物电活动，借以判断神 经肌肉系统机能及形态学变化，并有助于神经肌肉系统的研究和提供临床诊断的科 学。随着人们对神经肌肉电生理研究与了解的日益深入和肌电检测技术的进步，肌电 信号处理手段的发展和肌电信号处理的广泛应用成为肌电信号研究的一个突出特点。 基于肌电信号辨识人体肘关节的运动状态及人手的不同动作模式分类的研究具 有重要的意义，因为辨识的结果不仅可以作为类人机械手和人工假肢的控制信号，还 第一章绪论 可以作为神经假肢的刺激信号，用于对人体进行康复治疗。其辨识过程也就是辨识模 型的建立过程又可以用于对人体控制机理进行理论解释。 1 2 国内外研究溉况 为了准确的实现动作识别，特征提取和模式分类是肌电控制假肢系统的关键。 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。 1 2 1 肌电信号的特征提取方法 肌电阈值控制是一种简单的方式，由于肌电信号可近似认为是一种具有可控方 差的零均值高斯过程，而其方差矿事实上代表了肌电信号的强弱，反应了肌肉收缩 的强度，因此人们可以通过控制肌肉收缩强度来产生不同的控制信号。虽然这种控制 方式简单，但在许多缺点，其根本原因是只用到了肌电幅度一个信息，因此难以控制 复杂的运动。早期的假肢只有一个自由度，只需要丌关两种状态的二值控制，利用两 对电极检测特定肌肉的收缩情况就能得到控制信号。随着假肢功能的增强，在控制中 需要同时给出多个通道的控制信号，采用阂值控制方式只能靠增加电极数目或划分多 层阈值来实现，这样会使操纵复杂化，给穿戴者带来负担，且控制失误率高，限制了 假肢功能的增强，也导致人们致力于研究通过信号处理技术减少电极个数和扩展控制 功能。但是当需要的控制信号不多时，阈值控制方式又是最实用可靠的，方案成熟简 便，在商业化假肢中得到了广泛应用。 比例式肌电控制是将假肢的某些运动变量( 例如手的握力) 与某些肌电参数相 关联，从而使假肢的动作功能更强，更接近于自然肢体动作。传统的比例控制是通过 测量肌电信号的总体平均功率，并将它与电极探测肌肉的收缩力量联系起来而达到 的。这里假设肌力与肌电信号的功率成比例，在技术上通过整流检波与平滑处理来估 计肌肉收缩力量。这种方法在一些系统中得到了应用”。这种方案存在的问题是假 肢穿戴者要给出合适的控制信号，需要经过实现训练，操纵有负担，而且当需要的控 制通道增加时需采用多个电极。因此采用统计方法估计肌肉力的途径很快引起了人们 的重视，并得到了发展。 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 2 第一章绪论 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 问特性上的信息。 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 。叫提出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。 参数模型方法将随机信号看作是白噪声激励一个线性系统的结果，把随机过程 的随机性和一定程度的可预测性分离开，白噪声激励体现信号的随机性，确定性模型 ( 模型阶次和模型参数) 反映过程的可预测性，表征随机信号所包含的确定性的，具 有本质特性的信息。 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 i 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“卅。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睁，将其作为特征矢量以提高聚类分离度。 肌电信号是空间分布的，研究表明，不同肌肉信号的主频率分布在不同的频带， e m g 信号的谱是肌纤维与电极间距离的函数，因此不同电极信号间的相互关系中包含 有可以用做特征识别的信息，同时这种信号空间相关性还是运动单元信号同步的结 果。g a u p e 等人的单道a r ，a r 姒模型方法的重要缺陷是只取一道肌电信号，它无法利 第一章绪论 用肌电信号的空间分布信息，而且对肌肉收缩力量的大小和电极的位置较为敏感。为 了充分利用信号之间的信息，需要采用多电极系统。d o e r s c h u k 在1 9 8 3 年提出了四 道多元a r 模型“”。 由于肌电信号在本质上是非平稳的“”“，统计特性随时闯变化，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“”。 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 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o 】。 j a n g 等对单道肌电信号和维格纳分布，在时频空间上可以观察到不同肌肉动作 具有不同的分布特性，由此产生二维特征矢量，然后利用二维互相关法对上肢动作进 行分类，对胸部与肘部的六个动作达到了8 5 的识别率。利用该方法，还能对肌肉 的疲劳进行深入研究“”。 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，充分体现了常相对带宽频率分析和适应变分辨率分析的思 想从而为信号的实时处理提供了一条途径。 4 第一章绪论 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 ”2 。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 这种现象在时域中无法出现，而使用f f t 处理也难以分析解释o ”1 。 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 有力工具嘲。 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 用恤- 嚣) ，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油1 。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，减少了控制延时删。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。 第一章绪论 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两部分，一部分是利用人体上肢肌肉的肌电信号辨识 人体肘关节运动状态。当人体手臂做屈伸运动时，采集肱二头肌和肱三头肌的肌电 ( e m g s ) 信号和肘关节角度信号，对e m g s 进行处理和特征提取。提取的特征值作为一 个四层的神经网络模型的输入信号，运用改进后的误差反传学习算法最优化网络各层 权值，映射出入体表面肌电信号和手臂运动状态间的非线性关系，并将处理后的肌电 信号转换为相应时刻的肘关节运动角度。系统结构框图如图1 1 所示： 肌电信号 图l 一1 系统结构框图 第二部分是利用前臂肌肉的肌电信号对人手动作进行识别，当人手做不同的动 作( 如内旋，外旋，展拳，握拳) 时，采集前臂肌肉的肌电信号，对e m g s 进行小波 分析和特征提取。用神经网络分类器将肌电信号转化为相应的人手运动状态。 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 1 1 ) 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( 通过肌电信号控制仿生机械手) 奠定了坚实的基础，而且决 定了假肢控制能否可靠，简单，安全，从而最终达到实用的目的。 6 嚣一 ， 鬲厂 第二章肌电信号的机理及采集 第二章肌电信号的机理及采集 2 1 肌肉运动中的电生理过程及肌电信号的产生 骨骼肌是人体运动系统的主要组成部分，人在生活和劳动中所进行的各种形 式的躯体运动都是以骨骼肌的活动为基础的。肌体的运动需要完整的神经系统和 骨骼肌功能，骨骼肌纤维是运动单位的最终效应器，它具有兴奋性和收缩性。在 大脑中枢神经系统的调控下，骨骼肌的各块肌肉相互协作配合将兴奋( 收缩) 作 用于骨韶，产生了人体各部分的协调运动，同时肌肉细胞上会产生电位的变化， 即肌电信号。具体过程如下o ”： 肌电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，如图2 1 。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。 7 第二章肌电信号的机理及采集 图2 - 1 肌电信号的产生 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，又和纤维与检测点问的距离有关，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。以上就是形成生理肌电信号的基 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、复杂的神经一肌肉系统，其组成框图见图2 2 上。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，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。 8 第二章肌电信号的机理及采集 感受器 竺蚓兰兰兰兰靠 一脑神经u 脊神经 电脉冲电脉冲 萎瑟器攀力 质和神经传递介i 质的肌纤维组织i 动作电位i 表面肌电信号 内二二二一 i 表面电极l 一一+ 图2 - - 2 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杂阻蜩。 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 i 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例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， 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。 9 第= 牵飘电信号豹梳理及采集 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 0u v ，针电 援记录熬飘毫蕊号戆频带为5 - 1 0 0 0h z ，袋爝表嚣电极辩腿毫信号豹黥量主要集 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溅得到的瓤 电频谱分布在2 0 5 0 0 h z ，绝大部分谱集中在5 0 1 5 0h z 之间。表面肌电放大器 麴频带一般设爱为1 0 5 0 0 l z ，锋电极飘电放大嚣魏频带一般设置为 2 0 一1 0 0 0 h z 。 2 2 表瑟甄毫馈号采集系缝 整个表面肌电采集系统如图2 - 3 所示：人体手臂运动时，表面电极检测手臂 飘肉产生豹飘瞧信号并将其输入到瓤电仪巾，飘电纹负爨将测褥的肌电信号诈翦 鬻被大和带通滤波处理；n o r a n g l e i i n 角仪将关节角度传感器昭程入体手臂j 季 关节部位，测角仪测得的角度信号和肌电仪输出的放大信号一起接到1 6 路的 n o r n b c 信号潺联模块，经过调理豹信号进入u s ba d 数撼采集卡，进弦a 佃转换后 送入计算祝中。褥和用诗算机强大酶处理功能、显示功熊和充裕酶存储空闻对穰 母进行存储、处理及显示。 圈2 3s e m b 信号袋集系统构成蹦 下面分两节详细说明整个s e m 6 信号采集系统的两大部分：信号采集嫒彳牟和僚 号采集软件。 2 。2 1 信号采集疆件 1 表面电极 瓤电电极农胍电检测中熬到一种换熊作用，由于生物体内的电流是属于离子 电流，丽电辍和导体都是靠电子导电，因戴电极需有黥力将离子电流转换成电子 1 0 第二章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。 表面电极形式简单，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，检测系统又可以分为单极、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肉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。双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 4 所示) 进行测量。该电极为一次性粘性a g a g c i 揿钮电极，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，测试日u 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4c m 2 2c m ，每个圆形导电区域直径为i c m ；它的两 个电极位置固定，中心距为2 c m ，这样就避免了每次测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 - 5 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。 图2 - 4n o r a x o n 双电极图2 - 5 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 第二章肌电信号的机理及采集 ( 如图2 6 ) 。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，在肌肉等长或动态收缩中都可提供清楚、连续、可靠的 数据，特别适于在医用或基础研究中对肌肉进行评价。 图2 - 6m y o s y s t e m l 2 0 0 肌电仪 3 测角仪 测角仪选用美国n o r a x o n 公司生产的n o r a n g l e 关节角度仪( 如图2 7 ) ，测角 仪包括2 条二维关节角度传感器和连接电缆。使用时，关节角度传感器贴在人体 的关节部位，然后接上信号调理模块。经过调理的角度信号会输出到数据采集卡 进行采集，将人体运动中的肘关节角度输入到计算机中。 图2 7n o r a n g l e 关节角度仪： 4 信号调理模块 信号调理模块( 如图2 8 ) 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 ba d 数据采集卡。 2 第二章肌电信号的机理及采集 图2 8b n c 信号调理模块 5 数据采集卡 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 ( 如图2 9 ) 将模拟信号转换成数字信号传入到计算机中。 图2 9u s ba d 采集卡 2 2 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 信号处理一整流、滤波、平滑、归一等 1 3 第二章肌电信号的机理及采集 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 以下四个图为我们测量中所截取下来的实况图，图2 1 0 为测量平台的主 画面；图2 一l l 为进入采集界面；图2 一1 2 为人体手臂肘关节做屈伸运动时采集到 的肱二头肌、肱三头肌的肌电信号及相应时刻水平、垂直平面的关节角度信号采 集图：图2 1 3 为人手做前臂内旋动作时，指伸肌、腕屈肌的原始肌电信号采集 图。 图2 一l o 测量平台主画面 1 4 第二章肌电信号的机理及采集 图2 1 1 采集界面 图2 1 2 人体手臂肘关节做屈伸运动时采集到的肱二头肌、肱三头肌的肌电信号及相应 时刻水平、垂直平面的关节角度信号采集图 第二章肌电信号的机理及采集 图2 - - 1 3 人手做前臂内旋动作时，指伸肌、腕屈肌的原始肌电信号采集图 6 第三章基于肌电信号的人手肘关节运动轨迹的预测 第三章基于肌电信号的人手肘关节运动轨迹的预测 3 1 前言 近年来，随着科技的发展，人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，a n n ) 得到了广泛的应用。由于肌电信号和肌肉力及其它有关状态的关系非常复杂，很 难找出它们之间的函数关系，而人工神经网络具有良好的非线性映射能力、自学 习适应能力和并行信息处理能力，可以融合多种信息很好地解决未知不确定非线 性系统的建模。因此很多研究中都用人工神经网络从肌电信号中估计和预测出肌 f 脯- 】 肉力、关节角和关节力矩 。 人工神经网络，亦称为神经网络( n e u r a ln e t w o r k ，n n ) ，是一种信息处理 系统，它由许多非常简单的、彼此之间高度连接的处理单元组成，这些单元模仿 大脑中的神经细胞( 神经元n e u r o n s ) 设计而成。人工神经网络的研究是从人脑 的生理结构出发来研究人的智能行为，模拟人脑信息处理的功能。它是植根于神 “1 1 经科学、数学、统计学、物理学、计算机科学及工程等学科的一种技术。本章 利用人工神经网络映射人体表面肌电信号和手臂运动状态间的非线性关系，辨识 人体上肢肘关节的运动状态。 3 2 神经网络的基本原理 3 2 1 人工神经网络简介 人工神经网络是由大量简单的基本元件一神经元相互联结，模拟人的大脑神 经处理信息的方式，进行信息并行处理和非线形转换的复杂网络系统。人工神经 网络处理信息是通过信息样本对神经网络的训练，使其具有人的大脑的记忆、辨 识能力，完成各种信息处理功能。人工神经网络具有良好的自学习、自适应、联 想记忆、并行处理和非线性转换的能力，避免了复杂数学推导，在样本缺损和参 数漂移的情况下，仍能保证稳定的输出。人工神经网络这种模拟人脑智力的特性， 已经成功地应用于众多领域，如模式识别、图象处理、语音识别、智能控制、虚 1 7 第三章基于肌电信号的人手肘关节运动轨迹的预测 拟现实、优化计算、人工智能等领域川。 3 2 2 人工神经网络的特点及其优越性 一人工神经网络( 简称神经网络n n ) 是由人工神经元( 简称神经元) 互连 组成的网络，它是从微观结构和功能上对人脑的抽象、简化，是模拟人类智能的 一条重要途径， 反映了人脑功能的若干基本特征，如并行信息处理、学习、联 t 4 想、模式分类、记忆等。 神经网络对控制领域有吸引力的特征为 ： ( 1 ) 可以充分逼近任意复杂的非线性关系； ( 2 ) 所有定量或定性的信息都等势分布贮存于网络内的各神经元，故有很强 的鲁棒性和容错性； ( 3 ) 采用并行分布处理方法，使得快速进行大量运算成为可能； ( 4 ) 可学习和自适应不知道或不