论文总字数：24409字

摘 要

肌电信号(electromyography, EMG)是一种重要的生物电信号，人体活动时肌肉收缩在肌纤维内部会引起动作电位的变化，用一种肌电电极将这种电位变化实时提取出来，显示成的一种波形图称为肌电图，它记录着肌电信号的变化。如今，肌电信号在基础医学、临床诊断、肌肉运动以及康复医学等方面都有着广泛的应用。

本文利用已有的数据采集放大的没么滤波电路，收集不同手部动作对应的表面肌电信号，同时对采集过程中的干扰源进行分析，找出减小干扰的方法。我们总共选择了六种特征比较明显的手部动作（静息、握拳、屈腕、伸腕、正掌、反掌），设计出合适的C语言程序算法，进一步对采集到的肌电信号进行带通和带阻的滤波处理，并计算出不同手势动作肌电信号的信号特征。利用MATLAB对不同动作的信号特征进行Fisher线性分类并实现不同手部动作的判别。选择不同线性判别函数的阈值再次进行分类判别，分析比较哪种阈值选择方法的准确率更高。

关键词：表面肌电信号，肌电采集放大电路，信号特征提取，Fisher线性分类

Abstract

EMG (electromyography, EMG) is an important bioelectric signals. When human exercise, muscle contraction will cause a change in action potential in the muscle fibers. This change can be extracted in real time by EMG electrode, and displayed as a waveform called electromyography, which records the changes of EMG signal. Today, EMG has been widely applied in basic medical science, clinical diagnosis, muscle movement and rehabilitation.

In this thesis, we utilized the existing data collection amplifying filtering circuit, collected surface EMGs corresponding to different hand movements, and analyzed interference source in the process of data acquisition in order to take measures to reduce interference. We chose six gestures (resting, fist, wrist flexion/extension, pronation /supination) which have obvious characteristics, designed a suitable C language algorithm program, band-pass and band-stop filtering the collected EMG signals, and calculated the signal eigenvalues of different gestures. Then we used MATLAB to classify different gestures’ signal eigenvalues by Fisher linear classification and distinguished different gestures. Finally, we did classification using different linear function thresholds, finding the most accurate method by comparing the analyzing results.

Keywords: Surface EMG, EMG collection amplifying circuit, Feature extraction, Fisher linear classification

目录

摘要 I

Abstract II

目录 III

第一章 绪论 1

1.1 背景与研究意义 1

1.2 肌电信号的研究历史和现状 2

1.3 本文的研究目的和主要研究内容 3

第二章 表面肌电信号采集 5

2.1 肌电信号的产生原理 5

2.2 表面电极的位置选择 6

2.3 信号放大及滤波 6

2.3.1 放大器的增益 7

2.3.2 噪声干扰的滤除 9

2.4 信号调理 12

2.5 信号调理 13

2.6 干扰噪声解决方案 14

第三章 肌电信号的分析 15

3.1 手势动作的选取 15

3.2 实验准备 15

3.3 实验过程 16

3.4 数据处理 18

3.4.1肌电信号处理方法 18

3.4.2原始信号分析 20

第四章 特征提取与线性分类 25

4.1 特征提取 25

4.2 Fisher线性分类 25

4.3 实验结果与分析 29

第五章 总结与展望 35

致谢 37

参考文献 38

绪论

• 1. 背景与研究意义

生物电信号，如心电、脑电、肌电、胃电等，都是与生命状态密切相关电现象。虽然它们都包含了很多有用信息，但因为本身太过微弱的缘故，处理起来非常困难。近年来，随着生物技术、信息处理技术、集成制造技术的发展，我们已经可以通过电极来拾取这些生物电信号，再经过适当的生物电放大器放大后，就能记录成相应的心电图、脑电图、肌电图^[1]，对这些图像的观察分析，有助于研究人员进行更广泛深入的探索。全世界的科研工作者对此非常重视，相关的工作也在高效地进行中，一些能在临床医学、康复辅具等领域广泛应用的产品已经被研制出来，为改善人类生活发挥着很大的效力。

人类各种形式的运动，都是靠一些相关肌肉细胞的收缩活动来完成的，例如骨骼肌的收缩可以实现躯体的各种运动如走、跑、跳等，心肌细胞的收缩可以完成心脏的重要射血活动。肌肉的收缩除了会使肌纤维内部产生一系列的生物化学变化外，还伴随着持续性肌膜去极化或是反复活动电位的变化。这种变化产生的过程如下：人体预备活动时，神经系统会发出肌肉收缩的命令，运动神经元的细胞体产生冲动，该冲动经由细胞体的轴突传达至肌纤维处并与之融合，使神经与肌肉的接点释放一种化学物质——乙酰胆碱，它可以影响细胞膜对钙离子的吸收，从而引起细胞膜的去极化，使得运动单元动作电位反复变化。这种变化可以用电极实时提取，显示出来的波形图就称为肌电图(Electromyography，EMG)^[2]。这种波形图为临床诊断提供了可靠的依据，我们可以通过观察分析肌电图来研究肌肉的生物活动，从而判断出神经肌肉系统的工作状态。如果从信号分析的角度来看，我们也可以称得到的信号波形所反映出来的信息为肌电信号。如今它已经成为一种重要的信息量，能够方便相关科研工作者进行基础性医学、临床诊断、肌肉运动和损伤诊断以及康复医学等方面的研究^[3]。

(a) (b)

图1.1肌电信号检测电极 (a) 针电极，(b) 表面电极

我们可以按照使用方式和检测位置不同，将肌电信号的采集电极分为针电极和表面电极两种，如图1.1所示，对应采集到的肌电信号为针电极肌电信号(Needle EMG, NEMG)和表面肌电信号(Surface EMG, SEMG)。针电极在使用时会插入到肌肉内部，能直接在活动肌纤维附近检测电活动；表面电极拾取的是肌肉电活动在检测皮肤表面的综合电位效应，安置在皮肤表面即可，因而相比于针电极肌电信号来讲，表面肌电信号具有明显的无创伤、易提取的优点，已成为人——机仿生系统最为理想的控制信号源，也是我们主要研究的信号。对于采集到的肌电信号，我们可以通过提取的信号特征，判断出肢体的运动模式，从而了解到使用者的动作方式。如果进一步将不同的动作方式与不同的设备操作相对应，佩戴者就可以在较远距离完成对后端设备的控制了。

• 1. 肌电信号的研究历史和现状

1786年，伽伐尼，意大利动物学家兼医生，在做蛙类实验刺激青蛙神经时，产生了电火花，他随后进行了反复的试验，确定了生物电的存在，这成为了人类对肌电的最早认识。由于科技的进步带动了检流计制造水平的提升，Carlo Matteucci 随后通过更高精度的检流计，又一次证实了肌肉运动能产生电流^[6]。

20世纪中叶以来，随着电子计算机的出现和神经肌肉生理学这一新领域研究的展开，人们可以利用新的检测和记录技术对微弱的肌电信号进行更为细致的研究^[7]。微处理器的引入让复杂信号的处理、分析成为可能，人们不仅把传统的时域分析手段纳入到肌电信号的处理当中来，各类数学处理方法如均方值、方差、有效值、过零次数等也在肌电信号的分析中扮演着重要的角色，这一切都使得对肌电信号的定量分析得以实现，为基于肌电信号的应用开拓了良好的前景。由于在各个频段都存在的噪声容易淹没掉肌电的时域信号，而傅里叶变换可以从整体上反映出信号的信息，Basano L便利用肌电信号的 FFT 变换成功实现了对肌肉疲劳的监测。如果想要在很好把握信号整体特征的同时，又能够使得分析结果反映出肌电信号局部的剧烈变化，还可以采用小波变换的方法，康斯特伯等人就采用这个方法完成了对不同加速度情况下，肌电频域特征的分析工作。除此之外，表面肌电信号的最新研究方法中还纳入了混沌、分形分析、人工神经网络和参数模型法等比较热门的研究方法 ^[8]。

性能优越的肌电采集系统仍处于探索阶段,能够真正满足人们特定需求的优良采集模块还处于研发阶段。现有的数据采集卡一般都内置于PC机内，通过系统总线实现和上位机PC系统连接。系统总线标准一般分为PCI、ISA和EISA这三种，可以适用于不同的系统，且都具有比较快的传输速度，但体积也都比较庞大，被试者在实验过程中不能自由移动，这种不便性在一定程度上制约着肌电采集技术的应用和发展。显然，肌电采集模块小型化、无线化、便携化在一定程度上更能满足人们的要求。因此，怎样使肌电采集模块在使用时更加灵活和方便,也成为人们研究的一大焦点。

利用表面电极采集肌电信号，只需将电极贴放在干净湿润的皮肤表面即可，对人体的皮肤、肌肉无任何损害，操作十分便捷，可以随时增加或减少电极，也方便改变采集的位置，因而得到了广泛的应用。通常，来自不同个体的同种动作的肌电信号之间会有所差别，采集环境对肌电信号也会有一定程度的影响，所以我们会采用多通道的表面肌电采集电极模块来测取EMG信号，这样的提取方式不仅安全，相比单通道方式，提取到的信号也更丰富多样。近几十年以来，表面肌电信号在生物机械方面的运用技术也逐渐成熟起来，例如假肢的控制源信号就越来越多地取自于残肢表面肌电信号，在肌电假肢的研究上一直居于全球领先水平的德国奥托博克公司，早先于 1995 年就成功研制出了比例控制假手，能通过肌电信号的幅值大小识别动作意图，调控假手的握力和速度。不少国内著名高校也展开了在这个方面的研究，主要探究的是肌电信号分类的模型方法，试图找到一种最佳的模型来达到较高的动作识别率。

• 1. 本文的研究目的和主要研究内容

本论文研究的主要目的，是离线分析收集来的原始肌电信号，通过对数据时域、频域的分析，提取出不同动作肌电信号的各类特征值，并选择其中比较有代表性的信号特征进行 Fisher线性分类判别，比较不同线性分类函数阈值下分类结果的准确率，找出最适合本系统的线性函数阈值。具体内容如下：

(1)设计采集电路。充分考虑信号的放大和滤波需求，对现有的采集电路进行分析和调试。在手臂上安装若干个电极来采集手臂、手腕以及手指肌肉运动产生的肌电信号。将电极分为三个部分安放，其中一个部分为接地电极，另外两个部分是采集信号的电极，以差分形式输入初级差分放大电路。分别对不同手势进行实验，找出各自的最佳安放位置。对于接地电极，50Hz工频信号最小的位置为最适合的安放位置。对于采集电极，哪里能采集到最强的肌电信号，哪里就是最合适的安放位置。

(2)信号分析处理。选择合适的算法，通过C语言对采集到示波器上的原始肌电信号进行数字滤波，进一步滤去肌电中的工频及其高次谐波和噪声信号，然后再进行时域、频域的离线分析。

(3)信号特征分类。提取不同动作的肌电信号特征，用Fisher线性分类法对数据进行分类和判别，并比较不同线性判别函数阈值对分类效果的影响。

表面肌电信号采集

由表面肌电信号采集电路采集原始肌电的信号，得到的信号质量的好坏，直接决定了离线处理信号数据的难易，进一步对于信号的特征提取以及分类的准确的影响起到了关键性的作用。因此，我们需要理清表面肌电信号的产生机理、特征、模型和研究方法，它们为电极片大小、放大倍数、滤波参数等各个环节的设计提供了很多参考因素，从而有助于我们设计出适合自己应用的结构。

由于采集表面肌电信号的过程难免会遭遇皮肤和组织对信号的衰减，源自皮肤表面的表面肌电信号必然比深入肌纤维采集到的针电极信号更微弱，受到的干扰的影响也更大，而肌电信号作为一种生物电信号从本质上看也一定是极其微弱的。为了使采集到的模拟肌电信号能够满足A/D转换芯片所需的最低幅值要求，我们必须对采集到的信号进行放大。加之人体可以看做一暴露在空间电磁场中的导体，来自体外的电磁场噪声及工频干扰势必会影响对表面肌电信号的测量，因而检测、记录表面肌电信号时，务必要做好噪声和干扰的滤除以及电路的屏蔽处理，提高信号的保真度。综上，表面肌电采集电路至少要包含这几个部分：肌电采集电极、输入电路、放大电路和滤波电路。

• 1. 肌电信号的产生原理

以骨骼肌的收缩为例，电活动包含静息电位、动作电位和这两种电位间的转换过程。静息状态下，膜外的钠、钾离子较多，相对于膜内呈正电位，此时膜内外的电势差就形成了静息电位^[10]。当肌纤维由静息状态切换为动作状态，化学物质乙酰胆碱使得肌膜对离子的通透性增强，肌膜出现去极化的现象，电位差便向外传导出去，从而产生动作电位。实验测得人体的静息电位大约为-65～-87.4mV，细胞内的动作电位的大约为-100mV，细胞外的动作电位会明显低于细胞内测得的值，波幅为1.8mV左右。从总体上看，表面肌电信号的幅值分布具有随机性，可近似为一个准高斯分布函数，主要分布在0～500Hz的频率范围内。而信号高于噪声水平的能量，即可获得的有用信号的能量，主要集中分布在50～150Hz ^[1][4][5]。

肌电信号具有如下特点：1、幅值大小与肌肉所施加力的大小大致成比例，为一种交流信号。表面肌电电压的幅度与肌肉松弛紧张度之间存在着优良的线性关系；2、肌肉收缩时电压大小约为60～300uV，松弛时约为 20～30uV，是一种非常微弱的信号，幅度范围和噪声的水平相当。健康人肌电幅度的范围可达1～3mV，残肢者约比正常人小数倍甚至数十倍，通常在350μV以下，有的甚至不足1μV；3、表面肌电信号的能量主要集中在500Hz以下，高于300Hz的信号能量会出现明显的削减，绝大部分频谱集中在50～150Hz之间；4、当力的大小稍有变化，时域波形就会受到很大的影响，相对而言因为频域主要从整体上反映信号特征，受力的大小的影响不会很大，所以我们通常会选用频域参数来反映肌电的特征，并且可以发现，即使是做不同的动作，同一块肌肉幅频特性曲线的形状仍然很相似。

• 1. 表面电极的位置选择

表面贴式肌电电极直接粘贴在清理过的肌肉皮肤表面，使用无痛苦，对于病人不造成任何伤害，因此非常便利。但是表贴式电极因为无法深入肌肉内部，信号受噪声影响便比较大，因此需要较好的肌电信号采集系统与离线处理算法。

剩余内容已隐藏，请支付后下载全文，论文总字数：24409字

相关图片展示：