CN205083477U - 基于体表肌电的实时控制装置 - Google Patents

Abstract

本实用新型公开了一种基于体表肌电的实时控制装置，由肌电电极、肌电信号预处理电路、光耦隔离电路、数字处理系统、数据接收终端以及控制终端构成；该系统通过实时采集前臂处表面肌电信号，并将肌电数据实时地传送至PC机，并在PC上对肌电信号进行一系列的算法处理，以获得各种手势的判别结果，并通过无线或USB的方式将不同的结果输送到数据接收终端。本实用新型采用动态去除直流技术，实现对肌电信号的处理放大及噪声的抑制，不仅提高了信号的信噪比，而且简化电路结构、降低系统功耗；对不同手势准确识别率大于92％；加入光耦隔离电路，减小了信号所受噪声的干扰，同时保证使用者的安全性。

Description

基于体表肌电的实时控制装置

技术领域

本实用新型涉及生物信息技术领域，特别涉及肌电信号的采集与处理技术以及残疾人辅助装置。

背景技术

肌电信号中包含很多有用的信息，比如肌肉的力量强度，肌肉的动作类型等，因此患者就可以根据肌电信号的不同特征对其动作进行识别，然后应用人机接口技术使患者可以对假肢或者机械手臂进行相应的控制，从而完成一定的动作，方便生活。

目前利用人体的生物信号与计算机或者控制设备进行系统通信所构建的人机交互系统，是残疾人功能辅助装置研究的前沿和热点。体表肌电是从人体皮肤表面处通过贴片电极检测到的肌肉电信号，因其无创无痛，没有损伤，操作较为简便，所以应用比较广泛。但现有技术所涉及的肌电采集或控制类设备成本较高，电路结构复杂，而且所采集信号的信噪比低，使得对不同特征信号的识别率低。例如中国实用新型专利公开号CN103405228A，公开日2013年11月27日公开了一种“一种便携式心电及表面肌电测量装置”，它包含了信号采集及预处理模块、控制器模块及人机接口模块，能够同时采集表面肌电及心电信号。但它预处理模块中信号采样频段较窄(20-500HZ)，而且前端差分放大电路中由于没有实时消除直流偏移电压，因此无法将信号的放大倍数设置较高，从而影响了信号的共模抑制比。中国实用新型专利公开号CN101822540A，公开日2010年09月08日公开了一种“肌电放大器及采样肌电信号的方法”，该实用新型中的肌电信号放大器包括依次电连接的肌电电极、信号程控预放大模块、工频陷波器模块、程控滤波模块、受控制器控制的A/D转换模块和光纤传输模块。它虽然解决了传统肌电放大器的导线长度的限制，但是该放大器结构复杂，电路元件过多，不仅增加了成本和功耗，而且会引入较多的器件噪声，影响了信号采样的质量。

实用新型内容

本实用新型的目的就是针对上述问题，提出一种基于体表肌电的实时控制装置，通过采用动态去除直流技术，提高共模抑制比，并且采用数字滤波技术实现对50HZ及其倍频噪声的抑制。

本实用新型的技术方案为：基于体表肌电的实时控制装置，包括：肌电电极、肌电信号预处理电路、光耦隔离电路、数字处理系统、数据接收终端以及控制终端；所述肌电电极与肌电信号预处理电路输入端相连；所述肌电信号预处理电路输出端与光耦隔离电路输入端相连；所述光耦隔离电路输出端与数字处理系统输入端相连；所述数字处理系统输出端与数据接收终端的输入端相连，所述数据接收终端的输出端与控制终端相连；

所述肌电电极用于采集患者体表信号；

所述肌电信号预处理电路用于对来自肌电电极采集到的信号进行查分放大、滤波，并去除信号中的直流偏置电压；

所述光耦隔离电路用于对肌电信号预处理电路与数字处理系统进行隔离；

所述数字处理系统用于将输入的见信好转换为数字信号；

所述数据接收终端用于对输入信号进行手势识别并解析为相应指令；

所述控制终端用于执行来自数据接收终端的指令。

进一步地，所述肌电信号预处理电路包括：前置缓冲极、仪用运算放大器、抗混叠滤波器、动态直流补偿电路；所述前置缓冲级输入端作为肌电信号预处理电路的输入端，所述前置缓冲级的输出端与仪用运算放大器的输入端相连，所述仪用运算放大器的输入端相连，所述仪用运算放大器的输出端与抗混叠滤波器输入端相连，且所述仪用运算放大器的输出端还与动态直流补偿电路的输入端相连，所述动态直流补偿电路的输出端与仪用运算放大器的输入端相连，所述抗混叠滤波器的输出端作为肌电信号预处理电路的输出端。

进一步地，所述数字处理系统包括：模数转换模块、数字信号处理器、无线输出终端以及USB输出终端；所述模数转换模块的输入端作为数字处理系统的输入端，所述模数转换模块的输出端与数字信号处理器的输入端相连，所述数字信号处理器的输出端与模数转换模块的输入端相连，所述数字信号处理器的输出端与无线输出终端的输入端相连，所述数字信号处理器的输出端与USB输出终端的输入端相连，所述无线输出终端的输出端以及USB输出终端的输出端均作为数字处理系统的输出端。

更进一步地，所述数字信号处理器为梳妆滤波器。

本实用新型的效益是：本实用新型的基于体表肌电的实时控制装置，由肌电电极、肌电信号预处理电路、光耦隔离电路、数字处理系统、数据接收终端以及控制终端构成；

1.通过采用动态去除直流技术，在不提高成本和功耗的情况下，将同类的常规前置放大器的共模抑制比提高20dB以上；

2.采用模拟滤波和数字滤波相结合的方法，不仅简化了硬件电路，降低成本，而且采用数字滤波(梳妆滤波)的方法能够很方便的实现对50HZ及其倍频噪声的抑制；

3.信号采样带宽为0.5-5kHZ，采样率为15kHZ，能够采集到更加完整的肌电信号；同时采用LDA算法，对不同手势动作的识别准确率可达到92％以上；

本实用新型的基于体表肌电的实时控制装置，适用于手部残障人士的康复训练，聋哑人的手势判别，以及基于虚拟手控制的智能家居、娱乐游戏、军事训练等方面。

附图说明

图1为本实用新型实施例提供的一种基于体表肌电的控制系统原理框图。

图2为本实用新型实施例提供的动态直流补偿电路的原理图。

图3为本实用新型实施例提供的肌电信号不同手势的模式过程示意图。

具体实施方式

下面结合附图对本实用新型做进一步详细说明：

如图1所示的肌电电极(10)用于拾取人体体表的肌电信号，并将信号输送至肌电信号预处理电路(11)的高阻抗前置缓冲级(1101)，然后信号被送到高精度仪用运算放大器(1102)的输入端，实现对肌电信号的差分放大和对共模噪声的抑制，接着高精度仪用运算放大器的输出端将放大后的信号送到抗混叠滤波器(1103)的输入端，实现对高频信号的滤波。在肌电信号预处理电路(11)中，为了在高精度仪用运算放大器(1102)的输入端实现对直流偏移电压的动态抑制，本专利采用动态直流补偿电路(1104)，从高精度仪用运算放大器(1102)的输出端提取直流分量，通过动态直流补偿电路的处理后反馈到高精度仪用运算放大器的输入端，从而实现对直流偏移电压的抑制。抗混叠滤波器(1104)滤除高频噪声之后将信号送至光耦隔离电路(12)，实现肌电信号预处理电路(11)和数字处理系统(13)的隔离。信号通过光耦隔离电路的光电转换然后输出至数字处理系统(13)的模数转换模块(1301)，将模拟信号转换为数字信号，然后被数字信号处理器(1302)读取并进行梳妆滤波，去除50HZ及其倍频噪声。被数字滤波处理后的信号将通过数字处理器(1302)通过无线传输模块(1303)或USB传输模块(1304)发送至数据接收终端(14)。该数据接收终端(14)可以为PC机、平板或其他数字处理器，它将采用LDA算法对信号进行分类提取，然后将识别后的手势解析成相应的指令发送到控制终端(15)，最终实现人机交互。

这里的肌电电极(10)是本领域常用的技术，比如普通的Ag/AgCl电极，和心电电极通用的。数字处理系统(13)可选用TMS320F2812型号来实现。控制终端(15)为可控制的外部设备，如机械手、控制轮椅移动等。

如图2所示为动态直流补偿电路原理图。所述动态直流补偿电路包括：直流偏移电压提取单元以及光电转换叠加单元。

所述直流偏移电压提取单元具体为：包含电阻R2、电阻R3、电阻R4、电阻R5、电容C1、电容C2以及运算放大器，所述电阻R3的第一端作为动态直流补偿电路的输入端，所述电阻R3的第二端与电阻R2的第一端相连，电阻R2的第二端与运算放大器的正输入端，所述预算放大器的正输入端与电容C1的第一端相连，电容C1第二端接地，所述运算放大器的负输入端与电阻R4的第一端相连，电阻R4的第二端与运算放大器的输出端相连，所述运算放大器的负输入端还与电阻R5的第一端相连，电阻R5的第二端接地，且所述电容C2第一端与电阻R2的第一端相连，电容C2的第二端与运算放大器的输出端相连。

所述光电转换叠加单元具体为：包含两个光电耦合器，所述两个光电耦合器并联连接。

单元模块201为如图1所示的高精度仪用运算放大器1102，如AD8221等，它的作用是抑制共模信号并放大差模信号。信号经高精度仪用运算放大器的输入端(1或4脚)输入，通过R1调整信号被放大的倍数，然后在7脚输出。单元模块202为积分电路，目的是将电阻R3的一端连接单元模块201中高精度仪用运算放大器的7脚，并获取7脚的输出信号，然后经过单元模块202实现直流偏移电压的提取，然后通过单元模块202中的运算放大器的1脚反相输出到单元模块203。单元模块203由两个相同型号的光电耦合器(3201、3202，型号如MOTOROLA4N35)组成，它们的目的是将单元模块202提取的直流偏移电压通过光电转换叠加到单元模块201的电子R1两端，实现与单元模块201的高精度仪用运算放大器输入端(1或2脚)所引入直流偏移电压的叠加，从而可以动态的消除直流偏移电压。

本实用新型中对工频干扰及其倍频噪声的去除采用梳妆滤波器算法设计，具体过程如下：

本实用新型的数字信号处理器(1302)中采用梳妆滤波器，实现对肌电信号中50HZ及其倍频噪声的去除。

梳状滤波器是由许多按一定频率间隔相同排列的通带和阻带，只让某些特定频率范围的信号通过。梳状滤波器可滤除信号中ω＝2πk/n,k＝0,1,…N-1的频率分量。其幅度特性的过渡带比较窄，有利于消除点频信号(本系统中点频信号为50Hz及其倍频信号)，而不损伤其他信号。梳状滤波器转移函数的形式：

$H\left(z\right)=b\frac{1-z^{-N}}{1-{\mathrm{az}}^{-N}},b=\frac{1+a}{2}---\left(1\right)$

而无限冲激响应IIR滤波器的差分方程：

$y\left(n\right)=\underset{k=0}{\overset{N-1}{\Σ}}{a}_{k}x(n-k)+\underset{k=0}{\overset{M}{\Σ}}{b}_{k}y(n-k)---\left(2\right)$

这里x(n)为输入序列，y(n)为输出序列，a_k和b_k为滤波器系数，N为滤波器的阶数。上式说明时刻n的输出不仅取决于n时刻的输入，还要取决于以前的m个输出。IIR滤波器系统函数为：

$H\left(z\right)=\frac{\underset{k=0}{\overset{N}{\Σ}}{a}_k{z}^{-k}}{1+\underset{k=1}{\overset{M}{\Σ}}{b}_k{z}^{-k}}---\left(3\right)$

可以看出，梳状滤波器属于特殊的IIR滤波器，其系数a_k和b_k数组中除去首地址和末地址的数外，其余均为零。随着阶数的增加，并不会改变程序的时间复杂度，只会增加空间开销。在数字信号处理器中设计50Hz梳状滤波器，既可以成功的抑制50Hz及其倍频信号的干扰，又可以使数字信号处理器得到最大化的利用。

本实用新型中肌电信号的特征识别具体为：

被转化为数字信号的肌电信息被传送至数据接收终端(15)后，将通过模式识别算法进行特征识别和信息提取。

肌电信号不同手势的模式识别算法如图3所示的四个步骤，具体为：

数据预处理：采用移动平均法对采集到的表面肌电信号进行平滑处理，这种方法对信号抖动，尤其是脉冲式的噪声起到了明显的压制作用，其公式如(4)所示：

$y\left(i\right)=\frac{1}{2N+1}\left(y\right(i+N)+y(i+N+1)+...+y(i-N\left)\right)---\left(4\right)$

其中，y(i)是第i个数据点的平均值，N为i个数据点两侧相邻的数据点个数，2N+1为总共的数据点个数。然后采用通带范围为20～500Hz的FIR带通滤波器对肌电信号进行带通滤波，以消除运动伪迹等其他不需要的频率成分。

活动段检测：采用SEMG信号的平方移动平均法，通过计算SEMG信号的幅度变化特点，从而来判定是否有动作出现。在对活动段进行数据划分的时候，在采用平方移动平均算法的同时，还要结合活动段阈值Uh1＝1.e+007以及静息段阈值Uh2＝1.e+006来对数据段进行划分。当数据段的能量E大于Uh1时，将其识别为活动段；当数据段的能量E低于Uh2时，将其视为静息段；而当数据段的能量E为两者之间时，即Uh2<E<Uh1，则表示两种不同状态间的过渡。阈值Uh1和Uh2的大小，通常会根据实验的经验来确定。这种方法能够很好的缓解不同状态切换时所引起的判别结果的抖动，减小误差，使得手势识别的准确率得以提升。

特征提取：采用计算量较低的信号标准差作为每导特征，其公式如(5)所示：

$Std\left(i\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\&Sigma;}}{(x_i-\stackrel{\&OverBar;}{x})}^2---\left(5\right)$

其中该段信号的均值，Std(i)表示第i导信号。实际当中，选择在手臂相应位置放置采集电极，选择每个通道肌电数据的标准差作为特征，进行特征提取，以方便后期对肌电信号的模式分类。

模式分类：采用线性判别分析算法(LinearDiscriminantAnalysis,LDA)对特征提取后的肌电信号进行模式分类。LDA算法是一种简单常用的分类和降维方法，易于在线或者离线的数据分析，以提高系统的实时性。LDA算法的目的就是通过极大化“类间离散度”和“类内离散度”的广义瑞利商，找到一组最具判别性的投影向量。当采集到不同手势的肌电信号之后，就需要将这些样本进行分类，当投影到相对应的向量所张开的空间时，相同类别的样本数据会相互聚合，而不同类别样本的偏离程度较大，这样就能区分不同种类的样本。比如X是N维空间中类别为j的一个变量，N_j为类别j中样本的总数，那么两类样本的均值为：

$m_j=\frac{1}{N_j}\underset{X\&Element;C_j}{\&Sigma;}X,j=1,2---\left(6\right)$

总的样本均值为：

$m=\frac{1}{(N_1+N_2)}\underset{X\&Element;C_1\&cup;C_2}{\&Sigma;}X---\left(7\right)$

相应的类内离散度矩阵公式为：

$S_w=\sqrt{\frac{1}{(N_1+N_2)}}\underset{j=1}{\overset{2}{\&Sigma;}}\underset{X\&Element;C_j}{\&Sigma;}(X-m_j){(X-m_j)}^T---\left(8\right)$

同样的，类间离散度矩阵公式为：

$S_b=\sqrt{\frac{1}{(N_1+N_2)}}\underset{j=1}{\overset{2}{\&Sigma;}}{N}_j(m_j-m){(m_j-m)}^T---\left(9\right)$

在理论意义上，LDA算法可以从N维空间中得到一组投影向量w，然后类间离散度与类内离散度的差异就可以极大化，这个投影向量可以由式(10)得到：

$w=\underset{w}{\arg }max\frac{w^T{S}_{b}w}{w^T{S}_{w}w}---\left(10\right)$

将分母化为1，引入拉格朗日算子λ，式(10)可以转化为如下形式：

L(λ,w)＝w^TS_bw-λ(w^TS_ww-1)(11)

对L(λ,w)求关于w的偏导，并令其为0，得到：

S_bw＝λS_ww(12)

对式(12)求解广义特征值，然后就能得到相对应的判别向量。一般的对于N类目标，需要获取N-1个判别向量，从而在多个维度上面实现对不同类别的判定

这样，经过对肌电信号的预处理，可以去除运动伪迹及其他噪声；然后通过活动段检测找出每个动作的起始时刻和终止时刻；对活动段区分之后的信号进行特征提取，提取其信号的标准差作为特征值；最后利用LDA线性分类器对其进行手势动作的分类，并将识别结果输出，转换为相应的命令到控制终端。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本实用新型的原理，应被理解为本实用新型的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说，本实用新型可以有各种更改和变化。凡在本实用新型的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实用新型的权利要求范围之内。

Claims (4)

1.基于体表肌电的实时控制装置，其特征在于，包括：肌电电极、肌电信号预处理电路、光耦隔离电路、数字处理系统、数据接收终端以及控制终端；所述肌电电极与肌电信号预处理电路输入端相连；所述肌电信号预处理电路输出端与光耦隔离电路输入端相连；所述光耦隔离电路输出端与数字处理系统输入端相连；所述数字处理系统输出端与数据接收终端的输入端相连，所述数据接收终端的输出端与控制终端相连。

2.根据权利要求1所述的基于体表肌电的实时控制装置，其特征在于，所述肌电信号预处理电路包括：前置缓冲极、仪用运算放大器、抗混叠滤波器、动态直流补偿电路；所述前置缓冲级输入端作为肌电信号预处理电路的输入端，所述前置缓冲级的输出端与仪用运算放大器的输入端相连，所述仪用运算放大器的输入端相连，所述仪用运算放大器的输出端与抗混叠滤波器输入端相连，且所述仪用运算放大器的输出端还与动态直流补偿电路的输入端相连，所述动态直流补偿电路的输出端与仪用运算放大器的输入端相连，所述抗混叠滤波器的输出端作为肌电信号预处理电路的输出端。

3.根据权利要求1所述的基于体表肌电的实时控制装置，其特征在于，所述数字处理系统包括：模数转换模块、数字信号处理器、无线输出终端以及USB输出终端；所述模数转换模块的输入端作为数字处理系统的输入端，所述模数转换模块的输出端与数字信号处理器的输入端相连，所述数字信号处理器的输出端与模数转换模块的输入端相连，所述数字信号处理器的输出端与无线输出终端的输入端相连，所述数字信号处理器的输出端与USB输出终端的输入端相连，所述无线输出终端的输出端以及USB输出终端的输出端均作为数字处理系统的输出端。

4.根据权利要求3所述的基于体表肌电的实时控制装置，其特征在于，所述数字信号处理器为梳妆滤波器。