目前在對肌電信號進(jìn)行處理時,大多僅是對單一動作進(jìn)行辨識及識別[1],對于連續(xù)動作信號,通常先手工提取出各個單一動作,然后提取各動作的相應(yīng)特征(如,腦系數(shù)或ARMA系數(shù)等),再對實際的肌電信號進(jìn)行比較識別;這其中也要將無動作信號當(dāng)作一種動作來提取其特征向量[2,3,4],這樣既增加了實際的辨識識別運算量,而且在實際的肌電信號提取中,仍要解決有動作與無動作的交界問題,即何時為有動作,、何時為無動作信號段,這也是直接影響多個自由度的假肢動作識別率的主要原因之一。為此,本文從能量的角度,對實際采集信號進(jìn)行實時提取,即在一較小時間段內(nèi)求取肌電信號的能量Q,若該值大于了某闕值,則認(rèn)為此段時間內(nèi)有動作發(fā)生(或動作保持階段);否則認(rèn)為無動作,同時也將各個動作段分成單一的動作信號,。這一點從肌電信號的生理學(xué)上講,也是可以理解的,因為肌電信號本身就是一種具有一定能量特性的生理信號,。當(dāng)有動作發(fā)生時,肌肉收縮,肌纖維的運動單元產(chǎn)生運動電位,若肌肉力增加,參加收縮的肌纖維就多,所產(chǎn)生的運動電位就強(qiáng),肌電信號的能量也就高;相反,若無動作,肌肉處于松弛狀態(tài),肌纖維的運動單元就不產(chǎn)生運動電位,肌電信號的能量也就低。本文通過對50組連續(xù)信號和40組單一信號進(jìn)行實時提取,驗證了本文所用的方法是可行的,同時因除去了對無動作信號的后續(xù)處理,故對多自由度的智能假肢,具有實際應(yīng)用的意義,。本文還在此基礎(chǔ)上,針對長期監(jiān)測與研究的場合,利用優(yōu)化搜索方法提高了自動提取有效動作的速度,。
1、動作信號的提取方法
1.1,、實驗設(shè)計
采用3102型肌電圖儀,、濕性表面電極和康泰克的AD12-16LG生理信號采集卡從肢橈肌和旋前圓肌提取兩路肌電信號,其采樣時間為0.0005s,并將數(shù)據(jù)直接存儲在計算機(jī)中,整個實驗過程是在屏蔽室里進(jìn)行的。這里肌電圖儀主要用作:①觀察肌電信號的有元;②對從前臂皮膚表面提取的肌電信號進(jìn)行放大,。動作共有屈指,、伸指、旋內(nèi)和旋外等四種,單一動作40組,連續(xù)動作50組,。
1.2,、提取信號的原理
采用移動窗方法提取一小段時間內(nèi)的信號數(shù)據(jù),然后對其進(jìn)行平方積分: 式中x(t)是窗內(nèi)的肌電信號數(shù)據(jù),即得到ti時刻的信號能量值Qi,若Qi大于某闊值A(chǔ),并且在窗移動后有連續(xù)n1次能量值QK(k=i,i+i,…i+n1)都大于值A(chǔ),則認(rèn)為ti時刻是動作的開始時刻;此后若有連續(xù)n2次能量值QK(k=j,j+1,…j+I12)均小于某一值B(B>A),則認(rèn)為動作結(jié)束,并以與時刻為結(jié)束時刻,其中n1與n2可以不相同;若能量值
Q在A與B之間,則認(rèn)為動作處于保持狀態(tài);若能量值Q小于A值,則認(rèn)為無動作狀態(tài),即肌肉處于松弛狀態(tài),這樣就將所采集的信號分為有效動作信號、動作保持信號及無動作信號,。窗寬度為0.064s,移動步長為0.032s,。①對40組單一信號進(jìn)行提取,有效率100%,提取判斷對比如圖1所示;②對80組連續(xù)信號進(jìn)行分割提取動作信號,其中每組連續(xù)信號中至少有兩個以上的動作,有效提取率100%,提取判斷對比如圖2所示。
1.3,、方法改進(jìn)
由(1)式可以看出,在求取信號的能量Q時,要用到乘法運算,運算量大,這里可以用求取信號絕對值的積分來代替,即令當(dāng)然這時的Q已不具有能量的含義,但通過對實際數(shù)據(jù)的自動分割,驗證它在一定程度上是可以取代上述方法的,且可減少實際的運算量從而提高運算速度,。
2、優(yōu)化提取時間
在對表面肌電活動進(jìn)行長期監(jiān)測與研究時,肌電信號記錄的時間很長、數(shù)據(jù)又多,且每個動作相隔的時間是不定的,若按照上述方法,窗的寬度和移動步長都是固定,則在提取有效動作時,運算次數(shù)多,運算時間長;若采用變步長搜索法可有效地提高提取動作時間,。本文采用一種最簡單的變步長搜索:從所測的連續(xù)信號開始,先選取一較小的窗寬度d來提取數(shù)據(jù),判斷其積分值是否大于某一值
A,若連續(xù)兩組數(shù)據(jù)的積分值均未大于該闊值,則窗寬度加倍,再判斷其積分值是否大于加倍的闊值,若仍未大于,則繼續(xù)增加窗寬度,直至0.5s為止,其中移動步長是時窗寬度的一半;若大于,則從前一時刻開始,重新按最小窗寬度進(jìn)行數(shù)據(jù)的搜索,直到找到起始點ti,從起始點開始可用適當(dāng)?shù)拇皩挾冗M(jìn)行提取數(shù)據(jù),直到找到動作結(jié)束時間tk。這一方法因為快速略過了無動作信號段,從而可以很快地提取有效動作信號,為研究工作節(jié)省了一定時間,。在離線狀態(tài)下提取特征參數(shù)時,也可用這一方法來提高運算速度,。
3,、結(jié)論
在上述實驗數(shù)據(jù)處理中,時間窗的寬度不可太寬,否則動作信號的提取很不準(zhǔn)確,會影響動作識別;但若時間窗寬度太窄,則很難區(qū)分噪聲與弱動作信號,尤其是在動作的保持階段,。另外,值A(chǔ),、B的選取與個體很有關(guān)系,因人而不同,應(yīng)根據(jù)實際情況而定,。總之,通過對實際數(shù)據(jù)中有效動作信號的實時提取,驗證本文所提的方法是可行的,且易于用硬件實現(xiàn),對多自由度的智能肌電假肢有著應(yīng)用意義,。
