何可人,孫 偉,羅錦宏,鄒 凌

(1.常州大學(xué) 信息科學(xué)與工程學(xué)院，江蘇 常州 213164; 2.常州市生物醫(yī)學(xué)信息技術(shù)重點(diǎn)實(shí)驗(yàn)室, 江蘇 常州 213164; 3.常州信息職業(yè)技術(shù)學(xué)院， 江蘇 常州 213164)

?

表面肌電采集與在線識(shí)別系統(tǒng)

何可人1,2,孫 偉1,2,羅錦宏3,鄒 凌1,2

(1.常州大學(xué) 信息科學(xué)與工程學(xué)院，江蘇 常州 213164; 2.常州市生物醫(yī)學(xué)信息技術(shù)重點(diǎn)實(shí)驗(yàn)室, 江蘇 常州 213164; 3.常州信息職業(yè)技術(shù)學(xué)院， 江蘇 常州 213164)

設(shè)計(jì)了一套簡(jiǎn)易且分辨率高的表面肌電采集與在線識(shí)別系統(tǒng)；系統(tǒng)硬件部分包括信號(hào)兩級(jí)放大、帶通濾波、精密整流、16位AD轉(zhuǎn)換芯片ADS1120、AVR單片機(jī)等部分;軟件部分基于JAVA編程，具有實(shí)時(shí)濾波、顯示并存儲(chǔ)肌電信號(hào)、在線識(shí)別手部動(dòng)作等功能；系統(tǒng)放大增益倍數(shù)為100～2 500可調(diào)，根據(jù)不同被試同一動(dòng)作的肌電信息，微調(diào)放大倍數(shù)以減少個(gè)體差異；當(dāng)放大倍數(shù)為1 000倍時(shí)，識(shí)別精度達(dá)0.3 μV；此外還設(shè)計(jì)了訓(xùn)練范式，根據(jù)被試的訓(xùn)練數(shù)據(jù)提取在線識(shí)別算法的參數(shù)，以提高識(shí)別準(zhǔn)確率；實(shí)驗(yàn)結(jié)果表明：該系統(tǒng)具有較好的穩(wěn)定性，能夠準(zhǔn)確識(shí)別四類手部動(dòng)作，平均識(shí)別率達(dá)84.37%。

表面肌電；采集；在線識(shí)別

0 引言

表面肌電(surface electromyography，sEMG) 是人體運(yùn)動(dòng)時(shí)肌肉收縮產(chǎn)生的生物電反應(yīng)在皮膚表面處時(shí)間和空間上的綜合，是一種簡(jiǎn)單、無創(chuàng)、容易被受試者接受的肌電活動(dòng)[1]。sEMG信號(hào)不僅可在靜止?fàn)顟B(tài)測(cè)定肌肉活動(dòng)，而且可在各種運(yùn)動(dòng)過程中持續(xù)觀察肌肉活動(dòng)的變化；不僅是一種對(duì)運(yùn)動(dòng)功能有意義的診斷評(píng)價(jià)方法，而且也是一種較好的生物反饋治療技術(shù)。國(guó)內(nèi)外的大量實(shí)驗(yàn)數(shù)據(jù)和文獻(xiàn)表明健康人人體皮膚表面的肌電信號(hào)振幅約為100～5 000 μV，均方根在0～1.5 mV，頻率為20～500 Hz[2]，肌電信號(hào)信噪比低，易受背景噪聲干擾。雖然專用的陷波電路可以濾除大部分工頻干擾，但陷波后數(shù)據(jù)傳輸過程中依然會(huì)受到新的背景噪聲的影響。針對(duì)表面肌電動(dòng)作的識(shí)別，國(guó)內(nèi)外大多采用BP神經(jīng)網(wǎng)絡(luò)、樸素貝葉斯、支持向量機(jī)分類器等離線算法[3]，離線算法固然識(shí)別率高，但占用資源太大不能做到實(shí)時(shí)控制受控對(duì)象。

本文設(shè)計(jì)出一套高分辨率的表面肌電采集與手部動(dòng)作在線識(shí)別系統(tǒng)。本系統(tǒng)也可以輸出識(shí)別信號(hào)實(shí)時(shí)控制各種實(shí)物，提高了肌電的實(shí)用性，也為康復(fù)工程、運(yùn)動(dòng)醫(yī)學(xué)和人機(jī)交互等研究提供了一種可靠的運(yùn)動(dòng)信息捕獲系統(tǒng)。

1 系統(tǒng)整體設(shè)計(jì)與方案概述

為保障系統(tǒng)使用方便性與被試的安全性，本文采用了一次性Ag/AgCl貼片式表面電極。由于電極采集的信號(hào)非常微弱、本身存在噪聲，并且由于肌電信號(hào)非線性和隨機(jī)性的特點(diǎn)，首先需要對(duì)獲取的肌電信號(hào)進(jìn)行適當(dāng)?shù)姆糯?、濾波處理。為減小在線識(shí)別算法的時(shí)間復(fù)雜度，硬件部分加入整流模塊。16位模擬前端ADS1120可以得到高分辨率的數(shù)字信號(hào)，然后將數(shù)字信號(hào)通過SPI接口傳至以ATmega128為核心的主控模塊。主控模塊控制采集進(jìn)程，并將采集到的數(shù)字肌電信號(hào)通過串口轉(zhuǎn)USB模塊傳送至上位機(jī)采集程序。通過JAVA編寫的上位機(jī)程序，濾除工頻干擾、顯示并存儲(chǔ)肌電信號(hào)、實(shí)現(xiàn)手部動(dòng)作在線識(shí)別、識(shí)別信號(hào)在界面上實(shí)時(shí)顯示。實(shí)驗(yàn)中通過硬件微調(diào)放大倍數(shù)與軟件開發(fā)訓(xùn)練范式兩方面結(jié)合，以減少個(gè)體差異，保障識(shí)別精度；利用反饋小車進(jìn)行有任務(wù)的訓(xùn)練，檢測(cè)系統(tǒng)穩(wěn)定性。本系統(tǒng)的整體框架如圖1所示。

圖1 采集、識(shí)別系統(tǒng)整體框圖

2 硬件部分

2.1 放大電路

表面肌電信號(hào)電極輸入時(shí)會(huì)受到環(huán)境中的各種干擾源的影響。如何有效地抑制甚至去除其中的干擾,對(duì)表面肌電信號(hào)后續(xù)處理及應(yīng)用至關(guān)重要。除工頻外的其它干擾信號(hào)對(duì)每顆電極的影響基本相似，因而采用差分輸入的方式，使干擾信號(hào)在差分電極上近似形成共模信號(hào)，再利用高共模抑制比的差分放大器來抑制這部分信號(hào)[4]。本設(shè)計(jì)中選用了低功耗、高精度、低噪聲儀表放大器INA128。輸入失調(diào)最大為50 μV。輸入失調(diào)漂移為0.5 μV/℃，共模抑制比為120 dB(G=100)。其增益計(jì)算公式為

(1)

式中，RG為管腳1和管腳8之間的電阻，G為增益值。

由于表面肌電信號(hào)是微弱信號(hào)，為了避免其它信號(hào)的干擾，增益值要足夠大,但增益值如果太大可能在第一級(jí)就出現(xiàn)飽和，因此RG的值不能太小，增益也就不會(huì)太高。另一方面，對(duì)于單級(jí)放大器來說，增益和輸出信號(hào)的電壓變化范圍是互相約束的，為了能獲得高增益，又能獲得較大的輸出擺幅，因此使用兩級(jí)放大器[5]。兩級(jí)放大總的放大倍數(shù)為兩級(jí)放大倍數(shù)的乘積，但后級(jí)放大器同時(shí)放大了前級(jí)的誤差，為保障信號(hào)質(zhì)量，前級(jí)放大遠(yuǎn)大于后級(jí)放大。本設(shè)計(jì)中后級(jí)放大電路采用集成運(yùn)放OPA134，其增益計(jì)算公式為：

(2)

前級(jí)放大器中RG是100～500歐姆阻值可調(diào)電阻，放大倍數(shù)為100～500倍；后級(jí)放大器中R4為10 K歐姆的電阻，RG2為10～50 K歐姆阻值可調(diào)電阻，放大倍數(shù)為1～5倍?？偡糯蟊稊?shù)100～2 500倍之間，電路原理如圖2所示。

圖2 差分放大、后級(jí)放大電路

2.2 濾波電路

50 Hz的工頻對(duì)肌電采集中干擾最嚴(yán)重，降低這些干擾多采用雙T陷波電路。但這類電路對(duì)稱性要求高，元器件精度要求嚴(yán)格，否則直接影響陷波頻率和品質(zhì)因素(Q值)，因此對(duì)制作工藝或篩選器件帶來困難，而且調(diào)節(jié)起來相當(dāng)困難。因此，本設(shè)計(jì)使用軟件濾波以降低硬件成本和復(fù)雜度。

Butterworth濾波器的特點(diǎn)是通頻帶的頻率響應(yīng)曲線最平滑。本設(shè)計(jì)中帶通濾波其采用二階高通濾波器和二階低通濾波器組成的四階帶通濾波器，原理如圖3所示。

圖3 帶通濾波電路

2.3 整流電路

表面肌電信號(hào)具有交變性，交變性指表面肌電信號(hào)是一種無序的交流電壓信號(hào)，它與肌肉沖動(dòng)時(shí)產(chǎn)生的肌張力大致成比例，在不同肌肉運(yùn)動(dòng)下所取得的表面肌電信號(hào)幅值不同。本設(shè)計(jì)在信號(hào)完成放大、濾波之后，添加了精密整流電路[7]如圖4所示。圖中D1、D2為IN4148，這是一種小型的高速開關(guān)二極管，開關(guān)比較迅速，廣泛用于信號(hào)頻率較高的電路進(jìn)行單向?qū)ǜ綦x、通訊、電腦板、電視機(jī)電路及工業(yè)控制電路。精密整流電路利用二極管的開關(guān)特性以及運(yùn)算放大器OPA134搭建的電壓跟隨電路，當(dāng)輸入信號(hào)為正時(shí)進(jìn)行同相電壓跟隨，當(dāng)輸入信號(hào)為負(fù)時(shí)進(jìn)行電壓反向跟隨，從而把輸入信號(hào)都轉(zhuǎn)換為正信號(hào)。在線識(shí)別程序采用表面肌電的功率信息，若輸入信號(hào)為負(fù)，則對(duì)于每一次采集的數(shù)據(jù)都需要做求信號(hào)幅值的平方。而電壓信號(hào)都為正時(shí)可以大大降低了在線識(shí)別算法的時(shí)間復(fù)雜度，提高識(shí)別效率。

圖4 精密整流電路

2.4 主控模塊設(shè)計(jì)

本系統(tǒng)選用ATmega128單片機(jī)作為主控制器，它采用哈佛結(jié)構(gòu)，通過在一個(gè)時(shí)鐘周期內(nèi)執(zhí)行一條指令，使其可以取得1MIPS/MHz的性能，一定程度上緩解系統(tǒng)在功耗和處理速度之間的矛盾[8]。

為保障采集的肌電信號(hào)的精度，選用16位高精度AD轉(zhuǎn)換芯片ADS1120，單片機(jī)通過SPI接口與AD芯片進(jìn)行數(shù)據(jù)交互。使用2.5 V的外部參考以保障電壓的穩(wěn)定性，提高信號(hào)質(zhì)量。本系統(tǒng)中采集20～500 Hz信號(hào)，經(jīng)過整流后頻域最大值為1 000 Hz，所以根據(jù)奈奎斯特采樣定理，采樣頻率為2 KHz。實(shí)驗(yàn)中一般放大倍數(shù)為500倍左右，配合16位的AD芯片，系統(tǒng)可識(shí)別精度為0.3 μV左右。

3 軟件部分

3.1 在線濾波

考慮到JAVA跨平臺(tái)的特點(diǎn)，本設(shè)計(jì)上位機(jī)軟件部分使用JAVA開發(fā)完成，以方便移動(dòng)設(shè)備端的移植。上位機(jī)程序與肌電采集設(shè)備利用串口進(jìn)行通訊。comm.jar開發(fā)包提供了對(duì)USB串口通訊的支持。軟件部分主要實(shí)現(xiàn)對(duì)肌電信號(hào)實(shí)時(shí)信號(hào)濾波、顯示與存儲(chǔ)數(shù)據(jù)、在線識(shí)別。

50 Hz工頻干擾是最大的干擾之一，但經(jīng)過整流后干擾頻率為100 Hz。采集軟件采用一個(gè)100 Hz數(shù)字陷波器來去除工頻干擾。使用雙二階濾波器，它是一種二階遞歸線性濾波器，包含兩個(gè)極點(diǎn)和兩個(gè)零點(diǎn)，可以由如下公式實(shí)現(xiàn)：

(3)

式(2)中，x[n]、x[n-1]和x[n-2]是陷波器的輸入。系數(shù)b0、b1和b2用來確定零點(diǎn)，a1、a2用來確定極點(diǎn)的位置。這些系數(shù)的值可以由以下公式確定：

(4)

(5)

(6)

(7)

fN是工頻，fsample是采樣頻率2 kHz。BW是工頻陷波器的帶寬，本設(shè)計(jì)中是10 Hz。

3.2 個(gè)體差異

為保障識(shí)別精度，減少個(gè)體差異，系統(tǒng)結(jié)合微調(diào)硬件放大倍數(shù)與軟件開發(fā)訓(xùn)練范式兩方面。

當(dāng)被試初次接受實(shí)驗(yàn)時(shí)，先調(diào)用測(cè)試程序。上位機(jī)循環(huán)顯示“休息動(dòng)作”、“下翻動(dòng)作”的圖例來引導(dǎo)被試進(jìn)行相應(yīng)的動(dòng)作，根據(jù)被試一整套“下翻動(dòng)作”幅值的信息來反饋出前級(jí)的硬件放大倍數(shù)，微調(diào)采集電路中的兩級(jí)運(yùn)放的放大比例。

同時(shí)軟件開發(fā)手部4個(gè)動(dòng)作的訓(xùn)練范式，范式采用流程化設(shè)計(jì)，整個(gè)范式分為4個(gè)循環(huán)，共160個(gè)trail組成。每個(gè)循環(huán)有40個(gè)trail，范式動(dòng)作分為握拳、展拳、手腕內(nèi)翻、手腕外翻4種，每種均為10個(gè)trail，各循環(huán)的每次范式動(dòng)作均為隨機(jī)呈現(xiàn)。單次trail持續(xù)時(shí)間3 s，包含范式動(dòng)作圖片呈現(xiàn)時(shí)間2 s，休息動(dòng)作呈現(xiàn)時(shí)間1 s。并且界面上實(shí)時(shí)顯示當(dāng)前trail標(biāo)號(hào)，便于標(biāo)記錯(cuò)誤動(dòng)作，在數(shù)據(jù)處理時(shí)排除干擾，提高識(shí)別準(zhǔn)確率。訓(xùn)練范式如圖5所示。

圖5 訓(xùn)練范式圖

3.3 在線識(shí)別

在上位機(jī)采集軟件圖形應(yīng)用界面中，用戶點(diǎn)擊開始按鍵來觸發(fā)上位機(jī)與單片機(jī)進(jìn)行通訊。單片機(jī)接收到消息后，啟動(dòng)初始化程序，開始采集肌電數(shù)據(jù)。

目前肌電模式識(shí)別所采用信號(hào)的特征選取一般傾向于嘗試使用各種特征提取方法，然后選擇滿足系統(tǒng)要求的最優(yōu)肌電信號(hào)特征。這些特征包括時(shí)域(time domain, TD)特征、頻域(frequency domain, FD)特征，以及時(shí)頻域(time-frequency domain, TFD)特征[9]等。肌電動(dòng)作的識(shí)別，大多采用BP神經(jīng)網(wǎng)絡(luò)、樸素貝葉斯、支持向量機(jī)分類器等經(jīng)典的離線算法，離線算法雖然可以使識(shí)別率達(dá)92%左右[10]，但無法做到實(shí)時(shí)控制，實(shí)時(shí)性不高。因而針對(duì)肌電特點(diǎn)、提高肌電識(shí)別的實(shí)時(shí)性與實(shí)用性，本系統(tǒng)使用在線識(shí)別算法。

識(shí)別的準(zhǔn)確度與特征矢量的選取有著密切的關(guān)系，對(duì)表面肌電信號(hào)的動(dòng)作識(shí)別方法通常在時(shí)域或在頻域中分析數(shù)據(jù)，實(shí)驗(yàn)表明不同的動(dòng)作下肌電信號(hào)的均方根變化很明顯，因而本設(shè)計(jì)采用表面肌電的均方根信息來識(shí)別動(dòng)作。均方根(root mean square，RMS)：先求信號(hào)幅值的平方，然后使用一個(gè)長(zhǎng)度為n的移動(dòng)窗口進(jìn)行計(jì)算，RMS的值由下式算出[11]

(8)

程序中采用閾值判別法，其中四組動(dòng)作的閾值信息根據(jù)每名被試的訓(xùn)練數(shù)據(jù)得出，并引入肌電信號(hào)的時(shí)域信息來增強(qiáng)判別準(zhǔn)確度。識(shí)別程序的流程如圖6所示。

圖6 識(shí)別系統(tǒng)流程圖

4 實(shí)驗(yàn)測(cè)試結(jié)果

本次實(shí)驗(yàn)差分電極貼在小臂內(nèi)側(cè)、參考電極貼在手肘外側(cè)。測(cè)試表明，表面肌電采集系統(tǒng)的放大濾波部分可以完整的采集到肌電信號(hào)，如圖7(a)所示。完成不同的手部動(dòng)作時(shí)，肌電收縮強(qiáng)度、持續(xù)時(shí)間差異較為明顯。圖7(b)為均方根算法中移動(dòng)窗口N=600時(shí)采集到的4種動(dòng)作下肌電信號(hào)的均方根走勢(shì)圖，圖中橫坐標(biāo)表示時(shí)間、縱坐標(biāo)表示均方根，從圖中可以看出不同動(dòng)作的差異比較明顯。

本系統(tǒng)實(shí)驗(yàn)測(cè)試中共采集7名被試(均為健康大學(xué)生、右利手)的肌電數(shù)據(jù)。實(shí)驗(yàn)表明，肌電信號(hào)受電極位置、放大倍數(shù)的影響較大，不同被試數(shù)據(jù)差異明顯。但同一被試、同樣電極位置、放大倍數(shù)，相同動(dòng)作的肌電信號(hào)比較穩(wěn)定。識(shí)別率如表1所示，平均識(shí)別率84.37%，其中握拳達(dá)到 88.92%正確率，展拳達(dá)到 78.93%正確率，手腕內(nèi)翻達(dá)到 80%正確率，手腕外翻89.64%。

圖7 肌電放大器采集數(shù)據(jù)

被試不同試驗(yàn)任務(wù)分類率握拳(M=40)展拳(M=40)上翻(M=40)下翻(M=40)S134313135S238293235S333343336S437343136S536313538S638313136S733313135平均分類率88.92%+5.56%78.93%+4.53%80%+3.82%89.64%+2.67%

實(shí)驗(yàn)中為驗(yàn)證系統(tǒng)的穩(wěn)定性，設(shè)計(jì)賽道以及智能小車作為受控對(duì)象，如圖8所示。用手部動(dòng)作控制小車在賽道上進(jìn)行有任務(wù)的訓(xùn)練，握拳、展拳控制小車左右轉(zhuǎn)向，手掌上翻、下翻控制小車的前進(jìn)、后退。設(shè)計(jì)不同模式的小車行徑路線，實(shí)驗(yàn)表明本系統(tǒng)穩(wěn)定性良好，可以完整的完成各種模式的任務(wù)。

圖8 穩(wěn)定性測(cè)試賽道、小車

5 討論

本肌電采集設(shè)備穩(wěn)定性較高，在線識(shí)別率比較穩(wěn)定，識(shí)別效果較好，而且大大降低了電路復(fù)雜度和開發(fā)成本。針對(duì)不同的被試微調(diào)放大倍數(shù)、先訓(xùn)練再識(shí)別，有效的提高了識(shí)別率。實(shí)驗(yàn)中所設(shè)計(jì)的帶任務(wù)的受控小車，對(duì)上肢的康復(fù)訓(xùn)練有較為明顯的效果。本設(shè)計(jì)也為肌電信號(hào)的進(jìn)一步研究奠定了實(shí)踐平臺(tái)。

[1] 胡 巍,趙章琰,路知遠(yuǎn),等.無線多通道表面肌電信號(hào)采集系統(tǒng)設(shè)計(jì)[J].電子測(cè)量與儀器學(xué)報(bào),2009,23 (11):30-35.

[2]HargroveL.,EnglehartK.,HudginsB.AComparisonofSurfaceandIntramuscularMyoelectricSignalClassification[J].IEEETransactionsonBiomedicalEngineering. 2007，54(5): 847-853.

[3] 韓曉新.表面肌電信號(hào)采集電路的設(shè)計(jì)[J]. 計(jì)算機(jī)測(cè)量與控制, 2011,19(7):1778-1780.

[4] 朱 昊,辛長(zhǎng)宇,吉小軍,等. 表面肌電信號(hào)前端處理電路與采集系統(tǒng)設(shè)計(jì)[J]. 測(cè)控技術(shù),2008,27(3):37-39.

[5] 連全文,馮全源. 兩級(jí)運(yùn)放中共模反饋電路的分析與設(shè)計(jì)[J]. 微電子學(xué), 2010,40(1):29-32.

[6]DE約翰遜. 有源濾波器精確設(shè)計(jì)手冊(cè)[M].北京:電子工業(yè)出版社,1985.

[7] 陳國(guó)慶,方康玲,劉 宇,等.一種精密有緣絕對(duì)值電路的改進(jìn)與應(yīng)用 [J].武漢科技大學(xué)學(xué)報(bào)(自然科學(xué)版)，2005，28(4)：369-371,402.

[8] 楊 鵬,孫 樂.基于WindowsCE的嵌入式多生理參數(shù)采集顯示系統(tǒng)[J].計(jì)算機(jī)測(cè)量與控制,2011,19 (5):1173-1177.

[9]OskoeiMA，HuH.Supportvectormachine-basedclassificationschemeformyoelectriccontrolappliedtoupperlimb[J].IEEETransactionsonBiomedicalEngineering，2008，55(8)：1956-1965.

[10] 于 擎,楊基海,陳 香,等.基于BP神經(jīng)網(wǎng)絡(luò)的手勢(shì)動(dòng)作表面肌電信號(hào)的模式識(shí)別[J].生物醫(yī)學(xué)工程研究,2009,28(1):06-10.

[11] 侯文生,許 蓉,鄭小林,等. 握力大小與前臂肌肉表面肌電活動(dòng)模式的相關(guān)性研究[J].航天醫(yī)學(xué)與醫(yī)學(xué)工程,2007, 20 (4):264-268.

Collection and Online Identification System of sEMG

He Keren1,2, Sun Wei1,2, Luo Jinhong3, Zou Lin1,2

(1.Faculty of Information Science & Engineering, Changzhou University, Changzhou 213164, China;2.Changzhou Key Laboratory of Biomedical Information Technology, Changzhou 213164, China;3.Changzhou College of Information Technology, Changzhou 213164, China)

The system is designed to real-time acquire and online identify high-resolution sEMG signals conveniently. The hardware section consists of a two-stage amplifier, a band pass filter, a precision rectifier, a 16-bit analog to digital converter ADS1120 and an AVR microcontroller. The software section is programmed by Java. It realizes the functions of real-time filtering, displaying and storing sEMG signals, online indentifying the hand motion. The gain of the amplifier is adjustable in the range of 100～2 500.The resolution of the system reaches 0.3 μV when the gain is set to 1 000. What’s more, a paradigm is designed to train the subjects before online identification to improve the classification rate. The experimental results showed that the system has good stability, which can identify the four types of hand motion accurately, and the average recognition rate is 84.37%.

sEMG; collection; online identification

2015-09-28；

2015-10-30。

國(guó)家自然基金項(xiàng)目(61201096)；常州市科技項(xiàng)目(CE20145055)；江蘇省青藍(lán)工程資助。

何可人(1979-)，男，常州人，碩士，副教授，碩士研究生導(dǎo)師，主要從事嵌入式系統(tǒng)應(yīng)用方向的研究。

通迅作者：鄒 凌(1975-)，女，常州人，博士，教授，碩士研究生導(dǎo)師，主要從事腦機(jī)接口方向的研究。

1671-4598(2016)03-0241-03

10.16526/j.cnki.11-4762/tp.2016.03.066

TP274

A