基于多通道semg的多指肌活动的空间分布特性分析-analysis of spatial distribution characteristics of multi-fingered muscle activity based on multi-channel semg.docx

摘要人手的灵巧性很大程度上取决于独立的手指活动的能力。源于前臂的8种手外肌可控制手指活动，其中指浅屈肌（Flexordigitorumsuperficialis,FDS），指深屈肌（Flexordigitorumprofudus,FDP）和指伸肌（Extensordigitorum,ED）是三条源于前臂的多腱肌，在前臂分为四条平行肌腱穿过多个关节最后插入四个手指，主要功能是控制手指屈/伸运动。先前采用植入式EMG或传统单差分sEMG已证实了可通过选择性激活多腱肌内支配单个手指的独立的“室”完成单个手指独立的力学动作，我们称这些“室”为神经肌肉单元（Neuromuscularcompartment,NMC）。与植入式肌电信号相比，传统sEMG技术具有无创、重复测量的优点，使用时无需医生的监督，但该技术采集的信号仅仅是一维时间信号。近年来发展起来的高密度sEMG技术可从空间-时域的角度研究肌肉内大量运动单位群的活动，控制和生理特性。采用无损伤的高密度sEMG技术认识多肌腱是如何驱动一个手指动作而没有驱动其他手指产生等量的运动的神经肌肉控制机理在多功能假肢，虚拟现实，临床康复，运动医学等领域具有重要的应用价值。针对上述研究背景，本学位论文围绕认识前臂指伸肌和指浅屈肌活动的空间分布特性，手指动作识别的影响因素以及最优电极选择的目的。首先提出了适用于多腱手指肌的几种高密度、高性能、低噪声表面肌电电极阵列装置方案并通过实验对电极的噪声、阻抗和信号调理电路性能进行分析验证其可行性，然后利用上述的高密度电极阵列设计实验研究指浅屈肌和指伸肌的空间分布的变化与力量，收缩时间，手指任务模式以及任务类型的关系，最后提出一种基于线性判别分类器的最优电极选择算法。论文主要进行了以下的研究工作：1.提出几种基于柔性印刷工艺的多通道sEMG电极阵列装置设计方案。该方案设计了柔性烧结银/氯化银，镀金电极和镀金探针电极多通道电极阵列，能够根据应用需求灵活的选择电极材料类型。柔性聚酰亚胺基底膜和一次性的皮肤粘贴系统能使电极阵列最大程度的依照肌肉几何走向固定，这使得长时间记录时电极性能的恒定，从而达到降低记录系统噪声的目的。通过实验测试和分析干/湿电极噪声，皮肤-电极阻抗的时间稳定以及不同皮肤处理方式时的皮肤电极阻抗，结果不仅说明三种多通道干电极阵列可用于长时间sEMG记录，而且为将来sEMG电极的进一步发展提供指导。高增益，高通滤波和小外形封装的sEMG信号调理电路能使电路尽可能的靠近电极，从而降低了噪声。本文设计的电极阵列和信号调理电路组成的装置可用于人机交互，sEMG分解和多指肌电生理特性研究。2.提出了一个新的频域sEMG总功率参数，将其应用到13名健康的受试者在食指和中指分别输出一定的力量时同步采集的指伸肌和指浅屈肌的sEMG信号数据上，结果发现sEMG的总功率与手指力量水平呈现线性正相关，FDS肌肉上记录的sEMG的总功率存在显著的手指任务模式的差异，该结果表明sEMG的总功率参数可作为一个频域特征化手指活动的重要参数。然后利用sEMG总功率地形图的量化指标，即重心的坐标和变异系数来研究指浅屈肌活动的空间分布的变化与力量水平，收缩时间以及手指任务模式的关系。实验结果发现FDS的支配中指活动的NMC是以非均匀的方式适应力量变化和收缩时间的增加，支配食指活动的NMC以非均匀的方式适应疲劳，而以均匀的模式适应力量的变化。3.开展实验研究是否多通道sEMG信号能用于评价ED神经肌肉单元的选择性激活，利用32通道的电极阵列同步记录食指、中指、环指和小指小力量敲击任务时ED的sEMG信号，结果发现多通道sEMG的RMS地形图的重心的分布位置取决于手指任务模式，表明ED中支配食指、中指和环指的NMC的存在。此外，提出sEMG的最大分形长度参数，并利用该参数的地形图的量化指标首次研究协同肌活动的空间分布与力量，任务类型和手指类型的相关性，结果发现ED的sEMG活动的空间分布随线性收缩力量的变化而变化，而在恒定负载力量增加时保持不变；手指任务模式对ED空间激活模式的影响主要表现在小力量水平下。这些说明作为拮抗肌的ED以均匀方式适应线性力量增加，而该变化不适合恒定力量收缩任务。4.基于指伸肌空间活动特征研究手指动作识别。首次提出将广义判别分析方法用于优化指伸肌活动的空间分布特征，提出了一种新颖的手指动作识别方法。对提取的28通道LSDsEMG信号的最大分维数特征，采用广义判别方法进行降维，并利用LDA分类器实现对手指动作进行分类。在第4章恒定力量实验多通道sEMG数据集上进行了10次3重交叉测试，获得的识别率高达99.6%。5.针对高密度sEMG信号中存在大量的冗余信息和临床应用中电极数目的限制的问题，提出了一种基于线性判别分类的sEMG电极阵列通道的优化配置方法，并首次将