表面肌電采集與在線識別系統(tǒng)

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)重點實驗室, 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)重點實驗室, 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)計了一套簡易且分辨率高的表面肌電采集與在線識別系統(tǒng)；系統(tǒng)硬件部分包括信號兩級放大、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，具有實時濾波、顯示并存儲肌電信號、在線識別手部動作等功能；系統(tǒng)放大增益倍數(shù)為100～2 500可調(diào)，根據(jù)不同被試同一動作的肌電信息，微調(diào)放大倍數(shù)以減少個體差異；當(dāng)放大倍數(shù)為1 000倍時，識別精度達(dá)0.3 μV；此外還設(shè)計了訓(xùn)練范式，根據(jù)被試的訓(xùn)練數(shù)據(jù)提取在線識別算法的參數(shù)，以提高識別準(zhǔn)確率；實驗結(jié)果表明：該系統(tǒng)具有較好的穩(wěn)定性，能夠準(zhǔn)確識別四類手部動作，平均識別率達(dá)84.37%。

表面肌電；采集；在線識別

0 引言

表面肌電(surface electromyography，sEMG) 是人體運動時肌肉收縮產(chǎn)生的生物電反應(yīng)在皮膚表面處時間和空間上的綜合，是一種簡單、無創(chuàng)、容易被受試者接受的肌電活動[1]。sEMG信號不僅可在靜止?fàn)顟B(tài)測定肌肉活動，而且可在各種運動過程中持續(xù)觀察肌肉活動的變化；不僅是一種對運動功能有意義的診斷評價方法，而且也是一種較好的生物反饋治療技術(shù)。國內(nèi)外的大量實驗數(shù)據(jù)和文獻(xiàn)表明健康人人體皮膚表面的肌電信號振幅約為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)傳輸過程中依然會受到新的背景噪聲的影響。針對表面肌電動作的識別，國內(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]，離線算法固然識別率高，但占用資源太大不能做到實時控制受控對象。

本文設(shè)計出一套高分辨率的表面肌電采集與手部動作在線識別系統(tǒng)。本系統(tǒng)也可以輸出識別信號實時控制各種實物，提高了肌電的實用性，也為康復(fù)工程、運動醫(yī)學(xué)和人機(jī)交互等研究提供了一種可靠的運動信息捕獲系統(tǒng)。

1 系統(tǒng)整體設(shè)計與方案概述

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非常微弱、本身存在噪聲，并且由于肌電信號非線性和隨機(jī)性的特點，首先需要對獲取的肌電信號進(jìn)行適當(dāng)?shù)姆糯?、濾波處理。為減小在線識別算法的時間復(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，然后將數(shù)字信號通過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、顯示并存儲肌電信號、實現(xiàn)手部動作在線識別、識別信號在界面上實時顯示。實驗中通過硬件微調(diào)放大倍數(shù)與軟件開發(fā)訓(xùn)練范式兩方面結(jié)合，以減少個體差異，保障識別精度；利用反饋小車進(jìn)行有任務(wù)的訓(xùn)練，檢測系統(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

表面肌電信號電極輸入時會受到環(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,對表面肌電信號后續(xù)處理及應(yīng)用至關(guān)重要。除工頻外的其它干擾信號對每顆電極的影響基本相似，因而采用差分輸入的方式，使干擾信號在差分電極上近似形成共模信號，再利用高共模抑制比的差分放大器來抑制這部分信號[4]。本設(shè)計中選用了低功耗、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。

由于表面肌電信號是微弱信號，為了避免其它信號的干擾，增益值要足夠大,但增益值如果太大可能在第一級就出現(xiàn)飽和，因此RG的值不能太小，增益也就不會太高。另一方面，對于單級放大器來說，增益和輸出信號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，因此使用兩級放大器[5]。兩級放大總的放大倍數(shù)為兩級放大倍數(shù)的乘積，但后級放大器同時放大了前級的誤差，為保障信號質(zhì)量，前級放大遠(yuǎn)大于后級放大。本設(shè)計中后級放大電路采用集成運放OPA134，其增益計算公式為：

(2)

前級放大器中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。總放大倍數(shù)100～2 500倍之間，電路原理如圖2所示。

圖2 差分放大、后級放大電路

2.2 濾波電路

50 Hz的工頻對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濾波器的特點是通頻帶的頻率響應(yīng)曲線最平滑。本設(shè)計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

表面肌電信號具有交變性，交變性指表面肌電信號是一種無序的交流電壓信號，它與肌肉沖動時產(chǎn)生的肌張力大致成比例，在不同肌肉運動下所取得的表面肌電信號幅值不同。本設(shè)計在信號完成放大、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)特性以及運算放大器OPA134搭建的電壓跟隨電路，當(dāng)輸入信號為正時進(jìn)行同相電壓跟隨，當(dāng)輸入信號為負(fù)時進(jìn)行電壓反向跟隨，從而把輸入信號都轉(zhuǎn)換為正信號。在線識別程序采用表面肌電的功率信息，若輸入信號為負(fù)，則對于每一次采集的數(shù)據(jù)都需要做求信號幅值的平方。而電壓信號都為正時可以大大降低了在線識別算法的時間復(fù)雜度，提高識別效率。

圖4 精密整流電路

2.4 主控模塊設(shè)計

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)，通過在一個時鐘周期內(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，提高信號質(zhì)量。本系統(tǒng)中采集20～500 Hz信號，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。實驗中一般放大倍數(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跨平臺的特點，本設(shè)計上位機(jī)軟件部分使用JAVA開發(fā)完成，以方便移動設(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USB串口通訊的支持。軟件部分主要實現(xiàn)對肌電信號實時信號濾波、顯示與存儲數(shù)據(jù)、在線識別。

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，包含兩個極點和兩個零點，可以由如下公式實現(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，a1、a2用來確定極點的位置。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)計中是10 Hz。

3.2 個體差異

為保障識別精度，減少個體差異，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)被試初次接受實驗時，先調(diào)用測試程序。上位機(jī)循環(huán)顯示“休息動作”、“下翻動作”的圖例來引導(dǎo)被試進(jìn)行相應(yīng)的動作，根據(jù)被試一整套“下翻動作”幅值的信息來反饋出前級的硬件放大倍數(shù)，微調(diào)采集電路中的兩級運放的放大比例。

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

圖5 訓(xùn)練范式圖

3.3 在線識別

在上位機(jī)采集軟件圖形應(yīng)用界面中，用戶點擊開始按鍵來觸發(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，啟動初始化程序，開始采集肌電數(shù)據(jù)。

目前肌電模式識別所采用信號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)肌電信號特征。這些特征包括時域(time domain, TD)特征、頻域(frequency domain, FD)特征，以及時頻域(time-frequency domain, TFD)特征[9]等。肌電動作的識別，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別率達(dá)92%左右[10]，但無法做到實時控制，實時性不高。因而針對肌電特點、提高肌電識別的實時性與實用性，本系統(tǒng)使用在線識別算法。

識別的準(zhǔn)確度與特征矢量的選取有著密切的關(guān)系，對表面肌電信號的動作識別方法通常在時域或在頻域中分析數(shù)據(jù)，實驗表明不同的動作下肌電信號的均方根變化很明顯，因而本設(shè)計采用表面肌電的均方根信息來識別動作。均方根(root mean square，RMS)：先求信號幅值的平方，然后使用一個長度為n的移動窗口進(jìn)行計算，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，并引入肌電信號的時域信息來增強(qiáng)判別準(zhǔn)確度。識別程序的流程如圖6所示。

圖6 識別系統(tǒng)流程圖

4 實驗測試結(jié)果

本次實驗差分電極貼在小臂內(nèi)側(cè)、參考電極貼在手肘外側(cè)。測試表明，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，如圖7(a)所示。完成不同的手部動作時，肌電收縮強(qiáng)度、持續(xù)時間差異較為明顯。圖7(b)為均方根算法中移動窗口N=600時采集到的4種動作下肌電信號的均方根走勢圖，圖中橫坐標(biāo)表示時間、縱坐標(biāo)表示均方根，從圖中可以看出不同動作的差異比較明顯。

本系統(tǒng)實驗測試中共采集7名被試(均為健康大學(xué)生、右利手)的肌電數(shù)據(jù)。實驗表明，肌電信號受電極位置、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)，相同動作的肌電信號比較穩(wěn)定。識別率如表1所示，平均識別率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%

實驗中為驗證系統(tǒng)的穩(wěn)定性，設(shè)計賽道以及智能小車作為受控對象，如圖8所示。用手部動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)計不同模式的小車行徑路線，實驗表明本系統(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，在線識別率比較穩(wěn)定，識別效果較好，而且大大降低了電路復(fù)雜度和開發(fā)成本。針對不同的被試微調(diào)放大倍數(shù)、先訓(xùn)練再識別，有效的提高了識別率。實驗中所設(shè)計的帶任務(wù)的受控小車，對上肢的康復(fù)訓(xùn)練有較為明顯的效果。本設(shè)計也為肌電信號的進(jìn)一步研究奠定了實踐平臺。

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

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

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

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

[5] 連全文,馮全源. 兩級運放中共模反饋電路的分析與設(shè)計[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)計手冊[M].北京:電子工業(yè)出版社,1985.

[7] 陳國慶,方康玲,劉 宇,等.一種精密有緣絕對值電路的改進(jìn)與應(yīng)用 [J].武漢科技大學(xué)學(xué)報(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].計算機(jī)測量與控制,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)的手勢動作表面肌電信號的模式識別[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。

國家自然基金項目(61201096)；常州市科技項目(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