應(yīng)用于減少前臂肌電圖交叉效應(yīng)的的信號(hào)處理術(shù)

 

摘要

盡管義肢在機(jī)械和電子元件方面有了巨大的步，但是它們與真正的人類的手相比仍舊缺乏度自由度。那不是因?yàn)樾g(shù)的缺乏，而是因?yàn)楫?dāng)在前臂殘肢或其它人傳感器上使用表面肌電圖時(shí)可用立控制信號(hào)數(shù)量的大大減少。在相鄰肌肉間產(chǎn)生干擾的交叉效應(yīng)隱藏了表面肌電圖的目標(biāo)肌肉和減少選擇性。

在個(gè)單的個(gè)案研究中，當(dāng)測(cè)試者成十個(gè)不同的等長(zhǎng)收縮時(shí)，從個(gè)健測(cè)試者的前臂上獲得的表面肌電圖信號(hào)會(huì)記錄在個(gè)表面的5x13電陣列上。為了減少不同肌肉的表面肌電圖信號(hào)的交叉效應(yīng)，我們應(yīng)用了個(gè)稱作為JADE的盲信號(hào)分離術(shù)（BSS）。

盡管沒有確定結(jié)果，但是他們出BSS術(shù)可以明顯減少表面肌電圖信號(hào)的交叉效應(yīng)并且因此BSS能夠增加對(duì)肌電控制的選擇性記錄。

 

引言

當(dāng)前的肌電義肢通常只有或二個(gè)自由度（DOF），各種運(yùn)動(dòng)非常有限。而且，它們的控制只是開-關(guān)或簡(jiǎn)單比例模式。因此，使用者還不能很自然的控制它們。這就是為什么大多數(shù)用戶盡管有很的術(shù)水平還是選擇不依賴肌電來控制假手。

另方面，機(jī)器人手和手臂有好幾個(gè)自由度；然而， 它們不是很適合裝在膝蓋或假肢連接處，主要因?yàn)榭刂扑鼈冃枰芏嗟男盘?hào)。

嘗試著結(jié)合機(jī)器人手和義肢的好特點(diǎn)，幾個(gè)實(shí)驗(yàn)室已經(jīng)研究出了自由度（甚至在10以上）的新型義肢。為了能以自然的方式控制那些設(shè)備（舉例來說，通過受體激動(dòng)劑-拮抗劑的成對(duì)肌肉），需要從位于使用者殘肢的肌肉中收集比往常的兩個(gè)多許多的立肌電信號(hào)。

在前臂中有19對(duì)肌肉，所有的肌肉都很小，緊挨著彼此，并且經(jīng)常交叉和重疊。因此，當(dāng)我們嘗試著記錄表面肌電圖信號(hào)時(shí)，不得不面對(duì)在不同的肌肉之間形成的個(gè)很程度的交叉效應(yīng)。

在近的作中，我們通過使用BSS來試著解決前臂肌肉產(chǎn)生的交叉效應(yīng)；聯(lián)合近似對(duì)角化（JADE）[1]。我們已經(jīng)用JADE來使表面肌電圖信號(hào)分離成組成件（運(yùn)動(dòng)單元?jiǎng)幼麟娢恍蛄校2]。另外，其他研究人員已經(jīng)令人滿意的運(yùn)用了減少前臂表面肌電圖信號(hào)的交叉效應(yīng)的其他BSS術(shù)[3]。

然而，他們使用的這個(gè)術(shù)也以從頻率域獲得的信息采集為基礎(chǔ)，由于隨著時(shí)間和疲勞此類因素使得表面肌電圖改變的頻率特性，可能使得這個(gè)術(shù)不適合長(zhǎng)期記錄[4]。

方法

數(shù)據(jù)采集

經(jīng)協(xié)商，選定個(gè)健康的男性受試者行測(cè)試。請(qǐng)他坐在椅子上，姿勢(shì)以他舒適為準(zhǔn)，將其右臂固定在我們的機(jī)械裝置上，保證手掌和手腕不會(huì)亂動(dòng)（見圖1），每個(gè)等距收縮測(cè)量外露的力矩，它組成了：骨2 到 5（從食到小拇）的末端骨彎曲，然后是中間骨；之后，手腕外展，內(nèi)縮；后，手腕（前臂）內(nèi)轉(zhuǎn)。每次的收縮運(yùn)動(dòng)都行3次，對(duì)稱，10秒，向上&向下彎曲達(dá)到半受試者的大肌肉隨意收縮力（MVC）；每個(gè)動(dòng)作立重復(fù)，間歇3秒適當(dāng)行放松。

給每個(gè)等長(zhǎng)力矩制定s-EMG記錄，個(gè)13×5的電排列（OT Bioelettronica, Torino, 意大利模型 ELSCH064）放在前臂的前面分，如圖2所示，使用單模式(遠(yuǎn)程參考電——ARBO 兒科 ECG-放置到腕)。每個(gè)孔有個(gè)特色的金屬環(huán)，粘有傳導(dǎo)凝膠；電間距離是8mm。以2048 samples/s的速度采集。

信號(hào)處理

，通過列減法（方向垂直于肌肉纖維）將65通道的單記錄轉(zhuǎn)到雙60通道的信號(hào)中。將JADE 應(yīng)用到60通道，每個(gè)有11種不同的收縮，為每個(gè)收縮獲取各自的通道。得到分離矩陣（在混合過程中帶來逆矩陣），之后會(huì)用到，經(jīng)過標(biāo)準(zhǔn)處理后，建重量矩陣，代表每個(gè)收縮“紋”通道的佳線性組合。圖3 所示為獲取的重量矩陣的二維代表，對(duì)應(yīng)每個(gè)收縮。個(gè)“重要”矩陣建成，用于它的每個(gè)線中，如果是JADE，則為1×60矩陣。這矩陣可應(yīng)用到每個(gè)記錄中，是輸出(嚴(yán)格意義上講是較的均方根值)強(qiáng)大的通道，可作為代表性收縮，因此是強(qiáng)大的活動(dòng)。

 

 

結(jié)果分析和討論

圖 4 顯示了已識(shí)別的收縮。在11種收縮外，6個(gè)被正確分類。其余的4個(gè)只達(dá)到 10%，比起獲勝的收縮強(qiáng)度差些，其中的個(gè)和公認(rèn)的收縮樣強(qiáng)大。但它沒有什么作用，整個(gè)程都是自動(dòng)的，無需行更正，如，JADE算法還不能作為s-EMG活動(dòng)的目標(biāo)收縮代表。因?yàn)槿艏尤胄┎降男盘?hào)處理，如過濾處理，可獲得更好的結(jié)果。

 

結(jié)論

這種方法是可減少s-EMG 信號(hào)中發(fā)生串道的頻率，是個(gè)很有前景的法案。與其他復(fù)雜的統(tǒng)計(jì)或者人神經(jīng)網(wǎng)絡(luò)算法相比，這也是分類肌肉活動(dòng)更快、 更經(jīng)濟(jì)的方式。使用些額外的處理程序，可以步改善這些結(jié)果。