CN115299950A - 肌电信号采集电路、可穿戴设备及控制方法 - Google Patents
肌电信号采集电路、可穿戴设备及控制方法 Download PDFInfo
- Publication number
- CN115299950A CN115299950A CN202210970444.2A CN202210970444A CN115299950A CN 115299950 A CN115299950 A CN 115299950A CN 202210970444 A CN202210970444 A CN 202210970444A CN 115299950 A CN115299950 A CN 115299950A
- Authority
- CN
- China
- Prior art keywords
- circuit
- signal
- resistor
- electromyographic
- operational amplifier
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000004891 communication Methods 0.000 claims abstract description 13
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 230000009471 action Effects 0.000 claims description 71
- 239000003990 capacitor Substances 0.000 claims description 35
- 230000003183 myoelectrical effect Effects 0.000 claims description 22
- 210000000707 wrist Anatomy 0.000 claims description 10
- 230000003321 amplification Effects 0.000 claims description 6
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 17
- 238000012545 processing Methods 0.000 description 14
- 230000033001 locomotion Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 210000003205 muscle Anatomy 0.000 description 9
- 238000005070 sampling Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 210000004247 hand Anatomy 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 239000002184 metal Substances 0.000 description 4
- 229910052751 metal Inorganic materials 0.000 description 4
- 239000000835 fiber Substances 0.000 description 2
- 210000001087 myotubule Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/251—Means for maintaining electrode contact with the body
- A61B5/256—Wearable electrodes, e.g. having straps or bands
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/296—Bioelectric electrodes therefor specially adapted for particular uses for electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/30—Input circuits therefor
- A61B5/307—Input circuits therefor specially adapted for particular uses
- A61B5/313—Input circuits therefor specially adapted for particular uses for electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种肌电信号采集电路、可穿戴设备及控制方法。所述电路包括放大电路、转换电路、处理器、通信电路;所述放大电路用于接收肌电信号,并根据所述肌电信号生成放大信号;所述转换电路包括模拟数字转换器,所述模拟数字转换器的第一端用于接收所述放大信号,所述模拟数字转换器的第二端用于输出数字信号,所述数字信号由所述模拟数字转换器根据所述放大信号生成;所述处理器的第一端用于接收所述数字信号,所述处理器的第二端用于输出控制信号,所述控制信号由所述处理器根据所述数字信号生成;所述通信电路的第一端用于接收所述控制信号,所述通信电路的第二端用于将所述控制信号发送至目标设备。
Description
技术领域
本发明涉及电子技术领域,更具体地,涉及一种肌电信号采集电路、可穿戴设备及控制方法。
背景技术
肌电信号是各肌肉纤维电信号的累加结果。肌电信号能够反映肌肉的功能状态,可应用于人机交互场景。由于人体的肌电信号比较微弱,难以直接对肌电信号进行识别。
发明内容
本发明的一个目的是提供一种用于采集肌电信号的新技术方案。
根据本发明的第一方面,提供了一种肌电信号采集电路,包括放大电路、转换电路、处理器、通信电路;
所述放大电路用于接收肌电信号,并根据所述肌电信号生成放大信号;
所述转换电路包括模拟数字转换器,所述模拟数字转换器的第一端用于接收所述放大信号,所述模拟数字转换器的第二端用于输出数字信号,所述数字信号由所述模拟数字转换器根据所述放大信号生成;
所述处理器的第一端用于接收所述数字信号,所述处理器的第二端用于输出控制信号,所述控制信号由所述处理器根据所述数字信号生成;
所述处理器用于根据所述肌电信号判断是否处于动作保持状态;在动作保持状态下,判断所述肌电信号中是否包含动作信息;在判断出所述肌电信号中包含动作信息的情况下,根据所述肌电信号获取对应的操控动作;根据所述操控动作生成控制信号;
所述通信电路的第一端用于接收所述控制信号,所述通信电路的第二端用于将所述控制信号发送至目标设备。
可选地,所述放大电路包括:
第一放大电路,所述第一放大电路的输入端接收所述肌电信号;
第一滤波电路,所述第一滤波电路的输入端与所述第一放大电路的输出端连接;
第二放大电路,所述第二放大电路的输入端与所述第一滤波电路的输出端连接,所述第二放大电路的输出端与所述模拟数字转换器的第一端连接。
可选地,所述第一放大电路包括仪表放大器、第一信号输入端和第二信号输入端;
所述第一信号输入端和所述第二信号输入端用于采集肌电信号,所述仪表放大器的的第一端和第二端分别连接至所述第一信号输入端和所述第二信号输入端,所述仪表放大器的输出端连接至所述第一放大电路的输出端。
可选地,所述滤波电路为带通滤波电路,具体包括:第一电阻、第二电阻、第一滤波电容和第二滤波电容;
所述第一滤波电容的第一端与所述第一放大电路的输出端连接,所述第一滤波电容的第二端分别连接至所述第一电阻的第一端和所述第二电阻的第一端,所述第二滤波电容设在所述第一电阻的第二端和所述第二电阻的第二端之间,所述第一电阻的第二端连接至所述带通滤波电路的参考电压输入端,所述第二电阻的第二端与所述带通滤波电路的输出端连接。
可选地,所述第二放大电路包括运算放大器、第二滤波电路、第三滤波电路、第一电压输入端;
所述运算放大器的第一输入端与所述第一滤波电路的输出端连接,所述运算放大器的第二输入端与所述第二滤波电路的第一端连接,所述运算放大器的第二输入端与第一电压输入端连接,所述第二滤波电路的第二输入端与所述运算放大器的输出端连接,所述运算放大器的输出端与所述第三滤波电路的第一端连接,所述第三滤波电路的第二端连接至所述第二放大电路的输出端。
可选地,所述第三滤波电路包括第三电阻和第三电容,所述第三电阻的第一端连接至所述运算放大器的输出端,所述第三电阻的第二端与所述第三电容的第一端连接,所述第三电容的第二端接地,所述第三电容的第一端连接至所述第二放大电路的输出端。
可选地,所述第二滤波电路包括第四电阻和第四电容,所述第四电阻和所述第四电容并联,所述第四电阻的第一端连接至所述运算放大器的第二输入端,所述第四电阻的第二端与所述运算放大器的输出端连接。
可选地,所述电路还包括右腿电路,所述右腿电路用于向皮肤表面施加偏置电压,所述右腿电路包括第二运算放大器和第四滤波电路;
所述运算放大器的第一输入端连接至所述右腿电路的参考电压输入端,所述运算放大器的输出端连接至所述第四滤波电路的第一端,所述第四滤波电路的第二端连接至所述右腿电路的输出端,所述运算放大器的第二输入端连接至所述运算放大器的输出端。
根据本发明的第二方面,提供了一种可穿戴设备,包括本发明第一方面所述的肌电信号采集电路。
可选地,所述可穿戴设备包括手环主体和表带,所述表带与所述手环主体可拆卸连接;
所述表带的表面设有多组电极,所述电极通过设在所述表带内的导线与所述手环主体内的电路连接,构成所述肌电信号采集电路。
根据本发明的第三方面,提供了一种可穿戴设备的控制方法,所述方法包括:
获取腕部多个位置的肌电信号;
根据所述肌电信号判断是否处于动作保持状态;
在动作保持状态下,判断所述肌电信号中是否包含动作信息;
在判断出所述肌电信号中包含动作信息的情况下,根据所述肌电信号获取对应的操控动作;
根据所述操控动作生成控制信号,以对目标设备进行控制。
根据本发明的一个实施例,本实施例通过设置放大电路,通过放大电路对采集到的肌电信号进行放大,便于对肌电信号进行识别。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例,并且连同其说明一起用于解释本发明的原理。
图1是本发明一种肌电信号采集电路的模块图。
图2是本发明放大电路的模块图。
图3是本发明第一放大电路示意图。
图4是本发明第一滤波电路示意图。
图5是本发明第二放大电路示意图。
图6是本发明右腿电路示意图。
图7是本发明可穿戴设备示意图。
图8是本发明可穿戴设备中电路连接示意图。
图9是本发明可穿戴设备的控制方法流程图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
如图1所示,本发明实施例介绍了一种肌电信号控制电路,包括放大电路、转换电路、处理器、通信电路。
放大电路用于接收肌电信号,并根据肌电信号生成放大信号。
通常肌电信号的幅值较低。比如肌电信号的幅值范围为0-5mV。需要将肌电信号进行放大以便于对肌电信号进行识别。放大倍数可以是几百倍到上千倍。
转换电路包括模拟数字转换器。模拟数字转换器的第一端用于接收放大信号。模拟数字转换器的第二端用于输出数字信号。数字信号由模拟数字转换器根据放大信号生成。
采集到的肌电信号是模拟信号。通过模拟数字转换器将模拟信号转换成数字信号。数字信号可以方便地用于后续处理。
处理器的第一端用于接收数字信号。处理器的第二端用于输出控制信号。控制信号由处理器根据数字信号生成。
处理器用于根据所述肌电信号判断是否处于动作保持状态;在动作保持状态下,判断肌电信号中是否包含动作信息;在判断出肌电信号中包含动作信息的情况下,根据肌电信号获取对应的操控动作;根据操控动作生成控制信号。
处理器用于对接收到的数字信号进行分析处理。处理器可以识别出肌电信号中包含的动作信息,并根据动作信息生成相应的控制信号。控制信号用于控制目标设备。比如目标设备是手机,可以控制手机接听电话或者拒接电话,也可以控制手机执行其它功能。处理器可以是MCU(Microcontroller Unit,微控制单元)芯片。
通信电路的第一端用于接收控制信号,通信电路的第二端用于将控制信号发送至目标设备。
通信电路将接收到的控制信号转发至目标设备,目标设备在接收到该控制信号后执行相应的功能。
本实施例通过设置放大电路,通过放大电路对采集到的肌电信号进行放大,便于对肌电信号进行识别。
如图2所示,在本发明实施例中,放大电路包括第一放大电路、第一滤波电路以及第二放大电路。第一放大电路的输入端接收肌电信号,第一滤波电路的输入端与第一放大电路的输出端连接,第二放大电路的输入端与第一滤波电路的输出端连接,第二放大电路的输出端与模拟数字转换器的第一端连接。
第一放大电路接收采集到的肌电信号,肌电信号为差分信号,第一放大电路可以将差分信号转换为单端信号,可以提高信号的抗干扰能力。第一放大电路对肌电信号进行初步放大,输出第一放大信号,第一放大信号为单端信号。
采集到的肌电信号的频率范围较大,比如可以采集到0Hz到几千Hz频率范围内的信号,其中包含大量的杂波信号。有效信号的频率范围相对较小,比如频率范围为20-500Hz的信号是有效信号。通过第一滤波电路可以滤除杂波信号,只保留有效信号。
第二放大电路对经过滤波处理的第一放大信号进行进一步放大,将信号放大至模拟数字转换器可采样范围区间内,以便于采集和识别。
如图3所示,第一放大电路包括仪表放大器、第一信号输入端NODE1和第二信号输入端NODE2。第一信号输入端NODE1和第二信号输入端NODE2用于采集肌电信号,仪表放大器的的第一端和第二端分别连接至第一信号输入端NODE1和第二信号输入端NODE2,仪表放大器的输出端连接至第一放大电路的输出端VOUT1。
第一信号输入端NODE1和第二信号输入端NODE2可以是金属电极,在使用时将第一信号输入端NODE1和第二信号输入端NODE2对应的金属电极贴在用户的皮肤上。比如,在采集腕部的肌电信号时,将第一信号输入端NODE1和第二信号输入端NODE2对应的金属电极贴在用户的手腕部位,然后进行肌电信号的采集以及传输。
如图3所示,在第一信号输入端NODE1和仪表放大器的第一端之间设有匹配电阻R4和R6,在第二信号输入端NODE2和仪表放大器的第二端之间也设有匹配电阻R5和R7。电阻R4和电阻R6串联在第一信号输入端NODE1和仪表放大器的第一端之间,电阻R5和R7串联在第二信号输入端NODE2和仪表放大器的第二端之间。匹配电阻R4、R5、R6、R7用于匹配电路阻抗。
如图4所示,滤波电路为带通滤波电路,具体包括:第一电阻R1、第二电阻R3、第一滤波电容C5和第二滤波电容C6。第一滤波电容C5的第一端与第一放大电路的输出端VOUT1连接,第一滤波电容C5的第二端分别连接至第一电阻R1的第一端和第二电阻R3的第一端,第二滤波电容C6设在第一电阻R1的第二端和第二电阻R3的第二端之间,第一电阻R1的第二端连接至带通滤波电路的参考电压输入端VREF,第二电阻R3的第二端与带通滤波电路的输出端VOUT2连接。
由于采集到的肌电信号中包含大量的杂波信号,在进行识别时只需要指定频率范围内的有效信号,通过带通滤波电路可以滤除掉有用带宽以外的信号。带通滤波电路接收第一放大电路的输出信号VOUT1,并输出经过滤波的信号VOUT2。
如图5所示,第二放大电路包括运算放大器、第二滤波电路、第三滤波电路、第一电压输入端VF1。运算放大器的第一输入端与第一滤波电路的输出端VOUT2连接,运算放大器的第二输入端与第二滤波电路的第一端连接,运算放大器的第二输入端与第一电压输入端VF1连接,第二滤波电路的第二端与运算放大器的输出端连接,运算放大器的输出端与第三滤波电路的第一端连接,第三滤波电路的第二端连接至第二放大电路的输出端VOUT。
运算放大器的电源端接第二电压输入端VCC,运算放大器的电源端经电容C3接地。
本实施例中,第三滤波电路包括第三电阻R9和第三电容C2,第三滤波电路为低通滤波电路。第三电阻R9的第一端连接至运算放大器的输出端,第三电阻R9的第二端与第三电容C2的第一端连接,第三电容C2的第二端接地,第三电容C2的第一端连接至第二放大电路的输出端VOUT。
本实施例中,第二滤波电路包括第四电阻和第四电容C4,第四电阻和第四电容C4并联,第四电阻的第一端连接至运算放大器的第二输入端,第四电阻的第二端与运算放大器的输出端连接。
本实施例中,电路还包括右腿电路,右腿电路用于向皮肤表面施加偏置电压。
由于肌电信号的幅值较低,为了有效放大信号,需要在皮肤上添加一个偏置电压作为基准抬高信号直流分量。肌电信号是交流信号,肌电信号经过放大电路后变成带直流偏置电压的单端信号。
如图6所示,右腿电路包括第二运算放大器和第四滤波电路。第二运算放大器的第一输入端连接至右腿电路的参考电压输入端VREF,第二运算放大器的输出端连接至第四滤波电路的第一端,第四滤波电路的第二端连接至右腿电路的输出端RLD,第二运算放大器的第二输入端连接至第二运算放大器的输出端。
第二运算放大器的电源端连接第三电压输入端VF3,第二运算放大器的电源端经电容C8接地。第二运算放大器的第一输入端经下拉电阻R2接地,第二运算放大器的第二输入端与参考电压输入端VREF之间设有电阻R1。
右腿电路的输出端RLD可以是金属电极,在使用时该金属电极贴在用户的皮肤上,右腿电路通过该金属电极向用户的皮肤施加偏置电压。
本实施例介绍了一种可穿戴设备,具有如上任一实施例的肌电信号采集电路。
如图7所示,可穿戴设备可以是手环,手环包括手环主体701和表带702,表带702上设有多组电极703。电极703采用亲肤柔性材料,可以紧密切合皮肤对多个位置进行信号收集。表带702具有拉伸特性,并且可以从手环主体701上拆卸。电极703包括基准电极7031和采样电极7032,采样电极7032用于采集肌电信号,基准电极7031用于在采集肌电信号的过程中向皮肤施加偏置电压。
如图8所示,设置在表带上的电极通过导线与手环主体内的电路连接,共同构成本发明实施例的肌电信号采集电路。在使用时电极贴在用户手臂表面,可以获取肌电信号。
如图9所示,本实施例介绍了一种可穿戴设备的控制方法,方法用于上述可穿戴设备,方法包括步骤S101-S105。
S101:采集腕部多个位置的肌电信号。
本发明通过可穿戴设备来采集肌电信号,用户将可穿戴设备佩戴在腕部,也就是手腕部位,可穿戴设备可以采集用户腕部多个位置的肌电信号。
在手臂中有多条肌肉通过协同工作来控制手指的伸展、弯曲、摇摆等动作,可穿戴设备中包含多组电极,可以采集不同肌肉的肌电信号。不同电极采集的肌电信号组合起来可以反映出肌肉的运动状态,进而可以反映出当前的手势动作。
S102:根据肌电信号判断是否处于动作保持状态。
在骑行、驾驶或者AR手柄操控等场景下,用户的手部会从放松状态进入动作保持状态。比如在用户的手部握住车辆方向盘的过程中,手部处于动作保持状态。当用户的手部从车辆方向盘松开后,手部从动作保持状态变为放松状态。
S103:在动作保持状态下,判断肌电信号中是否包含动作信息。
上述动作信息可以是由用户的手指发力生成的,可以是一个手指发力,也可以是多个手指发力。比如在用户的手部握住车辆方向盘的过程中,用户的一根手指发力,那么会生成对应的包含动作信息的肌电信号。
S104:在判断出肌电信号中包含动作信息的情况下,根据肌电信号获取对应的操控动作。
操控动作是用户在动作保持状态下进行的。比如,用户的手部握住车辆方向盘时,手部处于动作保持状态。用户保持握住车辆方向盘的状态下手指发力,那么操控动作表示手指发力。具体地,可以是“左手食指发力”、“左手中指发力”,也可以是其它动作。
S105:根据操控动作对目标设备进行控制。
不同的操控动作可以控制目标设备来完成不同的功能。预先存储操控动作与目标设备控制信号之间的对应关系,在得到操控动作后,获取对应的目标设备控制信号,将获取到的目标设备控制信号发送至目标设备,来完成对目标设备的控制。比如在目标设备是手机的情况下,操控动作是“左手食指发力”,对应的目标设备控制信号是“接听电话”;操控动作是“左手中指发力”,对应的目标设备控制信号是“拒接电话”。当手机来电时,用户可以通过左手食指发力来接听电话,也可以通过左手中指发力来拒接电话。
本发明通过在用户的手部握住物品时,采集腕部多个位置的肌电信号,通过肌电信号完成对目标设备的控制,不需要用户的手部从该物品上松开,在用户的手部握住该物品的状态下即可完成对目标设备的控制,方便用户使用。
在本发明一种实施方式中,步骤S102包括:通过滑动窗口从肌电信号中获取第一窗口信号;计算第一窗口信号的第一均值和第一过零率;若第一均值超过第一阈值、且第一过零率超过第二阈值,判断处于动作保持状态。
在骑行、车辆驾驶或者AR手柄操作等场景下,用户手部会从放松状态进入动作保持状态。在放松状态下,人体产生的肌电信号幅值较低,类似噪声信号。而在抓握等情况下,由于会有肌肉参与动作保持,因此会根据使用力度的不同而在20-500Hz频域内产生一定幅度的包含肌肉动作信息的肌电信号。与放松状态下相比,在动作保持状态下的肌电信号的幅值更大。
为了识别出是否进行了抓握后的动作保持,可以通过计算出肌电信号各通道的均值和过零率,均值可以反映当前肌肉的力度大小,过零率可以部分反映肌肉的活跃度。过零率表示每秒内信号经过零点的次数。通过滑动窗口获取第一窗口信号,根据第一窗口信号计算出第一均值和第一过零率。根据预先设定的第一阈值和第二阈值,判断是否处于动作保持状态。如果第一均值超过第一阈值、且第一过零率超过第二阈值,那么认为处于动作保持状态,否则认为不处于动作保持状态。如果判断出处于动作保持状态,那么可以对当前状态进行标记并实时跟踪。
在本发明一种实施方式中,步骤S103包括:通过滑动窗口从肌电信号中获取第二窗口信号;计算第二窗口信号幅值的第二均值和第二过零率;若第二均值超过第三阈值、且第二过零率超过第四阈值,判断肌电信号中包含动作信息。
在动作保持状态下有手指发力时,会在时域上生成一个幅值变化很大的瞬时能量波形,该能量波形包含肌肉动作信息,能够描述当前的动作状态。
在动作保持状态下,通过滑动窗口从肌电信号中获取第二窗口信号。第二窗口信号是按照时间顺序在第一窗口信号之后的信号,比如第二窗口信号和第一窗口信号之间相差一个滑动间隔。根据第二窗口信号计算出第二均值和第二过零率。根据预先设定的第三阈值和第四阈值,判断肌电信号中是否包含动作信息。如果第二均值超过第三阈值、且第二过零率超过第四阈值,那么认为肌电信号中包含动作信息,否则认为肌电信号中不包含动作信息。
在本发明一种实施方式中,步骤S102之前,还包括:对肌电信号进行噪声估计,得到噪声初始值;对肌电信号进行快速傅里叶变换,根据快速傅里叶变换结果和噪声初始值计算窗口数据的信噪比;根据信噪比计算去噪系数;根据去噪系数对肌电信号进行噪声去除。
肌电信号是各肌肉纤维电信号的累加结果,是一种标准的叠加型信号。当手部处于抓握状态时肌电信号的噪声较大,该噪声信号会叠加到动作中。可以通过频谱分析来识别噪声,对肌电信号进行降噪处理,能够大幅改善识别精确度。
在对肌电信号进行去噪的过程中,可以通过滑动窗口从肌电信号中获取多个窗口数据,对每个窗口数据依次进行去噪。具体地,对采样率、滑动窗口进行初始化,通过滑动窗口从肌电信号中获取一个窗口数据。对上述窗口数据进行噪声估计,得到与窗口数据对应的噪声初始值。采集到的肌电信号是时域信号,对窗口数据进行快速傅里叶变换(FastFourier Transform,FFT)操作,将信号从时域变换为频域,根据快速傅里叶变换结果以及噪声初始值计算出窗口数据的信噪比。根据信噪比计算去噪系数,信噪比越高去噪系数越小。通过去噪系数对窗口数据进行噪声消除,具体地,从窗口数据中减掉相应分量的噪声成分。对去噪后的窗口数据进行快速傅里叶逆变换(Inverse Fast Fourier Transform,IFFT),将信号还原为时域信号,该时域信号是与上述窗口数据对应的去除噪声后的信号。根据所有窗口数据对应的去除噪声后的信号可以得到去噪后的肌电信号。
在本发明一种实施方式中,步骤S104包括:对肌电信号进行升维处理,得到升维后的肌电信号;根据升维后的肌电信号,获取对应的操控动作。
采集到的肌电信号可以用一维数组来表示,该肌电信号的可解读性比较差,能够直接提取的动作信息较少,不易解读。因此可以对肌电信号进行升维处理来提取更多的信息特征。升维后的肌电信号可以用包含多种动作信息的空间矩阵来表示。
本实施例中,对肌电信号进行升维处理,得到升维后的肌电信号,包括:对肌电信号每个通道数据进行短时傅里叶变换或者小波变换,得到肌电信号的频域信息;根据通道的空间信息、肌电信号的频域信息以及肌电信号的时域信息,得到升维后的肌电信号。
采集到的肌电信号是时域信号,可以得到肌电信号的时域信息。对肌电信号进行变换,将时域信号变换成频域信号,可以得到肌电信号的频域信息。
肌电信号通过可穿戴设备上的采样电极进行采集,每组采样电极作为一个通道。在采集肌电信号的过程中,不同的采样电极贴在用户身体的不同位置,采集不同位置的肌电信号,各个通道之间存在空间关系。将肌电信号的时域信息、频域信息、以及通道的空间信息进行组合,得到一个包含肌电信号的时域信息、频域信息以及通道的空间信息的空间矩阵,可以用上述空间矩阵表示升维后的肌电信号。
在本发明一种实施方式中,根据升维后的肌电信号,获取对应的操控动作,包括:根据预设的识别模型对升维后的肌电信号进行识别,获取操控动作。
本发明中预设有人工智能识别模型,用于识别出肌电信号中包含的操控动作。在识别出操控动作后,将操控动作映射成控制信号来对目标设备进行控制。比如目标设备是手机,可以控制手机执行接听电话、拒接电话、音乐切换等功能。该识别模型通过将样本库中的动作转化后的空间矩阵信息放入深度学习网络进行训练学习得到。利用该识别模型可以得到很好的操控动作的分类信息,从而完成动作的分类。
并且,通过训练学习建立了识别模型之后,在利用识别模型实时对肌电信号准确识别后,还可以将本次识别出的肌电信号以及识别结果作为学习样本,对上述人工智能识别模型进行二次学习,进一步优化人工智能识别模型的识别能力。
在本发明一种实施方式中,步骤S101包括:向皮肤表面施加偏置电压;在施加偏置电压的过程中采集腕部多个位置的肌电信号。
肌电信号的幅值较低,比如在0-5mV之间,需要在皮肤上添加一个偏置电压作为基准抬高信号直流分量。在采集肌电信号时,先向皮肤表面施加偏置电压,然后采集肌电信号。在停止采集肌电信号后,停止施加偏置电压。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (11)
1.一种肌电信号采集电路,其特征在于,包括放大电路、转换电路、处理器、通信电路;
所述放大电路用于接收肌电信号,并根据所述肌电信号生成放大信号;
所述转换电路包括模拟数字转换器,所述模拟数字转换器的第一端用于接收所述放大信号,所述模拟数字转换器的第二端用于输出数字信号,所述数字信号由所述模拟数字转换器根据所述放大信号生成;
所述处理器的第一端用于接收所述数字信号,所述处理器的第二端用于输出控制信号,所述控制信号由所述处理器根据所述数字信号生成;
所述处理器用于根据所述肌电信号判断是否处于动作保持状态;在动作保持状态下,判断所述肌电信号中是否包含动作信息;在判断出所述肌电信号中包含动作信息的情况下,根据所述肌电信号获取对应的操控动作;根据所述操控动作生成控制信号;
所述通信电路的第一端用于接收所述控制信号,所述通信电路的第二端用于将所述控制信号发送至目标设备。
2.根据权利要求1所述的电路,其特征在于,所述放大电路包括:
第一放大电路,所述第一放大电路的输入端接收所述肌电信号;
第一滤波电路,所述第一滤波电路的输入端与所述第一放大电路的输出端连接;
第二放大电路,所述第二放大电路的输入端与所述第一滤波电路的输出端连接,所述第二放大电路的输出端与所述模拟数字转换器的第一端连接。
3.根据权利要求2所述的电路,其特征在于,所述第一放大电路包括仪表放大器、第一信号输入端和第二信号输入端;
所述第一信号输入端和所述第二信号输入端用于采集肌电信号,所述仪表放大器的的第一端和第二端分别连接至所述第一信号输入端和所述第二信号输入端,所述仪表放大器的输出端连接至所述第一放大电路的输出端。
4.根据权利要求2所述的电路,其特征在于,所述滤波电路为带通滤波电路,具体包括:第一电阻、第二电阻、第一滤波电容和第二滤波电容;
所述第一滤波电容的第一端与所述第一放大电路的输出端连接,所述第一滤波电容的第二端分别连接至所述第一电阻的第一端和所述第二电阻的第一端,所述第二滤波电容设在所述第一电阻的第二端和所述第二电阻的第二端之间,所述第一电阻的第二端连接至所述带通滤波电路的参考电压输入端,所述第二电阻的第二端与所述带通滤波电路的输出端连接。
5.根据权利要求2所述的电路,其特征在于,所述第二放大电路包括运算放大器、第二滤波电路、第三滤波电路、第一电压输入端;
所述运算放大器的第一输入端与所述第一滤波电路的输出端连接,所述运算放大器的第二输入端与所述第二滤波电路的第一端连接,所述运算放大器的第二输入端与第一电压输入端连接,所述第二滤波电路的第二输入端与所述运算放大器的输出端连接,所述运算放大器的输出端与所述第三滤波电路的第一端连接,所述第三滤波电路的第二端连接至所述第二放大电路的输出端。
6.根据权利要求5所述的电路,其特征在于,所述第三滤波电路包括第三电阻和第三电容,所述第三电阻的第一端连接至所述运算放大器的输出端,所述第三电阻的第二端与所述第三电容的第一端连接,所述第三电容的第二端接地,所述第三电容的第一端连接至所述第二放大电路的输出端。
7.根据权利要求5所述的电路,其特征在于,所述第二滤波电路包括第四电阻和第四电容,所述第四电阻和所述第四电容并联,所述第四电阻的第一端连接至所述运算放大器的第二输入端,所述第四电阻的第二端与所述运算放大器的输出端连接。
8.根据权利要求1所述的电路,其特征在于,所述电路还包括右腿电路,所述右腿电路用于向皮肤表面施加偏置电压,所述右腿电路包括第二运算放大器和第四滤波电路;
所述运算放大器的第一输入端连接至所述右腿电路的参考电压输入端,所述运算放大器的输出端连接至所述第四滤波电路的第一端,所述第四滤波电路的第二端连接至所述右腿电路的输出端,所述运算放大器的第二输入端连接至所述运算放大器的输出端。
9.一种可穿戴设备,其特征在于,包括权利要求1-8任一项所述的肌电信号采集电路。
10.根据权利要求9所述的设备,其特征在于,所述可穿戴设备包括手环主体和表带,所述表带与所述手环主体可拆卸连接;
所述表带的表面设有多组电极,所述电极通过设在所述表带内的导线与所述手环主体内的电路连接,构成所述肌电信号采集电路。
11.一种可穿戴设备的控制方法,其特征在于,所述方法包括:
获取腕部多个位置的肌电信号;
根据所述肌电信号判断是否处于动作保持状态;
在动作保持状态下,判断所述肌电信号中是否包含动作信息;
在判断出所述肌电信号中包含动作信息的情况下,根据所述肌电信号获取对应的操控动作;
根据所述操控动作生成控制信号,以对目标设备进行控制。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210970444.2A CN115299950A (zh) | 2022-08-12 | 2022-08-12 | 肌电信号采集电路、可穿戴设备及控制方法 |
PCT/CN2023/111693 WO2024032591A1 (zh) | 2022-08-12 | 2023-08-08 | 肌电信号采集装置及控制方法、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210970444.2A CN115299950A (zh) | 2022-08-12 | 2022-08-12 | 肌电信号采集电路、可穿戴设备及控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115299950A true CN115299950A (zh) | 2022-11-08 |
Family
ID=83862362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210970444.2A Pending CN115299950A (zh) | 2022-08-12 | 2022-08-12 | 肌电信号采集电路、可穿戴设备及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115299950A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024032591A1 (zh) * | 2022-08-12 | 2024-02-15 | 歌尔股份有限公司 | 肌电信号采集装置及控制方法、电子设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104423549A (zh) * | 2013-09-02 | 2015-03-18 | 上海煜於电子科技有限公司 | 适用于电脑的虚拟体感鼠标技术 |
CN104799854A (zh) * | 2015-04-29 | 2015-07-29 | 深圳大学 | 一种表面肌电采集装置及其肌电信号处理方法 |
CN105326500A (zh) * | 2014-08-13 | 2016-02-17 | 华为技术有限公司 | 基于表面肌电信号的动作识别方法和设备 |
CN111053971A (zh) * | 2019-11-27 | 2020-04-24 | 广州雪利昂生物科技有限公司 | 控制电刺激治疗仪输出强度的方法及电刺激治疗仪 |
CN210541542U (zh) * | 2019-06-14 | 2020-05-19 | 山东省计算中心(国家超级计算济南中心) | 一种十二导联可穿戴式心电监护衣 |
CN111176441A (zh) * | 2019-11-27 | 2020-05-19 | 广州雪利昂生物科技有限公司 | 基于表面肌电的人机交互训练方法、装置及存储介质 |
CN111923048A (zh) * | 2020-08-14 | 2020-11-13 | 北京海益同展信息科技有限公司 | 肌电信号分类、外骨骼机器人控制方法及装置 |
CN112148126A (zh) * | 2020-09-25 | 2020-12-29 | 赵小川 | 肢体动作感应装置、系统及可穿戴设备 |
CN112773582A (zh) * | 2021-01-20 | 2021-05-11 | 京东数科海益信息科技有限公司 | 一种假肢控制方法、装置、系统及介质 |
CN113872539A (zh) * | 2021-09-17 | 2021-12-31 | 歌尔科技有限公司 | 一种信号放大电路和芯片 |
-
2022
- 2022-08-12 CN CN202210970444.2A patent/CN115299950A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104423549A (zh) * | 2013-09-02 | 2015-03-18 | 上海煜於电子科技有限公司 | 适用于电脑的虚拟体感鼠标技术 |
CN105326500A (zh) * | 2014-08-13 | 2016-02-17 | 华为技术有限公司 | 基于表面肌电信号的动作识别方法和设备 |
CN104799854A (zh) * | 2015-04-29 | 2015-07-29 | 深圳大学 | 一种表面肌电采集装置及其肌电信号处理方法 |
CN210541542U (zh) * | 2019-06-14 | 2020-05-19 | 山东省计算中心(国家超级计算济南中心) | 一种十二导联可穿戴式心电监护衣 |
CN111053971A (zh) * | 2019-11-27 | 2020-04-24 | 广州雪利昂生物科技有限公司 | 控制电刺激治疗仪输出强度的方法及电刺激治疗仪 |
CN111176441A (zh) * | 2019-11-27 | 2020-05-19 | 广州雪利昂生物科技有限公司 | 基于表面肌电的人机交互训练方法、装置及存储介质 |
CN111923048A (zh) * | 2020-08-14 | 2020-11-13 | 北京海益同展信息科技有限公司 | 肌电信号分类、外骨骼机器人控制方法及装置 |
CN112148126A (zh) * | 2020-09-25 | 2020-12-29 | 赵小川 | 肢体动作感应装置、系统及可穿戴设备 |
CN112773582A (zh) * | 2021-01-20 | 2021-05-11 | 京东数科海益信息科技有限公司 | 一种假肢控制方法、装置、系统及介质 |
CN113872539A (zh) * | 2021-09-17 | 2021-12-31 | 歌尔科技有限公司 | 一种信号放大电路和芯片 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024032591A1 (zh) * | 2022-08-12 | 2024-02-15 | 歌尔股份有限公司 | 肌电信号采集装置及控制方法、电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Patil et al. | Feature extraction of EEG for emotion recognition using Hjorth features and higher order crossings | |
CN113589920B (zh) | 手势识别方法、人机交互方法、装置、设备及存储介质 | |
Alomari et al. | Wavelet-based feature extraction for the analysis of EEG signals associated with imagined fists and feet movements | |
Phinyomark et al. | Wavelet-based denoising algorithm for robust EMG pattern recognition | |
Kaleem et al. | Application of empirical mode decomposition and Teager energy operator to EEG signals for mental task classification | |
CN115299950A (zh) | 肌电信号采集电路、可穿戴设备及控制方法 | |
CN115381469A (zh) | 肌电信号采集装置及控制方法、电子设备 | |
Hamedi et al. | Facial gesture recognition using two-channel bio-sensors configuration and fuzzy classifier: A pilot study | |
Zachariah et al. | Automatic EEG artifact removal by independent component analysis using critical EEG rhythms | |
CN117462145A (zh) | 基于FastICA的眼电伪迹自识别清除方法、装置、设备及介质 | |
Yong et al. | Generalized morphological component analysis for EEG source separation and artifact removal | |
Das et al. | Multiple feature extraction of electroencephalograph signal for motor imagery classification through bispectral analysis | |
Mumtaz et al. | Sensorimotor cortex EEG signal classification using hidden markov models and wavelet decomposition | |
Thakur et al. | sEMG signal classification using ensemble learning classification approach and DWT | |
WO2024032591A1 (zh) | 肌电信号采集装置及控制方法、电子设备 | |
CN105686827A (zh) | 一种基于微控制器的肌电信号处理及特征提取方法 | |
Řondík et al. | Comparison of various approaches for P3 component detection using basic methods for signal processing | |
Lolure et al. | Wavelet transform based EMG feature extraction and evaluation using scatter graphs | |
Sanei et al. | Extraction of ECG from single channel EMG signal using constrained singular spectrum analysis | |
Mousavi et al. | Hand movement detection using empirical mode decomposition and higher order spectra | |
Jarrah et al. | A comparative analysis on the impact of linear and non-linear filtering techniques on EMG signal quality of transhumeral amputees | |
David et al. | Design of an electromyographic mouse | |
Revilla et al. | Evaluation of the Hilbert-Huang Transform for myoelectric pattern classification: Towards a method to detect movement intention | |
Saha et al. | Data adaptive filtering approach to improve the classification accuracy of motor imagery for BCI | |
Hsieh et al. | Low-complexity EEG-based eye movement classification using extended moving difference filter and pulse width demodulation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |