阵列式表面肌电信号采集仪_赵章琰
肌电信号无线采集装置的研制及应用
肌电信号无线采集装置的研制及应用冯媛媛;戴威;王文波;蔡雷;王浩【摘要】肌电信号(EMG)的采集与分析广泛应用于临床医学的研究与诊断、康复工程、生物体运动检测以及仿生机器人等领域.为了实现对自由运动小动物肌电信号实时、可靠及便捷地采集和传输,研制了一套8通道肌电信号无线采集系统.以STM32F103RCT6作为处理器,通过nRF24L01无线传输模块将数据传送至PC端,基于LabVIEW的上位机进行数据处理,具备实时显示及存储功能.整个采集系统大小为3 cm ×2 cm×1 cm,质量为11 g(含电池).该系统具有实时性高、质量轻、传输距离远以及操作便捷等优点,可用于小动物运动的行为机制的相关研究.【期刊名称】《机械制造与自动化》【年(卷),期】2018(047)003【总页数】4页(P187-189,197)【关键词】肌电信号;STM32;无线通信;同步采集【作者】冯媛媛;戴威;王文波;蔡雷;王浩【作者单位】南京航空航天大学航天学院,江苏南京210016;南京航空航天大学仿生结构与材料防护研究所,江苏南京210016;南京航空航天大学仿生结构与材料防护研究所,江苏南京210016;南京航空航天大学自动化学院,江苏南京210016;南京航空航天大学航天学院,江苏南京210016;南京航空航天大学仿生结构与材料防护研究所,江苏南京210016;山东省科学院生物研究所,山东济南250014;南京航空航天大学航天学院,江苏南京210016;南京航空航天大学仿生结构与材料防护研究所,江苏南京210016【正文语种】中文【中图分类】TP2740 引言肌电(EMG)信号的采集与分析已成为生物学和医学界研究的热点之一。
肌电信号微弱，采集易受干扰、测量难度大，有效地提取肌电信号是EMG应用的一个关键方面[1]。
采集肌电信号的传输方式分有线信号传输和无线信号传输两种。
有线信号传输速度快，稳定性高，但在便携性方面存在缺陷，通常应用于静止目标肌电信号的采集。
表面肌电信号采集仪的软硬件设计
表面肌电信号采集仪的软硬件设计周兵;纪晓亮;张荣;张海峰;何爱军【期刊名称】《现代科学仪器》【年(卷),期】2010(000)004【摘要】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,研制一种基于高共模抑制比的前端放大电路的便携式表面肌电信号采集仪,包含肌电采集放大、AD转换、带触摸屏的液晶显示、数据存储、USB有线传输、Xbee 无线传输等多个组成部分.采用μC/OS-Ⅱ操作系统和基于μC/GUI的图形化界面,性能稳定,操作简便.同时,为了方便用户资料及肌电数据的管理,移植了FATFS文件系统.低功耗和微型化设计提高了设备的便携性,有利于提高表面肌电信号采集仪在运动员训练中的使用率.【总页数】4页(P58-61)【作者】周兵;纪晓亮;张荣;张海峰;何爱军【作者单位】南京大学电子科学与工程系生物医学电子工程研究所,南京,210093;南京大学电子科学与工程系生物医学电子工程研究所,南京,210093;南京大学电子科学与工程系生物医学电子工程研究所,南京,210093;南京大学电子科学与工程系生物医学电子工程研究所,南京,210093;南京大学电子科学与工程系生物医学电子工程研究所,南京,210093【正文语种】中文【中图分类】R318.6【相关文献】1.表面肌电信号采集综合实验项目设计 [J], 赵汗青;李海燕;王立新2.基于嵌入式技术的表面肌电信号采集仪设计 [J], 周兵;纪晓亮;张荣;张海峰;何爱军3.双通道表面肌电信号采集装置的设计与分析 [J], 戴季高;徐秀林;吴曦4.针对微弱表面肌电信号的采集电路设计 [J], 周明娟;王语园;王田戈;冉蠡5.阵列式表面肌电信号采集仪 [J], 赵章琰;陈香;雷培源;杨基海因版权原因，仅展示原文概要，查看原文内容请购买。
表面肌电信号采集及动作识别系统
表面肌电信号采集及动作识别系统
张红奎;汪地;杨浩;李智;陈燕军
【期刊名称】《机械设计与制造》
【年(卷),期】2013(000)008
【摘要】搭建了一个表面肌电信号采集及动作识别系统,系统由硬件和软件两部分组成.硬件部分前端采用一次性表面贴片式电极作为输入传感器,肌电信号采集后经信号放大器的滤波放大、经数据采集卡的模数转换后将信号输入到电脑；软件部分在LabVIEW平台下开发完成,利用小波变换方法进行特征提取,采用BP神经网络进行人体上肢特定动作的识别.特征提取和动作识别均在LabVIEW平台下实现.通过该系统,实现了对于肌电信号的实时采集、处理和对所设定上肢动作的准确识别.【总页数】3页(P38-40)
【作者】张红奎;汪地;杨浩;李智;陈燕军
【作者单位】上海大学机电工程与自动化学院,上海200072;上海大学机电工程与自动化学院,上海200072;上海大学机电工程与自动化学院,上海200072;上海大学机电工程与自动化学院,上海200072;上海大学机电工程与自动化学院,上海200072
【正文语种】中文
【中图分类】TH16;TP274+.2
【相关文献】
1.基于虚拟仪器的表面肌电信号采集与识别系统 [J], 赵稳庄;张海南;何亚银;王登科
2.基于无线表面肌电信号采集的上肢动作识别 [J], 吴志文;李晓欧
3.基于表面肌电信号的手指运动模式识别系统 [J], 王人成;郑双喜;蔡付文;姜力;朱德有;刘宏;李芳
4.采集表面肌电信号应用于动作识别的可行性 [J], 卢蕾;殷涛;靳静娜;李颖;刘志朋
5.基于表面肌电信号的截肢者人手动作模式识别 [J], 阮婷;刘川;尹奎英
因版权原因，仅展示原文概要，查看原文内容请购买。
阵列式表面肌电信号采集仪_赵章琰
第23卷 第12期 电子测量与仪器学报 Vol. 23 No. 12 · 88 ·JOURNAL OF ELECTRONIC MEASUREMENT AND INSTRUMENT2009年12月本文于2009年6月收到。
*基金项目:国家自然科学基金(编号：30870656)资助项目阵列式表面肌电信号采集仪*赵章琰 陈 香 雷培源 杨基海(中国科学技术大学电子科学与技术系, 合肥 230027)摘 要: 采用阵列式电极, 通过空间滤波方法可提高表面肌电信号的MUAP 分辨能力。
本文实现的阵列式表面肌电信号采集仪由表面肌电电极阵列、信号调理电路和数据采集部分构成。
表面肌电电极阵列实现了镀金圆盘式和弹簧探针式两种类型, 信号调理电路对电极上的肌电信号进行放大和滤波, 数据采集部分将调理后的信号转换成数据并进行显示和存储。
电极阵列和前级信号调理电路集成在一起, 有效的降低了微弱信号通过导线传输所引入的干扰。
通过实验, 验证了这种阵列式表面肌电采集仪在研究肌肉中动作电位传播和利用空间滤波提高MUAP 分辨力的可行性, 并证实了镀金圆盘式电极在降低噪声方面、弹簧探针式电极在缩短MUAP 时长方面的优势。
关键词: 表面肌电电极阵列；镀金圆盘；弹簧探针；空间滤波；MUAP 时长 中图分类号: R318.6 文献标识码: A 国家标准学科分类代码: 310.6140Array acquisition instrument for surface electromyogramZhao Zhangyan Chen Xiang Lei Peiyuan Yang Jihai(University of Science and Technology of China, Hefei 230027, China)Abstract: The discrimination of MUAP from surface Electromyogram (sEMG) can be improved by using elec-trodes array and space filtering method. According to this principle, an array acquisition instrument for sEMG was de-veloped in this paper, containing sEMG electrodes array, signal conditioning circuits and a data acquisition part. Gold plated disk shaped electrodes and spring probe electrodes built up two different kinds of sEMG electrode array; The conditioning circuit amplifies and filters the signal form electrode array; The data acquisition part converted the condi-tioned signal to digital for display and storage. The electrode array is integrated with the first-stage conditioning circuit, in order to prevent interferences of weak signal transmission through wires. It is proved that the array acquisition in-strument can be used in the research of action potential transmission in muscles, and it can improve the discrimination of MUAP by using space filtering method. It is also proved that the gold plated disk shaped electrodes work better in noise reduction and the spring probe electrodes work better in reducing the MUAP duration.Keywords: sEMG electrode array; gold plated disk shaped electrode; spring probe electrode; space filtering;MUAP duration1 引 言表面肌电(surface electromyogram, sEMG)是从皮肤表面检测相应位置内部肌肉肌电图的方法, 这种方法与传统的针电极EMG 相比, 具有无痛苦无损伤的优点。
表面肌电信号拾取与预处理电路设计
第"(卷#第%%期#%&"(年*月"),"("*"+!%&"("%%O )!++O &+#科#学#技#术#与#工#程8F 5C 0F C M C F B0=@=I <.0;H 0I 50C C 650I#J=@$"(#U =$%%#1:I Z %&"( #%&"(#8F5$M C F B$H 0I 6I $通信技术表面肌电信号拾取与预处理电路设计姜#磊#王红旗#杜冬梅!河南理工大学电气工程与自动化学院%焦作!+!&&&"摘#要#表面肌电信号 8H K P 是指当骨骼肌收缩时 肌纤维所产生的微弱电信号在皮肤表面的募集 一般情况下 表面肌电信号特别微弱 频率主要集中在"&c +&&-Q 范围内 幅值在"&c +&&& J 很容易受到工频+&-Q 噪声干扰 针对表面肌电信号的特点 采用1I a 1I 7@电极拾取8H K P 信号 设计了仪表放大电路 带通信号调理电路 实验证明 所设计的电路能有效提取带宽为"&c "&&&-Q 的表面肌电信号 实现了简捷有效的表面肌电信号拾取 关键词#表面肌电信号##信号拾取##信号预处理##带通滤波中图法分类号#M U &)'####文献标志码#1%&"(年!月"*日收到河南理工大学博士基金!V %&"&O )&"资助第一作者简介&姜#磊!"'*,("%男%河南巩义人%河南理工大学硕士研究生%研究方向&机器人控制$H O ?.5@&<:0>.0*,&,&)_")($F =?$##表面肌电信号!8H K P "是从人体骨骼肌表面通过电极记录下来的神经肌肉活动发放的生物电信号)"*$表面肌电信号的应用已经深入到临床医学#运动控制#生物医学与康复工程等诸多领域)%*$特别是通过提取截肢者残端8H K P 信号控制电动轮椅%有机的将8HK P 信号与外部装置联系起来%使残疾人可以直接通过残端运动来控制电动轮椅的运动%而肌电控制中最为关键的是如何有效提取8H K P )(*$目前%国外研究学者应用8H K P 信号实现了机械手的控制和驾驶电动车)!%+*$国内赵章琰%陈香等应用8H K P 信号实现了手势识别'罗志增等应用8HK P 信号研制肌电假肢))%,*$近年来%随着检测技术和信号处理手段的发展%研究如何使用表面肌电信号代替传统的针式电极进行全面的临床无损诊断已经成为医学界研究的热点问题之一)*%'*$人体皮肤表面的肌电信号幅值约为"& Jc +?J %能量主要集中在"&-Q c +&&-Q 之间%信号微弱%易受干扰)"&*$因此%用电极采集过来的表面肌电信号必须经过放大滤波%才能有效的识别)""*$本文采用1I a 1I 7@表面电极拾取8H K P 信号%设计了具有高共模抑制比#抗干扰能力强的信号调理电路%为之后对表面肌电信号进行分析辨识%并通过8H K P 信号作为控制信号驱动轮椅电机打下坚实的基础$=>表面肌电信号的产生机理表面肌电信号!8H K P "是一维时间序列信号%它发源于作为中枢神经一部分的脊髓中的运动神经元%是电极所接触到的许多运动单元发放的动作单位的总和)"%*$完成神经控制下肌肉收缩的最小的功能单位是运动单位!K =9=6T 059"$运动单位是由一个.@AB.运动神经元!1@AB.?=9=0C :6=0"#轴突!1\=0"#运动终板!K =9=6C 0;A@.9C /"和神经末梢支配的肌肉纤维!K :/F @C j 54C 6/"组成$表面肌电信号产生机理如图"所示%从.@AB.运动神经元发出的冲动沿着神经轴发送到神经肌肉接头处的触突扣!神经终板膨大"%加速该处的乙酰胆碱!1F C 9<@F B=O @50C %1F B "释放入神经肌肉连接处的裂隙内$1F B 激发神经肌肉接头处肌肉侧的触发电位%即终板电位$这个终板电位能够触发肌膜的动作电位$这个动作电位进一步刺激肌质网内7.%l释放%引起肌肉收缩$整个过程称为兴奋d 收缩偶合!H \F 59.95=0O7=096.F 95=07=:A@50I "$图"#表面肌电信号产生机理框图=>J -O0的拾取8H K P 的拾取是肌电信号处理中极为重要的一环$8H K P 信号通过贴附在体表的表面电极来拾取%表面电极本身的设计和所贴的位置都将对实验的结果产生重大的影响$本文所采用的是1I a 1I 7@电极$如图%所示%1I a 1I 7@电极由1I a 1I 7@材料#导电膏#绝缘板和引线端子构成$1I a 1I 7@电极使用电解或烧结的方法制成%通过含7@d 离子的导电膏和皮肤接触$导电膏在测量时涂在皮肤上%或是用凝胶固定在1I a 1I 7@电极表面制成一次性电极)'*$图(为电极接线实物图$由图(所示%左边的两片1I a 1I 7@电极放置在前臂肌肉密集处!例如桡侧腕曲肌"%作为8H K P 预处理电路的差分式输入端%右边的一片1I a 1I 7@电极作为参考电极$由于+&-Q 共模干扰无处不在%人体变成一个大电容%体表本身就有一定的电势体自主产生电压$因此需要有一个基准电压%这个电压就是参考电压%必须由参考电极提供$参考电极可以摆放在体表的骨性标志上或不参加测试运动的肌肉的肌腱处$关键是在测试中参考电极不能采集到自主运动的电信号$本文中参考电极放置在手腕骨性标志上!例如桡腕关节"$图%#1I a 1I 7@电极?>J -O0预处理电路设计和特性分析8H K P 信号预处理电路设计框图如图!所示$8H K P 预处理电路由隔直和仪表放大电路%"&c "&&&-Q带通滤波电路两部分组成$图(#电极接线实物图图!#8H K P 信号预处理电路设计框图?A =>隔直和仪表放大电路图+#仪表放大电路仪表放大电路如图+所示$仪表放大电路由仪表放大器1[*%%%用T "表示%以及周围阻容元件#"#M "构成$仪表放大电路对差分输入7-"l %7-"d 上的8H K P 信号放大一定倍数并利用电阻#"和电容M "串联特性进行一阶高通滤波抑制运动伪迹的影响$本电路采用仪表放大器1[*%%%$1[*%%%是1[公司生产的高性能#低功耗仪表放大器$1[*%%%的共模抑制比高达"%)%失调电压小于+& J %并且只需外接一个精密电阻就可以在"c "&&&&倍之间设定放大倍数$本电路中仪表放大器的增益主要由#"决定%并且由#"和M "组成高通滤波电路$1[*%%%的增益公式和高通滤波的截止频)+!)科#学#技#术#与#工#程"(卷图)#肌电信号调理电路的幅频特性曲线率公式分别为公式 " 和式 % 选取M"i"& j设计高通滤波电路的截止频率为"&-Q 由公式 %计算得#"i"+'% 实际取#"为"$+e 根据公式 " 所得前级放大倍数约(&倍 实际电路中采用1[*%%%作为前置仪表放大器完全能够符合整个电路的设计要求V!"7!'$!e :#""'!":% #"M"%?A?>=V W=VVV T X带通滤波电路设计后级放大器选用!通道模拟量输入的R G1!(!, 选用两片R G1!(!,即可完成*通道模拟输入 R G1!(!,为8R "!封装 体积小 功耗低 大大减少了对电路板的面积需求 符合整体电路的设计要求 根据总体放大倍数%!&倍的设计要求 前级放大器放大约(&倍 则后级放大倍数约*倍 同时要求"&c"&&&-Q的带通滤波 为保证带内增益的平坦 选用巴特沃斯带通滤波器 采用K:@95O /5?电路仿真软件对8H K P调理电路进行仿真 所得其幅频特性曲线如图)所示 从图)可以看出电路对低于+-Q的低频和直流分量有较好的抑制作用 低通滤波的截止频率约为"&&&-Q "&c"&&& -Q的通频带内增益平坦 且增益约为!(;V 放大倍数约为%!&倍 满足了整体电路的设计要求 @>实验结果与分析实验实物图如图!所示 将表面电极贴在手臂前端上 用屏蔽线将8H K P信号引入8H K P信号处理电路 在输出端用示波器观察输出信号 记录手臂静止 轻度握拳 用力握拳和手臂翻转的波形如图,c图"&所示由图,c图"&可得 一方面手臂在静止 握拳 翻转三种动作情况下 所采集到的8H K P信号是不同的 手臂静止时 所测的是静息电位 示波器显示波形在参考电势"$%J上下有轻微的波动 电极拾取到的电压几乎为& 轻度握拳时 8H K P波形在"$%J上下波动且正向峰值和负向峰值电压相差不大 翻转时 8H K P波形在"$%J上下波动且正向峰值和负向峰值电压相差较大 另一方面同样的动作在用力程度不同的情况下 所得的8H K P信号也不一样 在握拳动作下 用力握拳的8H K P波形图峰值电压明显要比轻度握拳的8H K P波形图峰值电压大很多 而且在"$%J电压上下波动较大 由此可得肌肉运动和8H K P的对应关系为 肌肉收缩时对应的8H K P信号变大 肌肉舒张时对应的8H K P 信号变小 肌肉收缩的力度越大 对应的8H K P信号也就越大 这将非常有利于对手的动作进行有效识别,+!)%%期姜#磊 等 表面肌电信号拾取与预处理电路设计图,#手腕静止时8H K P波形图*#轻度握拳时8H K P波形图'#用力握拳时8H K P 波形C>结束语本文针对8H K P 信号的特点 采用1I a 1I 7@电图"&#手腕翻转时8H K P 波形极对8H K P 信号进行拾取 并设计了8H K P 信号的检测方法和相应的信号调理电路 很好地解决了8H K P 的拾取和预处理问题 本电路具有低成本 高效率 便捷快速等优点 为了达到利用8H K P 信号来控制智能轮椅的运动模式 8H K P 信号的正确获取只是完成了第一步 如何将8H K P 信号中蕴涵的肢体运动信息提取出来 后续的信号处理与特征提取将是关键 以上所取得的研究成果 为进一步对上肢运动模式进行分类识别以及特征提取 最终用8H K P 信号控制电动轮椅打下了良好的基础参考文献"#史#萍 宋爱国Z 基于7*&+"j 的肌电信号采集仪设计Z 研究论著 %&&' %! &, "* %&%#顾#昕 金#杰 周建江Z 智能化肌电信号测试与训练系统前端处理电路与数据采集系统设计与实现Z %&&' "& &" ",' "*"(#何庆华 彭承琳 吴宝明Z 有源电极用于表面肌电信号的检测Z 生物医学工程学杂志 %&&( %& &( !** !'&!#j :e:;.R M /:g 5M Z 1B:?.0O .//5/950I?.05A:@.9=69C @C =AC 6.9C ;4<H K P/5I 0.@.0;.6??=95=0Z X H H HM 6.0/.F 95=0/=02=4=95F /.0;1:O 9=?.95=0 %&&( "' % %"& %%%+#1/=8 8./.e51 -./B5?=9=- )*+,Z [65E 50IC @C F 965FF .64<:/50IH K P509C 6>.F C Z X H H HX 09C 60.95=0.@7=0>C 6C 0F C /=07<4C 60C 95F /X 09C @@5O I C 098</9C ?/ %&&) " +)#胡#巍 赵章琰 路知远Z 无线多通道表面肌电信号采集系统设计Z 电子测量与仪器学报 %&&' %( "" (& (+,#罗志增 席旭刚Z 一种表面肌电信号测试电路设计Z 测试技术学报 %&&, %" &" (( (**#毛志勇 和卫星Z 基于02j '&+的无线表面肌电信号监测系统设计Z 微计算机信息%&&' %+ ) % %! *+!)科#学#技#术#与#工#程"(卷'#何乐生%倪海燕%宋爱国Z 一种便携式肌电信号H K P 提取方法及其电路实现Z 电子测量与仪器学报%%&&)'%&!&%"&,&(,!"&#王粉娟%秦#刚%王靖宇Z 8H K P 检测电极的设计Z 电子设计工程%%&""'"'!&""&"'&("'%""#万#莎%侯文生%杨丹丹%等Z 基于L .4J X H N 的多通道/H K P 信号检测系统设计Z 测控技术与仪器仪表%%&"%'(*!&("&,*(*""%#唐志刚%何爱军%谭慧玲Z 表面肌电检测系统上位机应用程序设计Z 北京生物医学工程%%&"&'%'!&+"&!,'(!*%J -O0$.Y 2*)*/*+%&%<45#H 5+.#))*%I D *5.2*/8#)*I%Y X 1U PL C 5%N 1U P-=0I O ]5%[T[=0I O ?C 5!8F B==@=>H @C F 965F .@H 0I 50C C 650I f1:9=?.95=0=>-C 0.0G =@<9C F B05F T 05E C 6/59<%Y 5.=Q :=!+!&&&%G Z 2Z 7B50.")$9)/5&./*#8H K P5/D BC 0/eC @C 9.@?:/F @C F =096.F 9%9BC ?:/F @C >54C 6A6=;:F C 9BC D C .e C @C F 965F .@/5I 0.@/509BC /e50/:6>.F C .0;6.5/C 9BC ?$T /:.@@<%8H K P5//=D C .e %59/>6C ]:C 0F <?.50@<F =0F C 096.9C ;50"&(+&&-Q 6.0I C .0;.?A@59:;C 50"&(+&&& J %E C 6<E :@0C 6.4@C 9=>5>9<-Q A=D C 6>6C ]:C 0F <0=5/C 509C 6>C 6C 0F C $1F F =6;50I 9=9BC 8H K PF B.6.F 9C 65/95F /%1I a 1I 7@C @C F 96=;C 5/:/C ;9=A5F e:A 8H K P/5I 0.@.0;;C /5I 0C ;9BC 50/96:?C 09.95=0.?A@5O >5C 6F 56F :59%4.0;A.///5I 0.@F =0;595=050IF 56F :59$H \AC 65?C 09/B.E CA6=E C ;9B.99BCF 56F :59F .0C >>C F 95E C @<F =E C 64.0;D 5;9B >=6"&("&&&-Q =>8H K P/5I 0.@.0;6C .@5Q C 9BC /5?A@C C >>C F 95E C 8H K P/5I 0.@.F ]:5/595=0$):#(;+5<)*!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!#8H K P ##/5I 0.@.F ]:5/595=0##/5I 0.@A6C A6=F C //50I ##4.0;A.//>5@9C 6上接第)!+!页+#-C <;9PM %j g C @;G 8%L 5:77%)*+,$1AA@5F .95=0/=>9BC D 50;=Dj j M9=C @C F 965F A=D C 6]:.@59<.//C //?C 09$X H H HM 6.0/=0G =D C 6[C @5E C 6<%"''''"!!("&"!""("!"))#[./B G3%G .05I 6.B5V3%G .0;.P $G =D C 6]:.@59<.0.@</5/:/50I 8O96.0/>=6?$X H H HM 6.0/=0G =D C 6[C @5E C 6<%%&&('"*!%"&!&)(!"",#唐#求%王耀南%郭斯羽%等$基于T 变换与G U U 的电能质量多扰动检测$仪器仪表学报%%&&''(&!*"&"))*("),(*#[g :6=E 5F X %8C g ;5F H %Y 5.0I Y Z j 6C ]:C 0F <O 4./C ;D 50;=DD 5;9B =A95?5OQ .95=0>=68O 96.0/>=6?)Y $H @C F 96=05F /.0;7=??:05F .95=0/%%&&*')%&%!+(%+'#H ??.0=:5@8%V =@@C 0K .9B -Y %P :X 6C 0C W-Z 7@.//5>5F .95=0=>A=D C 6/</9C ?C E C 09/&E =@9.I C;5A/Z X H H HX 7-r GX ^%R 6@.0;=%T 81%X H H H a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f89C C @P 6=:A 5/6C I .6;C ;.//9:;O <50I =4g C F 9%9BC 5?A6=E C ;T O 96.0/>=6?9C F B0=@=I <5/:/C ;9=F =?A:9C 9BC E =@9.I C F B.6.F 9C 65/95F /$M BC /5?:@.95=06C O /:@9//B=D9B.99BC A6=A=/C ;?C 9B=;5//5?A@C .0;C >>C F 95E C $M BC A6=A=/C ;E =@9.I C ;C 9C F 95=0?C 9B=;5/B5I BC 6.F F :O 6.F <%6=4:/9.I .50/90=5/C /.0;B.6?=05F 509C 6>C 6C 0F C /$):#(;+5<)*#E =@9.I C ;C 9C F 95=0##5?A6=E C ;8O 96.0/>=6?##?=9=6##E =@9.I C /.I'+!)%%期姜#磊%等&表面肌电信号拾取与预处理电路设计。
多通道表面肌电信号中心电QRS波群干扰的滤除方法
专利名称：多通道表面肌电信号中心电QRS波群干扰的滤除方法
专利类型：发明专利
发明人：杨翠微,陈家曦
申请号：CN202111174445.8
申请日：20211009
公开号：CN114052752A
公开日：
20220218
专利内容由知识产权出版社提供
摘要：本发明涉及一种多通道表面肌电信号中心电QRS波群干扰的滤除方法。
利用肌电采集技术同步采集肌肉收缩和舒张状态下的多通道表面肌电信号；首先去除50Hz工频干扰、低频噪声以及心电P、T波干扰；对电极位置最接近心脏的单通道表面肌电信号进行峰峰值检测，定位QRS波群的R 峰；利用窗函数截取各通道表面肌电信号，得到QRS波模板后构造QRS波群干扰信号作为参考信号，采用自适应滤波方法去除心电QRS波群干扰。
本发明不仅可在无需同步采集心电信号的情况下有效滤除心电QRS波群干扰，同时可很好地保留有用的多通道表面肌电信号。
本发明计算简便，适用于健康人和有运动功能障碍患者的多通道表面肌电信号，在运动医学和康复医学研究上具有应用价值。
申请人：复旦大学
地址：200433 上海市杨浦区邯郸路220号
国籍：CN
代理机构：上海正旦专利代理有限公司
代理人：张磊
更多信息请下载全文后查看。
基于匹配实测表面肌电信号的模型参数辨识(英文)
基于匹配实测表面肌电信号的模型参数辨识(英文)李强;杨基海;赵章琰;褚雪忠;陈香;娄智【期刊名称】《航天医学与医学工程》【年(卷),期】2007(20)6【摘要】目的通过对仿真与真实表面肌电信号(sEMG)的波形匹配以及肌疲劳现象的分析,研究sEMG信号的模型参数辨识问题。
方法在运动单位仿真的基础上,引入神经激励对运动单位的募集和发放控制特性,建立了一个较为完善的sEMG信号生理学模型。
利用调整模型相关生理参数使仿真与真实sEMG信号的运动单位动作电位(MUAP)波形相匹配的方法,实现对模型参数进行估计,通过调节肌纤维传导速度(MFCV)使仿真与真实sEMG信号的平均频率(MNF)及中值频率(MDF)拟合直线趋势相似的方法,研究肌肉的疲劳现象及其机理。
结果适当调节sEMG信号模型参数可使仿真信号波形逼近真实sEMG信号波形,各个肌纤维的MFCV在模拟恒力持续收缩过程中减小时,仿真信号的MNF和MDF拟合直线呈下降趋势。
结论采用模型方法能够实现仿真与真实sEMG信号波形的良好匹配,并能够有效地表达肌肉的疲劳过程,可应用于肌电信号相关领域的研究。
【总页数】7页(P391-397)【关键词】表面肌电信号;运动单位;匹配;肌疲劳;模型参数辨识【作者】李强;杨基海;赵章琰;褚雪忠;陈香;娄智【作者单位】中国科学技术大学电子科学与技术系,安徽合肥230027【正文语种】中文【中图分类】R318.04【相关文献】1.基于 SVM 的下肢运动表面肌电信号的特征提取与辨识分析 [J], 张羿;赵慧龙;张向刚;秦开宇2.模型生理参数对表面肌电信号影响的仿真研究 [J], 戴亮;杨基海;陈香;李强3.基于现场实测的电力系统静态负荷模型参数辨识 [J], 王进;李欣然4.基于现场实测的电力系统静态负荷模型参数辨识 [J], 王进;李欣然5.基于实测水位和流量数据的渠道控制模型参数辨识与验证 [J], 管光华;贾梦浩因版权原因，仅展示原文概要，查看原文内容请购买。
高性能肌电阵列传感器制作及信号处理方案
高性能肌电阵列传感器制作及信号处理方案肌电信号是人体肌肉活动产生的电信号，对于运动控制、肌肉疾病诊断等领域具有重要的应用价值。
为了实现对肌电信号的准确、高效的检测与处理，研发高性能的肌电阵列传感器并设计相应的信号处理方案非常关键。
本文将介绍高性能肌电阵列传感器的制作过程，并探讨肌电信号的分析与处理方法。
1. 肌电阵列传感器制作肌电传感器的制作通常基于肌肉电位差的测量。
其主要步骤包括电极制备、阵列布置与固定、信号放大和滤波等。
首先,制备电极。
通常采用银/银氯化银电极材料，制作成小片或小球形状。
银氯化银是一种导电性能较好、不易氧化的材料，适合用于肌电信号的检测。
其次，进行阵列布置与固定。
根据不同需求可以选择线性排列、二维排列等形式。
采用导电胶或者特殊的贴片固定方式，确保传感器与皮肤接触良好，并保持稳定的电连接。
最后，进行信号放大和滤波。
由于肌电信号幅度较小，需要使用低噪声放大器来增强信号，滤波器则用于滤除高频噪声、直流偏置等。
2. 肌电信号分析与处理肌电信号的分析与处理可以帮助提取特定的运动信息，如肌肉收缩程度、运动速度等。
常用的方法包括时域分析和频域分析。
在时域分析中，可以计算肌电信号的均方根值（RMS）和峰值等。
RMS代表着肌肉电位的强度，峰值则代表了信号的最大强度。
通过对比不同肌肉或不同运动状态下的RMS和峰值，可以评估肌肉活动的强度、协调性等。
在频域分析中，可以采用傅里叶变换或小波变换等方法，将肌电信号转换到频域。
在频域中，可以计算信号的能量分布、频谱特性等。
这些特征可以反映肌肉的频率特性、疲劳程度等。
此外，还可以利用机器学习等方法对肌电信号进行分类和识别。
通过构建合适的特征提取和分类模型，可以实现对不同运动状态、手势或动作的识别。
3. 高性能肌电阵列传感器的应用高性能肌电阵列传感器具有广泛的应用前景。
在运动控制领域，它可以用于人机交互、康复训练等。
通过对肌电信号的实时监测和分析，可以实现人体运动的无线控制，提高运动精度和效率。
基于线性判别分析的表面肌电信号动作模式识别
基于线性判别分析的表面肌电信号动作模式识别镡建军【摘要】Surface electromyogram( SEMG)signal belongs to non-stationary biological signal,which is so weak and susceptible to interference. Through the acquisition of two channels of SEMG on flexor carpi radialis and brachioradialis with virtual instrument,the mean absolute value( MAV)and root mean square( RMS)can be taken as feature parameters,and the linear discriminant analysis ( LDA)method is appled to pattern recognition of the collected samples. The experiments comparing with other identification methods show that,the proposed recognition method in this paper can successfully identify four kinds of motions such as hand grasping,hand o-pening,radial flexion and ulnar flexion,and the recognition accuracy is much higher.%表面肌电信号（ SEMG）属于非平稳的生物电信号，特点是信号微弱、易受干扰．为了有效提取表面肌电信号（ SEMG）特征、更好地识别人体上肢运动的模式，针对表面肌电信号的特点提出了一种线性判别分析人体前臂运动特征的识别方法．通过虚拟仪器同时采集桡侧腕屈肌和肱桡肌两路的表面肌电信号，取平均绝对值（ MAV）和均方根（ RMS）为特征参数，应用线性判别分析（ LDA）方法对样本特征矩阵进行模式识别．与其他特征识别方式的对比实验表明，此方法的动作识别率更高，能够成功地从表面肌电信号中识别握拳、展拳、手腕内翻和手腕外翻4种动作，动作的平均识别率达到了99．5%．【期刊名称】《河南工程学院学报（自然科学版）》【年(卷),期】2015(000)002【总页数】5页(P46-50)【关键词】表面肌电信号;线性判别分析;模式识别;特征提取【作者】镡建军【作者单位】山西省原平市垃圾处理中心，山西原平034100【正文语种】中文【中图分类】TP391.4表面肌电信号(SEMG)是通过电极从人体骨骼肌表面记录下来的神经肌活动发放的生物电信号[1]，应用已经深入到临床医学、运动控制、生物医学与康复工程等诸多领域[2].在肌电控制中，最关键的是如何有效地提取SEMG特征进而有效识别肢体动作[3].Mahdi等[4]采用一种自适应神经模糊推理系统识别手部动作命令，动作识别率达到92%；罗志增等[5]采用小波包变换和学习向量量化对手部握拳、展拳、伸腕和屈腕这4种动作进行识别，识别正确率为96%；宋爱国等[6]采用四通道采集SEMG信号，利用小波变换和BP神经网络来识别SEMG信号8种动作，动作平均识别率为96.25%.但是，在SEMG信号的特征提取和动作模式识别中仍然存在特征向量维数过高、数据冗余度大、分类器复杂、鲁棒性差和识别率低等问题.为此，提出了一种线性判别分析法(Linear Discriminant Analysis，LDA)对表面肌电信号进行运动特征识别.在肌电信号模式识别中，LDA分类器的准确率不输于前面提到的那些复杂的判别方法，而且还具有易于实现、训练更迅速等优点[7].SEMG信号采集系统主要由SEMG检测电极、SEMG信号调理电路、DAQ板卡和LabVIEW框架下的计算机系统组成[8-10].在实验室条件下，用仪表放大器AD8222和运算放大器OPA4347设计了一套高输入阻抗、高共模抑制比的差分输入SEMG信号采集与调理电路，调理电路的放大倍数为250倍，通频带为10~1 000 Hz.用Ag/AgCl贴片电极作为SEMG传感器，将差分式电极分布于桡侧腕屈肌和肱桡肌上，参考电极贴到桡腕关节处.受试者做握拳、展拳、手腕内翻和手腕外翻4种动作.采样频率为2 000 Hz，采样时间5 s，采集到的SEMG信号如图1所示.对于连续的SEMG信号分类，与频域特征和时-频特征相比，时域特征能够获得相对较好的分类特性，具有计算简单、获取迅速等优点.对时域信号数据进行数学运算和统计可以得到SEMG特征，主要有平均绝对值和均方根.平均绝对值(Mean Absolute Value，MAV)是SEMG信号时域分析中的典型特征参数，可以通过SEMG信号的平均绝对值来设定阈值，进而判断肌肉是否动作.平均绝对值定义式如下：式中，I为样本数据段数，xkj为第j段第k个样本数据，Nj为该段的样本数，这里选取Nj=100.均方根(Root Mean Square，RMS)可以用来衡量SEMG信号的大小，定义式如下：式中，I为样本数据段数，xkj为第j段第k个样本数据，Nj为该段的样本数，这里选取Nj=100.线性判别分析(LDA)也被称为Fisher线性判别(Fisher Linear Discriminant，FLD)，是模式识别中的经典算法[11].线性判别分析的基本思想是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果.SEMG运动模式特征样本集合Φ为{Y1，Y2，…，YI}, Yj==[Y1,j, Y2,j, …, YM,j]T,j=1,2,…,I，其中I为样本数据分段数，M为样本特征个数.定义动作类别w1和w2，集合Φ中w1类有I1个特征采样点数，w2类有I2个特征采样点数Φ1，属于w2类的样本记为子集Φ2，SEMG信号数据中两种动作类别的具体方法如下：SEMG信号动作模式特征样本中各动作类别的样本均值向量mi(Ii是wi类的样品个数，i=1,2)：(2)计算SEMG信号中各个动作类别的样本类内离散度矩阵Si和总类内离散度矩阵Sw:(3)计算SEMG信号运动模式特征矩阵中各个动作类别的样本类间离散度矩阵S b：(4)求最佳解向量W*.定义Fisher准则函数使得F(W)取得最大值的W*为(5)将SEMG信号数据中训练样本集合内所有样本数据进行投影.按下式得到投影后标量en：从而得到一维样本集合，设对应集合Φ1和Φ2的两个像子集分别为Θ1和Θ1.(6)计算在投影空间上的分割阈值e0.在一维空间R，各类样本均值在投影空间上的分割阈值(7)对于给定的SEMG信号数据测试样本Y，计算出样本在W*上的投影点(8)根据决策规则分类，有用LDA方法来解决SEMG信号中含有多种动作类别的运动特征矩阵的分类问题时，首先实现两种动作的识别与分类，然后根据返回的动作类别再与新的动作类别进行分类，直到所有的动作类别分完为止.实验中每种动作模式采集5s的SEMG信号数据，采样频率为2 000Hz，得到4种动作的原始数据共40 000个，每种动作原始数据为10 000个.按照公式(1)和(2)得到两路SEMG信号样本的MAV和RMS特征采样数据,如图2所示.在图2中，肱桡肌的MAV和RMS数据及桡侧腕曲肌的MAV和RMS数据分别都是400个，其中1~100为握拳数据，101~200为展拳数据，201~300为内翻数据，301~400为外翻数据.将这4个特征向量数据构成4行400列的运动模式矩阵Y=[Y1, Y2, Y3, Y4]TYc=[Yc,1, Yc,2, …, Yc,400]，其中c=1,2,3,4.将握拳、展拳、内翻和外翻数据分别划分为前50组训练数据和后50组测试数据，从而得到4行200列的训练特征矩阵和4行200列的测试特征矩阵.将运动模式矩阵的训练特征矩阵和测试特征矩阵输入LDA分类器，得到各个动作类别的分类阈值,如表1所示.根据表1的分类阈值,得到各个动作的分类结果和正确率,如表2所示.由表2可得，LDA分类器的分类结果中外翻、内翻和展拳的正确识别率均为100%，握拳的正确识别率为98%，总体平均识别率为99.5%.应用LDA法、K近邻法、BP网络和RBF网络分别对特征样本矩阵进行识别分类，识别结果如表3所示.从表3可以看出,使用LDA分类器的动作平均识别率达到99.5%，而使用K近邻分类器的动作平均识别率为88%，使用BP神经网络的动作平均识别率为92%，使用RBF神经网络的动作平均识别率为95%.从这4种方法的分类结果可以看出，应用线性判别分析法对特征矩阵进行分类，动作识别率最高.针对SEMG信号的非平稳性和微弱性，应用虚拟仪器采集SEMG信号并计算其平均绝对值和均方根两个特征参数，采用LDA方法对实验采集的两通道SEMG信号进行了握拳、展拳、手腕内翻和手腕外翻4个动作模式的识别.由实验结果可得，LDA方法的动作平均识别率为99.5%，与K近邻分类算法、BP神经网络和RBF 神经网络相比具有识别率高、运算速度快和鲁棒性能好等特点.[1] Fukuda O，Tsuji T．A human-assisting manipulator teleoperated by EMG signal and arm motion[J]．IEEE Transactions on Robotics and Automation，2003，19(2)：210-222．[2] Zhao Z Y，Chen X，Zhan G X，et a1．Study on online gesture SEMG recognition[C]∥Lecture Notes in Computer Science，Kolkata:[s.n.]，2007：1257-1265．[3] Shinichi A，Akinori S，Hiroshi H，et a1．Driving electric car by using EMG interface[C]∥IEEE International Conferences on Cybernetics Intelligent Systems，Bangkok：[s.n.]，2006：1-5．[4] Mahdi K,Mehran J．A Neuro-Fuzzy inference system for SEMG-based identification of hand motion commands[J]．IEEE Transactions onIndustrial Electronics,2011，58(5)：1952-1960．[5] 罗志增，熊静，刘志宏．一种基于WPT和LVQ神经网络的手部动作识别方法[J]．模式识别与人工智能，2010，23(5)：695-700．[6] 侯秀丽，宋爱国．基于小波变换与BP网络的四通道表面肌电信号模式识别[J]．仪器仪表学报，2007，28(4)：528-531．[7] Hargrove L J,Englehart K，Hudgins B．A comparison of surface and intramuseular myoelectric signal classification [J]．IEEE Transactions on Biomedical Engineering，2007，54(5)：847-853．[8] 姚良标，楼蔚松，罗志增．肌电信号处理和肌电控制的研究[J]．杭州电子工业学院学报，2004(6)：82-84．[9] 胡巍，赵章琰，路知远,等．无线多通道表面肌电信号采集系统设计[J]．电子测量与仪器学报，2009，23(11)：30-35．[10]万莎，侯文生，杨丹丹,等．基于LabVIEW的多通道SEMG信号检测系统设计[J]．测控技术与仪器仪表，2012，38(3)：78-81．[11]庄哲民，张阿妞，李芬兰．基于优化的LDA算法人脸识别研究[J]．电子与信息学报，2007，29(9)：2047-2049．Key words:surface electromyogram(SEMG); linear discriminantanalysis(LDA); pattern identification; feature extraction。
检测，最好的防护方式——美国生物检测装置的“瘦身”计划
检测，最好的防护方式——美国生物检测装置的“瘦身”计
划
于柏林（编译）
【期刊名称】《国外防化科技动态》
【年(卷),期】2007(000)008
【摘要】在威胁导致伤害之前就获悉相关情况是最好的防御。
在化学／生物检测器领域以及其他一些军事或安保技术领域，总是存在不断的驱动力来促使这些设备的体积更小、造价更低廉以及自动化程度更高。
【总页数】4页(P22-25)
【作者】于柏林（编译）
【作者单位】无
【正文语种】中文
【中图分类】TP212
【相关文献】
1.连续波生物雷达体征检测装置与实验研究 [J], 胡巍;王云峰;赵章琰;张海英
2.韩国：开发出非接触式生物体电波检测装置 [J], ;
3.开发出非接触式生物体电波检测装置 [J], ;
4.一种生物电阻抗家庭健康检测装置的设计 [J], 张璐雅;赵静;阮景
5.美国开发新型便携式液体清洁度检测装置 [J],
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第23卷 第12期 电子测量与仪器学报 Vol. 23 No. 12 · 88 ·JOURNAL OF ELECTRONIC MEASUREMENT AND INSTRUMENT2009年12月本文于2009年6月收到。
*基金项目:国家自然科学基金(编号：30870656)资助项目阵列式表面肌电信号采集仪*赵章琰 陈 香 雷培源 杨基海(中国科学技术大学电子科学与技术系, 合肥 230027)摘 要: 采用阵列式电极, 通过空间滤波方法可提高表面肌电信号的MUAP 分辨能力。
本文实现的阵列式表面肌电信号采集仪由表面肌电电极阵列、信号调理电路和数据采集部分构成。
表面肌电电极阵列实现了镀金圆盘式和弹簧探针式两种类型, 信号调理电路对电极上的肌电信号进行放大和滤波, 数据采集部分将调理后的信号转换成数据并进行显示和存储。
电极阵列和前级信号调理电路集成在一起, 有效的降低了微弱信号通过导线传输所引入的干扰。
通过实验, 验证了这种阵列式表面肌电采集仪在研究肌肉中动作电位传播和利用空间滤波提高MUAP 分辨力的可行性, 并证实了镀金圆盘式电极在降低噪声方面、弹簧探针式电极在缩短MUAP 时长方面的优势。
关键词: 表面肌电电极阵列；镀金圆盘；弹簧探针；空间滤波；MUAP 时长 中图分类号: R318.6 文献标识码: A 国家标准学科分类代码: 310.6140Array acquisition instrument for surface electromyogramZhao Zhangyan Chen Xiang Lei Peiyuan Yang Jihai(University of Science and Technology of China, Hefei 230027, China)Abstract: The discrimination of MUAP from surface Electromyogram (sEMG) can be improved by using elec-trodes array and space filtering method. According to this principle, an array acquisition instrument for sEMG was de-veloped in this paper, containing sEMG electrodes array, signal conditioning circuits and a data acquisition part. Gold plated disk shaped electrodes and spring probe electrodes built up two different kinds of sEMG electrode array; The conditioning circuit amplifies and filters the signal form electrode array; The data acquisition part converted the condi-tioned signal to digital for display and storage. The electrode array is integrated with the first-stage conditioning circuit, in order to prevent interferences of weak signal transmission through wires. It is proved that the array acquisition in-strument can be used in the research of action potential transmission in muscles, and it can improve the discrimination of MUAP by using space filtering method. It is also proved that the gold plated disk shaped electrodes work better in noise reduction and the spring probe electrodes work better in reducing the MUAP duration.Keywords: sEMG electrode array; gold plated disk shaped electrode; spring probe electrode; space filtering;MUAP duration1 引 言表面肌电(surface electromyogram, sEMG)是从皮肤表面检测相应位置内部肌肉肌电图的方法, 这种方法与传统的针电极EMG 相比, 具有无痛苦无损伤的优点。
表面肌电信号事实上是肌肉上各点的运动单位动作电位(motor unit action potentials, MUAP)通过皮下组织和皮肤, 在皮肤表面的叠加。
所以跟针电极EMG 相比, 它不利于区分出各个MUAP, 在医疗诊断中的应用受到限制。
研究表明, 通过空间滤波的方法可以提高对表面肌电信号MUAP 的分辨能力。
空间滤波的基本思想是采集皮肤表面多点的表面肌电信号, 通过线性变换尽可能的反演出肌肉内部的电位活动。
这种方第12期阵列式表面肌电信号采集仪·89 ·法需要用阵列式的电极来实现[1]。
文献[2-3]均提出了由针形电极构成的电极阵列, 文献[4]提出了一种柔性高密度的表面电极阵列, 这些电极阵列均可用于实现肌电信号的空间滤波。
另外, 表面肌电电极与皮肤的接触面积越小, MUAP的时间长度(简称时长)越小, 更有利于分解出单个的MUAP。
已有模型仿真的结果支持这个结论[5]。
表面肌电信号的幅度仅几微伏至几百微伏, 阻抗达兆欧级别。
因此它在采集和传输中会引入相对幅度较大的干扰。
这种干扰主要包含工频干扰[8]和来自一些其他设备的干扰例如电器开关、通讯设备等。
这些噪声可以通过工频陷波器、带通滤波器和采集后的算法[8]处理等方式减弱或消除, 还可以通过有源电极(即电极与放大电路集成在一起)进行一定程度的避免[6]。
基于表面肌电信号分解研究的要求, 本文研制了一种阵列式表面肌电采集仪, 它由表面肌电电极阵列、信号调理电路和数据采集部分构成。
其中, 针对低噪声、短MUAP时长、测量的便捷性和舒适性等要求分别研制了镀金圆盘式、弹簧探针式两种类型的表面肌电电极阵列；改变传统的电极阵列通过导线连接放大器的方式, 将电极阵列与前级信号调理电路集成在一起, 从而减轻微弱信号在电缆传输所引入的干扰。
最后, 通过多项实验对该阵列式表面肌电采集仪其进行了测试, 并对比了这两种类型阵列式电极一些特性的差异。
2实现方法如图1所示, 阵列式表面肌电采集仪主要由表面肌电电极阵列、信号调理电路、数据采集部分构成。
表面肌电电极阵列从皮肤表面采集多通道的肌电信号, 信号调理电路对该信号进行一定倍数的放大和一定频率的带通滤波, 数据采集部分将放大滤波之后的信号转换为数字信号, 传送给计算机, 由计算机内的软件显示并存储。
本章将详细介绍已实现两种类型的表面肌电电极、由这两种电极构成的阵列、分为前后两级的信号调理电路和数据采集的方式。
2.1镀金圆盘式电极如图2所示, 使用印刷电路板的方式在基板上图1 阵列式表面肌电采集仪的总体结构Fig. 1 Structure of the array acquisition instrument forsEMG印制直径2.5 mm, 厚度35 µm的铜质圆盘, 圆盘的中心通过“连接过孔”与处于印刷电路板其他层的导线连接。
在圆盘上镀镍, 并在镍层上镀金约0.1 µm, 形成表面肌电电极。
电极的外周以电路的参考点(也就是接地点)环绕以屏蔽线路中信号的串扰, 并涂覆绝缘涂层避免影响皮肤电位。
图2 镀金圆盘式电极Fig. 2 Gold plated disk shaped electrode一般来说, 表面肌电信号幅值在几十微伏至几毫伏的范围, 输入阻抗跟皮肤接触情况有关, 皮肤干燥时可高至数十兆欧。
为减小高阻抗、微电压的表面肌电信号在传输中引入的噪声, 所有电极与前级放大器集成在同一块印刷电路板上, 该放大器将信号放大一定倍数并进行一定的滤波之后, 再用导线连接到后级信号调理电路。
2.2弹簧探针式电极为进一步缩小电极与皮肤接触的面积, 并使各电极与皮肤表面接触的压力尽可能一致, 本文中选用了如图3所示的弹簧探针作为与皮肤接触的电极。
选用P50-D型成品测试探针：其前端为直径0.9 mm 的镍质圆头；由于其后端套筒里弹簧的作用, 该探针放置在皮肤表面并略施压力时, 会以约50 g的压力与皮肤接触；同时由于弹簧的存在, 在皮肤表面有突出的情况下, 整个阵列中的各个电极均可以与皮肤·90 ·电子测量与仪器学报第23卷接触良好。
图3 用作表面肌电电极的弹簧探针Fig. 3 Spring probe used for electrode所有探针构成一个阵列, 焊接在同镀金圆盘式电极一样的放大电路板上, 整个电路板由亚克力外壳封装, 并将探针露在外面用以接触皮肤, 如图4所示。
该阵列放置在皮肤上, 露在外面的探针可以弹性的收缩进0~2 mm, 与皮肤表面的突出外形相配合, 如图5所示。
图4 弹簧探针式电极构成的阵列Fig. 4 Array of spring probes图5 弹簧探针与皮肤表面的配合Fig. 5 Fit of spring probes and skin surface2.3电极阵列的构成本文实现的阵列电极排布方式如图6所示, 为20个纵横相邻排列的镀金圆盘电极或弹簧探针电极(图中标号1), 分为4行8列, 纵向和横向两两之间的间距分别为10 mm。
相应地, 电极两两之间构成纵横30个差分对, 其序号和极性由图5给出。
例如序号“+02−”表示该电极对连接一组差分放大电路, 被放大的信号是左边电极的电位减去右边电极的电位(图中标号2所示为差分各通道的差分放大器)。
从而20个电极纵横两两之间共计30对电位差分别被后面的信号调理电路放大和滤波后, 成为该电极阵列的30路输出信号。
图6中标号2所指区域为肌电信号测量的参考电极, 它连接信号调理电路的公共接地点, 确保各电极上的电位在放大器的输入范围之内。