一种改进的基于信号能量阈值的表面肌电信号自动分割方法

表面肌电信号中连续动作信号的有效分段提取是对信号分析和处理的前提,提出了一种改进的肌电信号自动分割方法,为实现康复机器人信号全自动分析奠定了基础。该方法将表面肌电信号窗口能量作为肌肉动作始末点的判决标准,给出初始阈值计算公式。同时结合小波变换技术对非动作信号进行滤波,并根据分割点特征提出分割阈值自动调节方法。实验表明,该方法可以自动分割肌电信号,无需考虑测试者自身因素的影响,无需手工设定初值,分割结果准确,精度较高。     

表面肌电信号前端处理电路与采集系统设计

针对表面肌电信号幅度小、信噪比低、易受干扰、准确获取困难的问题,设计了高共模抑制比的前端放大电路,有效地抑制了共模干扰。采用EZ-USBFX2的slave FIFO模式的数字电路构成了基于USB2.0的8路高速采集与传送系统,各路信号的最大同步时间差不超过1ms。编写了可在普通PC机上运行的上位机读USB口数据程序,在上位机上得到了实时、完整、准确的肌电信号,为肌电信号处理、分析和应用提供了可靠的数据基础。     

表面肌电信号采集电路的设计

表面肌电信号是一种伴随肌肉活动的生物电现象,其采集电路设计的关键在于从强大噪声背景中提取微弱信号并进行高增益放大;通过分析表面肌电信号的特点和电路模型,设计了包含隔直和初级放大器、50Hz陷波器、高通和低通滤波电路三大部分的采集电路;该电路共模抑制比不小于115dB;输入阻抗大于100MΩ;增益为86dB;采用专用芯片UAF42的陷波器工频滤波衰减约30dB;将其应用于假肢手的控制系统中,通过神经网络进行动作模式识别,共识别了6个手部动作模式,识别成功率在95%以上。     

表面肌电采集信号的系统设计与算法分析

针对表面肌电信号的微弱性、低频性和强噪声性,设计了高共模抑制比、抗干扰能力强的表面肌电信号采集系统,并对采集到的信号进行处理分析。系统中包含放大电路、滤波电路、电平抬升电路、主控电路,采集受试者手臂放松、握拳、展臂、模拟震颤四种姿势的表面肌电信号,经串口通信将传感器所采集到的数据上传至上位机,之后将采集到的表面肌电信号进行中值滤波及傅立叶变换分析。测试结果表明,系统可以有效提取0—500 Hz的有用信号,且四种姿势下的表面肌电信号主要能量集中在0—500 Hz,在0—200 Hz内更为明显,符合表面肌电信号的频率特性。表面肌电信号采集系统具有可靠性和抗干扰性,拥有较好的市场应用前景。     

基于nRF905的无线表面肌电信号监测系统设计

介绍了利用TI公司的新一代16位单片机MSP430系列的MSP430F1611.和Nordic公司的nRFg05射频收发器芯片组成一种无线表面肌电信号采集系统的设计方案.根据表面肌电信号的特点,设计了相应的调理电路,给出了相应无线传输的软硬件实现方案.结果表明,系统能完成表面肌电信号的采集,结构稳定,而且功耗低.     

一种表面肌电信号的无线采集方式

表面肌电信号包含了大量表征肌肉生物特征的信息,它是一种微弱的生物电信号且极易受多种噪声干扰。可利用银电极的特性设计一种检测表面肌电信号的电极,电极贴于人体皮肤表面对检测到的信号进行放大、滤波,基于STM32对检测到的信号进行数模转换并通过蓝牙4.0发送至其他控制设备,实现表面肌电信号的无创采集和无线传输。实验表明,该采集方式可检测到明显的表面肌电信号变化,并成功实现蓝牙之间数据的发送和接收。     

32通道无线表面肌电和加速度信号采集系统设计

为满足对肌电信号采集系统无创、便携、更大传输数据量的需求。本文实现了基于蓝牙无线传输协议的32通道肌电和加速度信号采集系统。系统发送端由4组8通道信号采集发送模块组成,完成对表面肌电信号和加速度信号的采集、处理及发送;接收端采用FPGA管理4组蓝牙接收端进行一对一数据接收,同时完成对数据进行统一打包处理并发送到PC机进行数据存储、数据处理及信号波形显示。经测试,本系统一次充电可持续工作6小时,无线通信距离12m,信号噪声比高于70dB。测试结果表明,本系统可应用于手势识别、健康监护等领域。     

表面肌电信号去噪研究

根据小波去噪的特点,研究如何将噪声从sEMG信号中分离出来,并对自动降噪、强制降噪、默认阈值降噪与给定阈值降噪方法做了比较研究。实验结果表明:自动消噪处理中,应用小波函数wden的db9小波对含噪sEMG进行5层小波分解,并对细节选用minimaxi阈值规则,能有效地消除噪声,去除噪声对信号的影响。此方法具有一定的实用价值。     

表面肌电信号的AR 参数模型分析方法

根据实际肌电信号的随机性特征，对其建立AR(Autoregressive)模型，得到其AR模型的各项参数，分析此系数和对应肌肉活动所确定的肢体动作之间的关系，从而得到基于动作模式的表面肌电信号(EMG)AR模型参数分析方法。     

高密度表面肌电信号无线数据采集同步机制研究

高密度表面肌电信号研究需要获取高精度、高空间分辨率、高质量的肌电信号,同时也对采集系统的便捷性、响应性、续航能力等方面提出了更高要求.本文在考虑可穿戴性、实时性、高通量等基础上,对sEMG采集系统架构和传输网络设计进行了深入研究,设计了基于模块化分层架构、有线USB结合无线WIFI传输模式、异步采集和同步聚合方法、双缓存和时隙切换的高精度同步机制的实时肌电采集通信系统.为验证系统功能和算法机制,本文还构建了实验平台装置,实现了128通道1 kHz采样率16 bit精度sEMG信号的实时采集、处理和传输.通过测试,在采用通信周期为50 ms下,通道间同步误差小于320μs,刷新率可达20 Hz,系统的平均延时小于80 ms.     

表面肌电信号识别特征提取的仿真研究

研究表面肌电信号准确识别问题,表面肌电信号含有大量的噪声,且特征维数高,传统方法无法消除其中的噪声,选择最重要识别特征信号,表面肌电信号识别正确率低.为提高表面肌电信号的识别正确率,提出一种新的表面肌电信号识别模型.首先采用小波变换提取表面肌电信号特征,消除信号中的噪声,然后采用遗传算法选择最优特征信号,降低特征维数,最后采用遗传算法对支持向量机参数进行优化建立最优表面肌电信号识别模型.仿真结果表明,模型可很好地解决传统方法中的难题,提高了表面肌电信号的平均识别正确率,识别结果非常稳定,为表面肌电信号提供了一种新的识别方法.     

表面肌电信号的分解算法研究

为提高表面肌电信号分解的正确率以及完整性,提出一种表面肌电信号的自动分解算法。考虑到其较低的信噪比,先是采用小波降噪法对信号进行降噪处理,并计算信号的非线性能量算子以加强信号波峰值。之后采用低频小波系数和高频小波系数相结合的特征值来表征运动单元动作电位,最后使用小波神经网络完成对活动段的分类。同时,为了实现表面肌电信号的分解完整性,采用递归模版算法对所提取的叠加波形加以分解。实验结果表明,该分解算法能够成功地提取到中低收缩水平下表面肌电信号中的运动单元动作电位的发放信息,同时也能够有效地对叠加波形进行分解。     

表面肌电信号数字传感器的设计

介绍了表面肌电信号数字传感器的设计方法。根据表面肌电信号产生特点和采集技术的基本要求,研究电极的形状和正确的放置方法,采用仪用放大器INA128设计前置放大电路。设计有源滤波器,应用串行A/D转换芯片输出数字信号。实验表明,该方法可以提高信噪比,减小噪声,有效地提取出表面肌电信号。     

基于双通道表面肌电信号的在线手势识别系统研究

为了获得更加便捷和简单的人机交互方式,采用由Arduino UNO开发板和肌电传感器组成的双通道表面肌电信号采集系统采集手前臂的表面肌电信号,并在上位机中利用MATLAB（R2018b）对采集到的信号进行预处理、活动段检测、特征提取和分类器训练与预测;在识别出手势动作之后,利用GUI界面实时地显示出识别结果。该系统从肌电信号到手势识别、再从手势识别到计算机系统的人机交互方式展现了巨大的潜力和应用空间,尤其是在虚拟现实领域。     

基于遗传算法优化神经网络的表面肌电信号识别

表面肌电信号是人体运动时肌肉、神经活动发出的生物电信号在体表的表现,目前已成为对多自由度假肢理想控制的信号源,BP神经网络在肌电信号源模式识别上被应用广泛,但存在如学习收敛速度慢、不能保证收敛到全局最优点等缺点,鉴于以上缺点设计了基于遗传算法的BP神经网络对肌电信号进行模式识别,较好的改善BP神经网络缺点,提高了识别的准确率。     

表面肌电信号前端处理系统

设计了高共模抑制比的表面肌电信号前端处理系统。采用并联型双运放差动放大器、阻容耦合电路以及仪器放大器INA128构成初级放大电路对微弱的表面肌电信号进行放大,并获得高输入阻抗和高共模抑制比;引入屏蔽驱动、右腿驱动以及浮地电源来进一步提高系统的共模抑制比和抗干扰能力;设计高通和低通滤波器以及50 Hz工频陷波器,对不同频段的噪声进行滤除。通过实验测试,该系统具有较强的抗干扰能力,并且能够有效滤除噪声、抑制工频干扰,满足表面肌电信号去噪和放大的要求。     

基于表面肌电信号的人机交互软件设计

设计了一种基于Qt的人机交互软件,用于从表面肌电信号中解码出手势,控制空间机械臂灵巧手作业;介绍了肌电信号解码手势并控制仿真灵巧手系统的组成,包括下位机肌电采集接口部分和上位机人机交互软件两部分;详细说明了人机交互软件的3个功能模块,即接收并显示16路神经接口向上位机发送的肌电信号、对肌电信号进行实时手势解码以及控制仿真灵巧手;分析了软件设计过程中的几个关键技术,信号与槽机制、多线程与多进程结合、UDP通信等;最后,设计了基于肌电信号解码3种手势并控制仿真灵巧手的实时实验,手势识别率在98％以上,控制延迟为200 ms左右;实验结果表明,人机交互软件运行稳定,功能齐全,在航天遥操作人机交互系统中具有应用前景.     

表面肌电信号的降噪处理

表面肌电信号是一种易受多种噪声影响的生物电信号,其中以工频干扰、基线漂移、白噪声等干扰尤为严重.通过分析噪声干扰的特点,结合表面肌电信号特征,选取频谱插值法在频域内消除了工频干扰;利用形态学滤波的开闭运算得到基线漂移特征,从而滤除了基线漂移;基于经验模态分解(EMD)得到的本质模态函数分析消除了白噪声.实验结果表明:上述滤波方法在不损坏有用信号的前提下,可以实现较为满意的滤波效果.     

肌电信号采集系统与计算机的串口通信

肌电信号是在皮肤表面记录下来的神经和肌肉的系统活动时的生物电信号,有很好的临床价值。本文着重介绍了应用VB6.0中的MSComm控件实现肌电采集系统与计算机之间的串口通信。旨在探讨用可视化编程语言实现PC机与肌电信号采集系统之间数据通讯的技术及软硬件实现方案,充分合理地利用系统资源及特点,提高通讯效率。     

基于卷积神经网络的表面肌电信号手势识别

在当前科学技术快速发展的大背景下,通过应用卷积神经网络原理,能够将表面肌电信号的手势通过一维多通道的方式识别出来,避免在前期采用复杂的方法对表面信号进行预处理以及对信息采用手工提取方法所花费的时间.基于此,以右手为活动手,分析了握拳、向左、向右以及展拳4种手势时的表面肌电信号.将不同手势的肌电信号进行标记,生成信号长度不同的8通道信号训练集和测试集,并借助卷积神经网络的相关原理分析了卷积状态下的采样.借助相关研究后通过卷积神经网络的应用,能够实现卷积神经网络表面肌电信号的高效处理,从而实现对手势信号的识别,且识别率能够满足具体使用需求,因此其在实际工作中应用是有价值的.