基于DSP的肌电信号采集处理*

冯艳梅,仲雪飞,王俊俊,孙　瀚,赵华平,张　雄

(东南大学电子科学与工程学院,南京 210096)



基于DSP的肌电信号采集处理*

冯艳梅,仲雪飞*,王俊俊,孙瀚,赵华平,张雄

(东南大学电子科学与工程学院,南京 210096)

摘要:肌电信号(Electromyography)EMG作为一种重要的生物电信号,已经被广泛应用于仿生学、生物反馈、运动医学和康复工程中。近年来,肌电信号的研究发展日益迅猛。主要研究了肌电信号的采集、分析,基于现有的数据采集放大电路和DSP开发平台,找出肌肉产生肌电信号较强的位置即最合适安放采集电极的位置。本文选择了9种手势动作,运用MATLAB对做不同手势动作时采集的肌电信号进行离线分析,同时对肌电信号进行滤波处理,分析得出结论。对采集过程中的干扰源进行分析,尽可能减少50 Hz工频信号的干扰。

关键词:肌电信号;肌电;DSP开发板;信号采集

当肌肉兴奋收缩时,肌纤维也收缩,同时肌纤维内部有一系列的生物化学变化,以及动作电位的变化,如果用一种实时的肌电电极将这种动作电位变化显示出来,就形成一种波形图,称为肌电图。从信号分析的角度讲,也可称为肌电信号EMG(Electromyography)[1-2]。由于肌电信号来源于人自身的电信号,因此肌电信号具有直接、自然的特点[3],如今利用肌电信号已经成为一种重要的信息量,可以用来进行肌肉运动[4]、基础医学研究[4]、临床诊断[5]、肌肉损伤诊断[6]、康复医学[7]以及运动体育[8]等方面的研究[9-11]。

根据检测电极的种类和安放位置的不同,肌电信号可分为针电极肌电信号NEMG(Needle EMG)和表面电极肌电信号SEMG(Surface EMG)2种,前者是以针电极(Needle Electrodes)为检测电极,后者则是以表面电极(Surface Electrodes)为检测电极[9-10]。本文的研究对象是SEMG(表面肌电信号)。肌电信号本身是一种较微弱的电信号,而且皮肤和组织对肌电均有衰减作用,在皮肤表面采集的表面肌电信号比针电极采集的信号更微弱,也更易受干扰影响。检测和记录表面肌电信号,需考虑的主要问题是尽量消除噪声和干扰的影响,提高信号的保真度[10]。

国外的肌电放大采集系统发展半个多世纪,已经较好的解决了原始信号的提取放大分析。加拿大Thought公司是全球表面肌电领域的领导公司,其表面肌电信号的提取、分析、训练技术已经成为全球公认的最高标准[2]。荷兰BioSemi公司的Active Two采用280通道,24 bit解析度能有效的检测肌电和脑电,其应用程序可直接与电脑相连[2]。

在国内,生理信号采集技术已有几十年的技术积累。70年代末,国内医学信息技术进入了新的发展阶段。近几年肌电采集放大系统发展迅速。例如中国科学技术大学的董中飞等,设计了柔性同心圆差分阵列表面肌电采集系统,可适用于各种弯曲的皮肤表面,如脸颊等[12];南京大学的周兵等,设计了便携式表面肌电信号采集仪,性能稳定,操作简便,还具有液晶显示和USB传输性能[13]。

1　肌电信号采集

通过将表面电极固定在手臂上,经由数据采集放大电路和DSP开发平台来采集肌电信号,表面电极、数据采集放大电路和DSP开发平台组成的肌电信号采集系统来采集肌电信号。由于肌电信号具有如下的特点:

(1)肌电信号是一种交流电压,在幅值上与肌肉产生的力大致成比例[8,14]。

(2)肌电信号是一种微弱的电信号,其幅度范围一般在0～5 mV之间,一般为20 μV～300 μV[1-2]。

(3)采用表面电极时,肌电信号能量主要集中在1 000 Hz以下,频谱分布在20 Hz～500 Hz,其中,绝大部分频谱集中在50 Hz～150 Hz之间。功率谱最大频率随肌肉而定,通常在30 Hz～300 Hz之间[1-2]。

(4)频域参数比时域参数更能反映肌电特征。因为当力的大小稍有变化时,其时域波形变化较大,而频域特征变化不是很大[2-3]。

(5)同一块肌肉在作不同动作时,其幅值谱频率特性曲线形状仍然相似。

针对表面肌电信号的特点,肌电信号采集系统应该能够采集微弱的肌电信号并对其进行放大,能屏蔽干扰,滤除杂波,得到有用的肌电信号。下面对肌电信号采集系统做介绍。

1.1表面电极放置

本次实验使用的电极为三点式差动输入电极,采集电极和接地电极均为氯化银—银电极。将电极分为2个部分安放,一部分是接地电极(1个),另一部分是采集电极(2个)。 由生理学特点可知：当手指和手腕做伸动作主要的控制肌群为前臂背侧的尺侧腕伸肌等；当手指和手腕做屈动作时主要的控制肌群为前臂前侧的指伸屈肌等。所以,两个采集电极分别放在这两个位置上,接地电极则需要放在手臂前侧对手部运动没什么影响的部位。然后对不同的手势进行实验。具体安放位置如图1所示。

图1　电极安放位置

在放置电极前,要先进行以下准备工作:①为保证电极与皮肤的良好接触,先用医用酒精擦拭电极所在的手臂部位,去除皮肤表面的死皮、油脂,尽量减小电极之间的阻抗[9]。②电极的放置要顺着肌肉纤维的方向。应避免放在肌腱上或邻近肌腱,因为肌纤维在接近肌腱处变得更细,且肌纤维数目也减少了,导致肌电信号幅度的降低[2]。③电极用固定带固定好,以减小工频[2]。

1.2数据采集放大电路

由于肌电信号非常微弱,正常人体的肌电信号仅有mV级,在传递过程中很容易受到外电场和电路噪音的影响。因此整个采集电路的设计不仅要考虑信号的放大倍数,还要充分考虑到怎样去除干扰,减小工频,取得有用的肌电信号。

在设计肌电信号放大电路时,应着重考虑以下问题:

(1)放大器的增益要高

肌电信号幅度约在0～5 mV之间,是一种极其微弱的电信号[1-2],需将其放大到1 V左右才便于使用,因此放大器的放大倍数应设置在100～1 000之间。

(2)电路的共模抑制比要大

肌电信号的采集易受50 Hz工频电源及其他高频电噪声的干扰。但这些干扰信号在放大器的输入端表现为同幅同相的信号——共模信号,因此可利用高共模抑制比的放大电路对共模干扰信号进行抑制[1-2]。

(3)电极的输入阻抗要高于电极与皮肤的接触阻抗。皮肤与电极之间的接触阻抗的可能变化范围是十分大的,例如在天气干燥地区接触电阻甚至高达2 MΩ[2]。因此在类似的条件下,即使放大器的共模抑制比性能十分优良,但如果输入阻抗不够高,共模干扰信号依旧会造成较大的输出误差,因此必须提高放大器的输入阻抗[1-2]。

本次实验使用的放大电路是已有的放大电路,为分级放大电路,其基本电路示意图如图2所示。

肌电信号通过分级放大,并在放大过程中将其输入到滤波器中,通过低通和高通滤波器滤去无用信号、干扰和噪声频率后,再经由陷波器滤除50 Hz的工频信号。经过这一系列的肌电信号放大采集和处理后,我们可以得到较好的肌电信号来进行接下来的实验。

图2　放大电路示意图

1.3干扰源和噪声分析及其解决方案

由于肌电信号非常微弱,在采集信号的过程中,不可避免地会引入许多干扰,使有用的肌电信号淹没在干扰噪声中。因此正确区分及排除干扰是肌电信号采集过程中的重要任务。可以说,有效的抑制干扰是整个系统最关键的部分。在这里,通过分析干扰来源及其特性以及提供解决方法来为减少实验干扰提供依据。

(1)50 Hz工频干扰

该干扰来源于市电电源,愈是靠近电源,干扰愈明显。50 Hz工频干扰通常是实验中最常出现、幅度最大的干扰。减少50 Hz干扰的最简便易行的方法是电极连线采用带屏蔽的电缆,并尽可能缩短电缆的长度,减少干扰。或者改变导线、实验者或测量装置的方向,寻找最佳位置,使被测试者远离电源。当然,屏蔽实验室是最佳解决工频干扰的方法[1-3]。

(2)高频干扰

来源于电台、无线通讯设施、其他仪器等。这些信号的频率远在肌电信号的频段之外,通常不直接引起干扰。但是当出现电极接触不良或高频信号过强时,可因“检波”及高频“削波干扰”产生低频信号,进而形成干扰。解决的方法是加入低通滤波来滤去高频干扰信号[2-3]。

(3)其他生物电信号

信号与干扰是相对的,当采集心电信号时肌电信号被视为干扰。当采集肌电信号时心电信号也被视为干扰。因此,目的信号以外的其他生物电信号均可视为干扰,都应设法去除[10]。

(4)背景噪声

主要来源于放大器电子元件本身产生的电压和电流,一般与放大器内部元件的质量和性能有关。在输入回路中,也会引入噪声,其大小与电极电位、接触电阻有关[10]。因此,在选择放大器时,尽可能选择高质量的电子元件,来减小噪声[10]。

(5)刺激伪迹

刺激伪迹的实质是放大器直接记录到的电刺激信号,它是以电的方式传到记录端的,是一个纯粹物理的过程。刺激伪迹过大会干扰随后出现的肌电信号。采用隔离输出、缩小刺激电极间距、加大刺激电极与记录电极的距离、在刺激与记录电极之间接地、减小刺激波宽等方法有助于减小刺激伪迹[10]。

2　肌电信号分析

2.1手势动作的选取

手势动作包括腕关节动作、手掌动作以及手指动作。在手势动作的选择上,既要考虑到分类的可行性,又要使得动作之间具有较大的差异,此外动作需要简单易学。本文在此基础上选择了9种手势动作[3,9,14]。

图3是9种手势动作(伸食指、伸中指、握拳、屈腕、伸腕、向左挥手、向右挥手、向上挥手、向下挥手)的形态。

图3　9种手势动作的形态

2.2在线实验

本次实验在安静、灯光适宜的实验环境下进行,实验时,仪器应可靠接地,并远离强大的静电场与电磁场,室温在20 ℃左右。实验使用表面心电电极,实验前对电极粘贴处的皮肤做以下处理:用酒精擦洗并晾干,并用角质膏去角质。在粘贴电极时将导电胶对准被测皮肤适当施压,保证导电胶与皮肤接触良好。将电极放置好后,要用固定带将电极固定好,以防止电极移动,影响实验效果。随后需要将电极与放大电路连接好,并将放大电路与DSP开发板的GND,16 V和输出连接到一起。当所有准备工作做完后,受试者在经过简单的适应性训练后,则对上述9种手势动作重复执行2次。做完一种动作后,休息几分钟,以防止肌肉的疲劳。

在实验过程中可以通过DSP把肌电数据存储下来,也可通过示波器记录下肌电波形,示波器记录下的波形是的采样率为200 Hz,利用示波器分别记录下9手势动作时肌电信号的波形图,并对其进行后续处理。

2.3数据处理

对于上述实验所得到的实验数据,采用MATLAB可以直观的把采集到的肌电信号显示出来,并对其进行离线分析处理。

原始信号波形图如图4所示(按上述手势动作顺序,每两组为一个手势动作)。

图4　肌电信号原始时域波形图

图5　肌电信号原始频域波形图

在后续的数据分析中将采集到的信号进行FFT变换,得到原始数据的频域图如图5所示。

而后我们使用陷波滤波器来有效去除肌电信号中的工频信号。陷波器的滤波器特性如图6所示。

图6　陷波器的滤波器特性

经过陷波器滤波后,肌电信号的时域波形如图7所示,频域波形如图8所示。

图7　滤波后信号时域波形

图8　滤波后信号频域波形

观察分析上述波形可以得到:

(1)伸食指和伸中指的波形幅度比较小,并不如其他动作幅度大。这说明,单单只动一个手指,肌电信号并不强。

(2)当执行同一组动作时,同一块肌肉的信号在时域和频域上都非常的相似。当然,执行不同的动作时,由于肌肉收缩方式不同,施加的力也有差异,所以产生的肌电信号也有不同,这点在上述波形中也有明显的体现。

(3)从每组的两幅不同的图中,可以发现:尽管执行的是同样的动作,但是肌肉的信号仍然有差别,并不是一模一样的。

(4)不同动作的肌电信号,并不相同,可以从波形图上分辨出来,这使得肌电信号可以用来做较多脑电信号做不到的实验,例如信号识别等,这在一定程度上扩大了肌电信号的使用范围。

(5)虽然在设计电路与实验过程中,我们已经考虑到了50 Hz工频信号的影响,并且尽可能的去除了工频信号,但是由于某些不可抗因素,例如电极线有一定的长度,实验时使用的电源与示波器的影响使得仍然有部分50 Hz工频信号存在,当然,这部分信号可以通过后期对信号的处理来去除。

(6)肌电信号具有很强的可利用性,它可以有比较小的幅值,例如伸食指和伸中指,同时它也可以有比较大的幅值,例如屈伸腕和挥手等,这说明肌电信号在后续的实验中可以发挥很大的作用。

3　总结

本文基于DSP开发板对肌电信号做了初步的探索,采集并研究分析了不同手势产生的肌电信号,可以发现,肌电信号比其他生物电信号更具有实用性,不同手势的肌电信号差别较大,在信号识别方面具有更大的优势;做实验的受试者只需要稍加训练即可进行试验,并且在实验过程中肌电信号的延迟时间较小。这表明肌电信号在日后实验研究中有更为广泛的应用。

参考文献:

[1]张娴.基于肌电信号的人机交互技术研究[D].南京:东南大学测试计量技术及仪器专业,2006.

[2]李晧.人体表面肌电信号采集系统研究[D].天津:河北工业大学,2010.

[3]杨宇,陈香,涂有强,等.基于表面肌电控制的虚拟人机交互系统[J].系统仿真学报,2010,22(3):651-655.

[4]Chen Z W,Hu T P.A Reconstruct Digit by Transplantation of a Second Toe for Control of an Electromechanical Prosthetic Hnd[J].Microsurgery,2002,22:5-10.

[5]Calder K M,Stashuk D W,Mclean L.Motor Unit Potential Morphology Differences in Individuals with Non-Specific Arm Pain and Lateral Epicondylitis[J].J Neuroeng Rehabil(S1743-0003),2008,5:34-34.

[6]Rainoldi A,Gazzoni M,Casale R.Surface EMG Signal Alterations in Carpal Tunnel Syndrome:A Pilot Study[J].Eur J Appl Physiol(S1439-6319),2008,103(2):233-242.

[7]Karnika B,Oishee M,Ananda S K.Multichannel Fused EMG Based Biofeedback System with Virtual Reality for Gait Rehabilitation[C]//Proceedings of 4th International Conference on Intelligent Human Computer Interaction.Kharagpur,India,2012:1-6.

[8]Javad H,Evelyn M,Parvin M,et al.EMG-Force Modeling Using Parallel Cascade Identification[J].Journal of Electromyography and Kinesiology,2012,22:469-477.

[9]于擎.基于手势动作肌电信号的虚拟鼠标控制[D].南京:中国科学技术大学生物医学工程系,2009.

[10]何庆华,吴宝明,彭承琳.表面肌电信号的分析与应用[J].国外医学生物医学工程分册,2000,23(5):299-303.

[11]Wonkeun Y,Jung K.Estimation of Elbow Flexion Force during Isometric Muscle Contraction from Mechanomyography and Electromyography[J].Med Biol Eng Comput,2010,48:1149-1157.

[12]董中飞,陈香,邓浩,等.柔性同心圆差分阵列表面肌电电极研制[J].电子测量与仪器学报,2012,26(4):359-366.

[13]周兵,纪晓亮,张荣,等.表面肌电信号采集仪的软硬件设计[J].现代科学仪器,2010(4):58-61.

[14]Javad H,Evelyn M,Parvin M,et al.Enhanced Multi-Site EMG-Force Estimation Using Contact Pressure[C]//Annual International Conference of the IEEE EMBS,2012,34:3098-3101.

冯艳梅(1991-),女,江苏盐城人,硕士研究生,研究方向为显示科学与技术;

仲雪飞(1975-),女,江苏南京人,副教授,研究生导师,专业为物理电子学,方向为显示技术。2001年留校任教,2006年至今在东南大学电子科学与工程学院任副教授。2002年5月至2003年5月赴荷兰飞利浦公司工作,主要从事场发射显示器的理论模拟和工艺研究。2003年至今从事显示器质量评价、图像视觉感知及场发射显示理论模拟的研究。主持了一项国家自然科学基金课题,先后参与了多项国家自然科学基金、863课题,主持并完成了多项与飞利浦公司的合作项目。在国内外期刊和会议上发表了数十篇文章。

ElectromyographyCollectionandProcessingBasedonDSP*

FENGYanmei,ZHONGXuefei*,WANGJunjun,SUNHan,ZHAOHuaping,ZHANXiong

(School of Electronic Science and Engineering,Southeast University,Nanjing 210096,China)

Abstract:As an important biological signal,electromyography(EMG)has been used widely in bionics,biofeedback,sports medicine and rehabilitation engineering.Recently,the research and development on EMG grow rapidly.Focusing on the collection and analysis of the EMG,the muscle localization can be found to generate strong EMG,i.e.the most suitable position for the placement of the electrode based on the existing data collection amplifying circuit and DSP development platform.MATLAB is used to analyze the EMG signal from 9 gestures,filter the signal and draw the conclusions.The interference sources in the acquisition process are also analyzed and the method of reducing interference of the 50 Hz power frequency signal is found.

Key words:EMG;electrode;DSP development platform;signal acquisition

doi:EEACC:7210G10.3969/j.issn.1005-9490.2014.05.007

中图分类号:R337

文献标识码:A

文章编号:1005-9490(2014)05-0830-05

收稿日期:2013-09-29修改日期:2013-10-09

项目来源:国家“973”计划项目(2010CB327705)