表面肌电信号检测和处理中若干关键技术研究

【摘要】： 表面肌电(sEMG)信号是一种伴随肌肉活动的电生理信号。基于表面肌电的人体动作识别、表而肌电信号的分解是当前这个领域研究的两大热点。其中,前者旨在提供一种更自然、便捷、有效的人机交互方式,在假肢控制、移动设备操控、手语识别、运动电子产品、游戏娱乐产品、作战指挥等领域具有重要的应用价值；后者旨在从表而肌电信号中提取神经肌肉运动单位募集、发放信息和MUAP波形信息,研究神经肌肉系统的控制机理,并为神经肌肉疾病的诊断提供依据。 与插入式肌电信号(iEMG)相比,sEMG信号具有检测无创性的优点,因此应用范围更广。但由于是从皮肤表面检测信号且电极面积较大,同时受到肌肉、脂肪和皮肤组织的低通滤波效应影响,其信噪比较低,波形变异性较大,对其检测和处理的难度也相应增大。目前在基于sEMG信号的动作识别与人机交互研究以及在sEMG信号分解研究中,仍存在一些技术问题需要解决,例如：具有特定应用场合的sEMG电极：电极的噪声、阻抗和环境适应能力；抑制工频干扰的方法；适合人机交互的低噪声、低功耗、可穿戴sEMG信号采集系统；实时、高效率、可结构化的动作识别方法：连续手势动作的识别方法：有效获取sEMG时空信息的高密度、高性能、低噪声电极阵列的研制。本文即是围绕上述问题展开研究,主要工作和创新点归纳如下： 1.高质量表面肌电检测电极的研制和性能分析。紧密围绕sEMG信号检测的应用场合,研制了具有便捷性和耐用性的各类干电极。其中线形电极结构简单、便捷耐用,印制电极外形灵活、佩戴舒适,弹簧探针电极接触良好、时空分辨力高。通过实验对各种自制电极的噪声进行了测定分析：研制矢量导纳测试装置,并利用该装置研究了各种电极阻抗的时变规律、频率响应以及压强、皮肤处理方式对阻抗的影响；改进放大电路的结构,有效的滤除了运动伪迹。这北方法和结果对sEMG信号检测工作具有普遍意义。 2.微弱表而肌电信号检测中的工频干扰及消除方法。提出了基于锁相环同步时钟的时域分组滤波法以抑制工频干扰,与传统的工频消除算法不同,这是一种软硬件相结合的方法,具有快速、有效、可结构化的特点。设计和研制了一种新颖的、具有双变压器结构的工频隔离电源,通过互补抵消的作用,巧妙地实现了使输入、输出达到低噪声、低共模干扰的目标。另外,采用金属板屏蔽、全电池供电隔离采集等方法,有效的实现了工频抑制。 3.多种不同应用的表面肌电信号采集系统研制。针对不同应用场合,设计和研制了多种高信噪比、高共模抑制能力的sEMG信号采集系统,包括配置有源电极的sEMG采集系统、调频无线sEMG采集系统、2.4GHz无线数字传输sEMG与加速度采集系统和基于蓝牙的无线sEMG与加速度采集系统。采用多项技术和措施提高传感器和系统的性能,以减小其体积、重量和功耗,增强其便携性和可穿戴性,从而可为穿戴式计算机和移动手持设备提供若干种全新的交互方式。 4.基于表面肌电信号的实时手势识别及FPGA实现。适应基于sEMG的人机交互设备微型化、芯片化的要求,采用一系列可靠、快速、结构化的方法进行实时手势识别,并将其应用于FPGA平台。其中,提出了三级缓存控制方法、基于循环队列的快速活动段检测方法：提取各通道绝对值均值与AR模型系数作为特征；采用加权欧式空间距离和LDC贝叶斯分类器进行分类。另外构建了实时手势识别平台并对手势识别的速度、准确率、多用户适应能力进行了实验分析。 5.基于表面肌电信号的连续手势识别。提出一种基于短时能量特征的连续手势识别方法。这种方法根据测得信号的能量大小及其与标准动作模板的匹配程度进行识别,具有每一次采样随即识别一次的高速度,可以不依赖于活动段,获得连续的手势识别结果。 6.获取表面肌电时空信息的高密度电极研究。运用双差分电极进行手势sEMG信号研究,实验证实该电极具有较高的位置分辨能力和位置敏感程度。设计和研制了带有前级放大器的集成sEMG电极阵列传感器,这种集成方式可以很大程度的减少外界干扰,降低噪声。运用该传感器进行了肌纤维传导速度测定；采用自相关主峰宽度近似表达MUAP时限,用此方法评估了印制电极与弹簧探针电极的MUAP时限特性；以空间滤波方式提高了电极对MUAP的分辨能力。 本论文研究得到国家863项目“基于肌电传感器和加速计的手势交互设备研究”(2009AAO1Z322)和国家自然科学基金项目“基于线性变化力采集和多通道时空信息的表面肌电信号分解”(30870656)的资助。