假手控制信號源研究進展

江都

(冶金裝備及其控制教育部重點實驗室(武漢科技大學)，湖北 武漢 430081)

杜峰

(機械傳動與制造工程湖北省重點實驗室(武漢科技大學)，湖北 武漢 430081)

李嘉漢

(冶金裝備及其控制教育部重點實驗室(武漢科技大學)，湖北 武漢 430081)

程文韜

(機械傳動與制造工程湖北省重點實驗室(武漢科技大學)，湖北 武漢 430081)

假手控制信號源研究進展

江都

(冶金裝備及其控制教育部重點實驗室(武漢科技大學)，湖北 武漢 430081)

杜峰

(機械傳動與制造工程湖北省重點實驗室(武漢科技大學)，湖北 武漢 430081)

李嘉漢

(冶金裝備及其控制教育部重點實驗室(武漢科技大學)，湖北 武漢 430081)

程文韜

(機械傳動與制造工程湖北省重點實驗室(武漢科技大學)，湖北 武漢 430081)

人類的上肢系統功能復雜，感覺反饋極其豐富，如何確立假手的控制信號源是一個復雜的伴隨著整個人類歷史的難題。自控制論被提出以來，人們在假手控制方面投入了大量的研究，隨著社會的進步與發展，生物醫學領域以及軍工業領域中的假肢以及各種機器人對控制信號源的要求越來越高，關于假手控制信號源的深層研究已成為目前及以后很長一段時間的熱點研究方向。目前假手控制采用的控制信號源主要包括機械運動、聲音、再造指、肌電信號、腦電、腦磁等。通過對近10年來國內外學者在假手控制方面研究的比較分析，介紹了假手控制的原理，對假手控制信號源的研究進展進行了綜述，同時對這些假手控制信號源進行了對比分析，指出了假手控制信號源有待進一步研究的問題和發展趨勢。

假手控制；信號源；控制原理；對比分析

近年來，智能假肢已取代裝飾性假肢和索控型假肢，成為一個重要的發展方向，目前的重點研究方向主要集中在多自由度智能假手，這種多自由度最主要的特點在于其靈活性以及交互能力。隨著社會的進步與發展，生物醫學領域以及軍工業領域中的假肢以及各種機器人對控制信號源的要求越來越高，假手控制信號源上的深層研究已成為目前及以后很長一段時間的熱點。

人類的上肢系統功能復雜，感覺反饋極其豐富，如何確立假手的控制信號源是一個伴隨著整個人類歷史的難題。目前商用的假手基本上采用肌電信號作為控制信號源，這種以肌電信號作為控制信號源得到了廣泛的應用。為了提高假手的仿生性和智能性，以實現更好的滿足人類的需求，有必要在假手控制信號源上找到一個穩定的、不易受干擾的、檢出信號準確的控制信號源。

市場上現有的假手功能簡單、仿生性欠佳，不能滿足肢殘人在實際生活中的需求，智能化的研究是假肢研究中一直存在的問題。除此之外，假手研究的主要目標還有假手控制信號源的穩定性、準確性。人手是一個復雜的生物系統，普通假手要想達到相應的控制存在很多困難。因此，使假手像人手一樣，快速、準確的做出反應動作，成為康復工程研究的一個前沿和熱點。下面，筆者對假手控制信號源的研究進展進行綜述。

1 假手控制

假手結構[1]的研究主要集中在多關節假手以及部分手截肢假手。假手的控制在一定的程度上決定了假手的實用性，其在臨床醫學、人機工效學、康復醫學[2]、體育科學等領域均有重要的實用價值。

假手的控制過程主要是通過人眼的觀察，然后到人體的反應，最后到假手的動作。核心的問題就是人體的反應到控制假手的動作的完成。下面以肌電假手[3]為例對假手控制做簡單介紹。表面肌電信號(SEMG)[4]由與人體接觸的表面電極[5]收集得到，其控制核心是檢出的肌電位變化。整個控制過程就是通過人眼的觀察，之后人體產生反應并產生肌電位[6]的變化，假手通過采集到的肌電信號做出相應動作。文獻[7]選取了5個不同的手部動作，并相對應給出了4個表面電極的安放位置，得到的結論是：不同的動作模式對應著不同的功能肌肉(如圖1所示)。

圖1 針對5個手部動作的4個表面電極安放位置圖

信號的處理決定了動作完成的準確程度，目的是有效提取出肌電信號中所蘊含的各種有用的信息，更好地應用于假肢控制。肌電信號[8]的功率被作為控制參數的缺陷在于其信息量未得到充分利用。肌電假肢控制的研究中代表性的方法有最優估計方法等[9]。

2 控制信號源

2.1 身體的機械運動作為信號源

圖2 索控型假手圖

以身體的機械運動作為信號源的上肢假肢[10]的控制以患者殘存的運動功能為基礎，如殘端肌肉的收縮與舒張、健康部位的擴張(如肩部的提動與內收)等，然后通過傳動裝置[11]實現對假手的控制。這種上肢假肢最主要的特點就是結構簡單，成本低廉，可靠性及魯棒性都較高，但是能達到的控制效果并不好，精確度不高，且能實現的控制任務簡單，如喝水、吃飯、梳頭等日常動作。圖2所示是早期的一種索控型假手。在早期的研究中，如古瀨則夫等利用神經網絡[12]來確定對應的控制指令。此外，趙文汝等[13]將外科手術運用到假肢控制中，利用肌腱的感知運動驅動假肢的動作。

2.2 聲音作為信號源

聲控型假肢[14]的控制原理是以患者的聲音信息為基礎，經由數字處理技術(DSP)[15]的處理，實現假肢的控制。這種聲控型假肢能有效地幫助殘肢患者恢復運動方面的功能,其原理如圖3所示。患者聲帶振動產生輸入信號，微弱的聲音信號經由電路放大以及濾波[16]，然后經過比較器后生成數字信號，生成的數字信號經過編碼器以及解碼器[17]到執行機構，實現最后的控制。

圖3 聲控原理圖

目前，聲控技術[18，19]有了長足的發展。Walter R等[20]設計出了一種具有高控制準確率的聲控輪椅模型。王從政等[21]提出了一種便攜式的DSP系統，該系統的特點是多種控制指令為假肢的控制提供支持。上海理工大學的陳爽等[22]利用機械的四連桿機構設計了一種多姿態變換聲控輪椅車，設計核心是采用語音模塊化的思想，并將硬件的電路和軟件的程序相結合，通過實驗進行語音識別。

2.3 “再造指”作為信號源

“再造指”的原理是通過解剖學及美學原理在殘疾患者的殘端再造出形態逼真、功能良好的指，通過再造出的指達到更好的控制。前期通過手術再造出“指”，“再造指”存活后，還需要進行系統的康復訓練，訓練之后再利用物理的方法實現控制信息與操作指令的轉化。

“再造指”的控制在一定程度上能有效地提高電子假肢控制的準確性。為了提高肌電控制[23]的準確性，王森章、胡天培和陳中偉[24]應用康復工程領域的方法，采取再造一個“指”的方式，作為一種新的控制信息源，其方法是對再造“手指”進行康復訓練，通過接收以物理學方法為基礎的控制信息，達到對電子假手[25]控制的目的。上海第二醫科大學的王煒等[26]通過結合美學雕塑和早期功能訓練進行的足趾移植手術，成功地達到使再造指形態逼真、功能良好的目的。

就目前的研究而言，“再造指”的控制思想有效地結合了醫學與工程學。黃海東等[27]提出了指腹梭形皮瓣轉移整形再造指的方法，并成功進行了7例(9指)再造指臨床手術，這種方法能有效地改善再造指的外形。巨積輝等[28]利用趾動脈終末支島狀皮瓣重塑的方法，同時將其應用于17例(19指)的再造指手術中，成功地消除了由手術部位導致的外形的缺陷。之后巨積輝等[29]又將壓力治療與趾動脈終末支島狀皮瓣重塑相結合，使得臨床治療的效果更好。

2.4 肌電信號作為信號源

肌電控制假手是利用肌電作為控制信號的新型動力假手，是一種典型的“人——機系統”，其控制原理如圖4所示。患者大腦產生運動指令，經由脊髓、運動神經的傳導到肌肉產生信號。放置的肌電電極采集肌肉信號，后引入放大電路并經過放大濾波和整流，最后經過編碼器和解碼器到執行機構產生運動。

圖4 肌電控制原理圖

肌電信號[30]的研究起源于18世紀：1791年，Galvani 證實了肌肉收縮與電變化有關；Dubios Reymond于1849年在實驗中首次發現了肌肉收縮[31]會產生電信號；1922年，Gasser與Newcomer獲得諾貝爾獎的成果是成功顯示了肌肉活動[32]時的電變化。隨著科學的進步與發展，肌電信號的研究被廣泛的應用到康復醫療、運動醫學、臨床診斷等多個領域[33，34]。1965年，德國的Otto Bock公司成功將假肢手[35]推向商業化。在這之后，表面肌電信號[36]有了更為細致的研究。1986年，加拿大New Brunswick大學的P．Parker和R．Scott首次進行了電動假肢的實驗，英國的David C和David G[37]在2007年研發出有重要創新意義的仿生手 i-Limb(圖5)，哈爾濱工業大學機器人研究所成功研制了 4 代 HIT假手[38](圖6)。此后具有自鎖和自適應功能的KNU機械手[39]被韓國慶北國立大學學者成功設計出來，這種機械手的特點是手指節點安裝有彈性元件[40]。

圖5 i-Limb假手 圖6 4代HIT假手

近年來，隨著研究的深入，在肌電信號的分析上引入了數學的方法。分析主要集中在時域和頻域2個方面。

(1)

均方根值(RMS)計算方法為：

(2)

積分肌電值、均方根值集中反映肌電信號的振幅變化特征。

在頻域分析方面，技術指標主要是平均功率頻率(MeanPowerFrequency)和中位頻率(MedianFrequency)。

平均功率頻率(MPF)計算方法為：

(3)

中位頻率(MF)由式(4)得到：

(4)

研究發現中位頻率的頻譜特征變化要優于平均功率頻率，但同時，在具體研究中，人們發現平均功率頻率對肌肉活動和功能的狀態反映要優于中位頻率。

2.5 腦電作為信號源

標準化活動主要是編制、發布和應用標準和其他標準化文件的過程，標準化文件是標準化活動的產物。以國家標準制修訂活動為例，其活動包括預研、立項、起草、征求意見、審查、批準、出版、復審和廢止等九個階段內容。

腦電[41]的本質是一種電噪聲，理論上的思路是將腦電信號(Electroencephalogram，EEG)[42]進行轉化，繼而與外界進行信息交換與控制，最終達到控制假肢的目的。

長期以來，腦電基本只應用于臨床的一些研究，隨著后期信號采集處理技術的發展，在康復領域中逐漸開始引入了腦電信號。國外的一些研究者的研究主要集中在腦電信號的人際接口技術，實驗建立了腦機直接接口(Brain-ComputerInterface，BCI)。而在假肢控制研究中，最根本的問題是腦電信號調理電路，這個問題同時也是研究的重點，這個問題的產生取決于人體腦電信號的特殊性。就目前的研究而言，腦電信號的放大和采集仍然是一個研究的熱點。

圖7 腦電信號采集結構圖

圖7是一個腦電信號(EEG)采集電路圖，該電路的前置放大器采用的是高精密儀表放大器，腦電信號經過前置放大電路放大后進行陷波和濾波處理，最后進入計算機系統。

腦電信號得到了越來越多的應用，很多學者在這方面進行了大量的研究：Pfurtscheller等[43]設計了一種能夠根據使用者的想象的運動來分析識別手指運動的腦機接口裝置(BCIs)[44]；Roberts等[45]提出了一種快速性與精確性更高的BCIs接口系統，檢測到的EEG信號通過一個AR模型[46]和貝葉斯邏輯分類器[47]對所接受的數據進行分類；大連理工大學的朱林劍等[48]設計了一只三自由度的假手；清華大學的程明、高上凱等[49]設計出基于穩態視覺誘發電位的光標控制系統，通過方塊的控制來控制光標的移動。

腦電信號的提取與分析的研究方法主要以小波變換為基礎。信號f(t)的小波變換定義為：

(5)

特征提取方法是以小波系數的均值、能量均值、方差等作為特征向量，將提取到的腦電信號進行小波分解。在腦電信號的采集與分析方面，學者做了很多研究：王鵬等[50]設計了基于DSP的便攜式腦電信號采集系統，將腦電信號感應至預處理電路，經由模擬信號數字化，再由數字濾波，利用最小均方算法和獨立成分分析分別濾除工頻干擾和生理偽跡；張小棟等[41]提出了一種新的基于表情驅動腦電信號的腦機接口方式，利用神經元集群模型對表情驅動腦電信號進行機理建模與仿真分析，得到了最終的頻率分布特性；段鎖林等[51]提出了一種基于小波包特定頻段的小波包方差、小波包熵和共同空間模式相結合的腦電信號特征提取的方法。

2.6 腦磁作為信號源

腦磁的產生來源于肌肉與神經體內的電流作用。1963年，Baule和McFee共同實驗完成了生物磁的第1次實驗測量，同時第1次記錄了心磁。WilliamsonS等在無磁屏蔽的條件下，測量出了腦磁信號，進而促進了生物學的發展[52]。在腦磁信號的特征提取研究方面，李廣勇等[53]結合了一種小波包分解和共空間模式，具體就是先利用小波包分解法進行分解，再用共空間模式算法進行特征提取，利用這種方法提取的腦磁信號特征較為明顯。張學軍等[54]提出了一種基于多維復雜度的腦磁信號分類方法，首先進行信號提取，之后采用遺傳算法、BP神經網絡以及SVM分類器檢測特征子集的性能，最后對信號進行分類。該方法有效地提高了特征數據分類的正確率。在腦磁信號的特征分析方面，王干等[55]提出了一種頻帶劃分方法和多種跨頻耦合的度量方法相結合的方法，對腦磁信號跨頻耦合特征進行了分析，通過這種統計分析達到區分不同手腕運動的MEG信號的目的。

為了將腦磁信號作為信號源并運用到假肢上，首先要面對的問題是構造人機接口。王健鋒等[56]為了通過BCI處理非線性、非穩定性信號問題，提出了一種基于EMD和Hilbert變換的MEG特征提取、分類方法，并利用該方法有效地提高了分類的準確率，這一結果在實驗中得到了驗證。但是具體到假肢控制的應用，目前還處于起步階段，主要是因為腦磁信號的復雜性，對腦磁信號的研究還停留在外科手術方面。

3 研究展望

1)以機械運動作為信號源的假肢控制結構簡單，造價低廉，受到一部分患者的歡迎，但其缺陷就在于所能實現的控制任務非常簡單，且反應遲鈍，靈活性差。

2)聲控型假肢是設計簡單語言指令假肢控制系統，隨著計算機技術的發展，還可以對系統進行編程以完成更多的功能，其控制方便，精度高。不足之處在于抗干擾能力弱，基于此，提高抗干擾能力是現在乃至以后的一個急需解決的問題。

3)“再造指”技術是一個醫學上的創新，有很重要的現實意義，其在假肢上的應用為相關研究提供了一個新的途徑。目前存在的問題主要是手術的痛苦以及術后所需的康復期較長，更多的研究主要集中在解決手術以及康復的問題上。

4)盡管肌電假手在實際應用中因肌電信號能夠反映人的肢體運動信息而獲得了巨大的成功，但存在控制信息不足的問題。此外，肌肉的疲勞程度、電極的位置、肌電信號的訓練程度等都會影響肌電信號的控制準確度。假肢的自由度是未來的一個研究熱點。

5)以腦電EEG作為信息源接收的是頭皮記錄的腦電活動，其主要特點是外在因素不會對記錄過程產生影響。然而基于腦電活動的復雜性，在相關方面的研究非常有限，在腦電控制系統的研究方面有很長的路要走。

6)腦磁控制的關鍵核心是人機接口的構造問題。就目前情況說來，人們對它的認識處在一個初始階段，研究主要集中在腦科手術方面，在假肢控制方面處在探索階段。

目前假肢控制應用得最多的是肌電信號，肌電信號相對機械運動信號源靈活性更高，所能實現的控制更復雜。以肌電信號、聲音作為信號源與其他幾類相比不需承擔手術的風險，但抗干擾能力相對較弱。以腦電、腦磁作為信號源都涉及到神經系統，神經信號被認為是一種最理想的控制源，神經信息相互獨立，清晰度高。神經信息的這些特征體現出其在控制信號源的高度的優越性，因此，以神經信息為信號源的研究將是人類的一個重點攻克的難關，并成為將來的一個研究熱點。

4 結語

介紹了假手控制的原理及其控制信號源，對國內外假手控制信號源的研究進展進行了綜述。以機械運動作為信號源是以患者殘存的運動功能為基礎；聲控型假肢的控制關鍵因素是聲音信息，通過數字處理技術(DSP)的處理轉化為相應的控制指令；“再造指”作為信號源更多是一種醫學上的手術結果，通過“再造指”傳遞人腦運動信息；肌電假肢控制核心是檢出的肌電位變化；以腦電、腦磁作為信號源的假肢本質上是以神經信息作為控制信息。目前大多數的假肢都是采用肌電信號作為控制信號源，而以神經信息作為控制信號源的假手研究是新型仿人型假手的發展趨勢，在相關領域的探索與研究不僅具有巨大的理論價值，而且具備有廣闊的市場價值前景。

[1]龐在祥，宮麗男，姜大偉，等.基于CATIA/ADAMS仿人靈巧手建模與動力學仿真[J].長春工業大學學報(自然科學版)，2013, 34(3):264～267.

[2] 李盼盼，喻洪流，趙勝楠.人體外動力假手技術的研究狀況及發展趨勢[J].中國康復醫學雜志，2011, 26(7):665～668.

[3] 易昌中.一種基于AD轉換裝置的肌電假手設計[J].宜春學院學報，2015, 37(12):46～48.

[4] 陳江城，張小棟，李睿，等.利用表面肌電信號的下肢動態關節力矩預測模型[J].西安交通大學學報，2015, 49(12):26～33.

[5] 梅衛進，楊昌錦.壓電體表面電極圓形脫層屈曲仿真研究[J].電子元件與材料，2015, 34(10):36～39.

[6]JiangN,RehbaumH,VujaklijaI.Intuitive,Online,Simultaneous,andProportionalMyoelectricControlOverTwoDegrees-of-FreedominUpperLimbAmputees[J].NeuralSystemsandRehabilitationEngineering,IEEETransactionson, 2014, 22(3): 501～510.

[7] 趙漫丹，李東旭，范才智，等.基于肌電信號層級分類的手部動作識別方法[J].北京生物醫學工程，2014, 33(5):490～496.

[8] 張啟忠，席旭剛，羅志增，等.基于肌電信號的遙操作機器人控制技術[J].應用基礎與工程科學學報，2013, 21(6):1999～1209.

[9]AngelaPG,RonaldLR,RehaU.Statisticaloptimumestimationtechniquesforcombinatorialoptimizationproblems:areviewandcritique[J].JournalofHeuristics, 2014, 20(3): 329～358.

[10] 張良清，蘇沂峰，楊萬章，等.多功能上肢假肢的研究進展[J].國際生物醫學工程雜志，2013, 36(5):311～316.

[11]ErgunH，RawnB，BelmansR.TechnologyandTopologyOptimizationforMultizonalTransmissionSystems[J].IEEETransactionsonPowerSystems, 2014, 29(5):2469～2477.

[12]PatriciaM，OliviaM，OscarC.AVisualToolboxforModelingandTestingMulti-NetNeuralSystems[J].ComputerApplicationsinEngineeringEducation, 2013, 21(1):164～184.

[13] 趙文汝，GregoryAZ.小腿截肢殘端假體的實驗研究[J].中國康復醫學雜志，2003, 18(9):548～551.

[14] 梁昌銀，雒江濤，周麗嫻，等.基于Android平臺聲控應用的研究與開發[J].語音技術，2013, 37(12):70～74.

[15] 劉磊，花卉.數字信號處理技術在測控系統中的發展與應用[J].科學與財富，2015, 15(6):1671～2226.

[16] 逯玉林，楊靜.多用途聲控電動代步車應用與研究[J].機械研究與應用，2012, 25(3):84～85，89.

[17] 孟杰，劉艷.聲光雙控節能燈電路設計[J].價值工程，2012, 31(7):31.

[18] 聶茹.聲控開關電路的設計與實現[J].信息技術，2014, 38(10):175～177.

[19]NathaliaP，HosseinGN，HamidC.VoicecontrolledWheelchairs:FineControlbyHumming[J].ComputerMethodsandProgramsinBiomedicine, 2013, 112(1):156～165.

[20]WalterRF，OchalaJ.SkeletalMuscle:ABriefReviewofStructureandFunction[J].CalcifiedTissueInternational, 2015, 96(3):183～195.

[21] 王從政，胡松，高椿明，等.一種小型雙路水下電視驅動系統設計[J].測控技術與儀器儀表，2015, 41(12):58～60,64.

[22] 陳爽，胡鑫，雷毅，等.多姿態變換聲控輪椅車研究[J].中國康復醫學雜志，2014, 29(11):1070～1073.

[23] 姜力，黃琦，楊大鵬，等.基于狀態轉換機制的仿人型假手肌電控制方法[J].高技術通訊，2013, 23(12):1268～1274.

[24] 王森章，胡天培，陳中偉.再造“指”假手控制系統的研究[J].微型電腦應用，1997, 13(6):22～76.

[25] 田艷舉，張小棟，張黎明.仿生假手的溫度感知技術研究[J].機械與電子，2015 (10):12～16.

[26] 王煒，楊志賢，戴傳昌，等.足趾移植拇指再造的美學原理及拇指缺損分類[J].組織工程與重建外科雜志，2005, 1(3):123～127.

[27] 黃海東，胡修德，騰超，等.指腹梭形皮瓣轉移整形再造指[J].中華手外科雜志，2009, 25(1):38～39.

[28] 巨積輝，李雷，李建寧，等.趾動脈終末支島狀皮瓣重塑再造指外形[J].中華手外科雜志，2011, 27(3):138～140.

[29] 巨積輝，李雷，李建寧，等.趾動脈終末支島狀皮瓣結合壓力治療重塑再造指外形[J].中國美容整形外科雜志，2012, 23(5):270～273.

[30] 王立偉，蔡奇，肖堯，等.生物肌電信號前置放大電路設計[J].國際生物醫學工程雜志，2011, 34(4):53～55，92.

[31] 張劍杰.主動肌肉收縮對緩解運動疲勞的實驗分析[J].科技通報，2015, 31(2):19～21.

[32] 陳謙.sEMG技術在頸部肌肉活動評價中的應用[J].北京體育大學學報，2008, 31(2):226～229.

[33] 倪自強，王田苗，劉達.醫療機器人技術發展綜述[J].機械工程學報，2015, 51(13):45～52.

[34] 武金艷，易波.信息融合熵在臨床診斷中的應用研究[J].國際生物醫學工程雜志，2010, 26(31):101～103.

[35] 武繼祥，劉宏亮，周賢麗，等.上肢殘肢的常規康復治療和肌電信號反饋訓練[J].中華物理醫學與康復雜志，2008, 30(12):833～835.

[36] 孟明，佘青山，羅志增.HMM在下肢表面肌電信號步態識別中的應用[J].華中科技大學學報(自然科學版)，2011, 39(11):176～177.

[37]DavidC，DavidG.EffectsofTasksonBoldSignalResponsestoSentenceContrasts:ReviewandCommentary[J].BrainandLanguage, 2012, 120(2):174～186.

[38] 張庭，姜力，劉宏，等.仿生假手抓握力控制策略[J].機器人，2012, 34(2):190～196.

[39] 鄭顯華，劉新華，張霖，等.基于Adams的仿人機械靈巧手動力學仿真分析研究[J].制造業自動化，2013, 35(14):147～149.

[40] 吳偉國，趙洋.仿人四指靈巧手的抓持能力分析[J].機械設計與制造，2010(4):188～190.

[41] 張小棟，郭晉，李睿，等.表情驅動下腦電信號的建模仿真及分類識別[J].西安交通大學學報，2016, 50(6):1～8.

[42] 徐寶國，宋愛國，費樹岷.在線腦機接口中腦電信號的特征提取與分類方法[J].電子學報，2011, 39(5):1025～1030.

[43]Pfurtscheller.EEGSynchronisationDuringCovertandOvertMovement[J].ClinicalNeurophysiology, 2008, 119(9):101.

[44] 鄭軍.基于穩態視覺誘發電位的腦-機接口研究[J].科學技術與工程，2011, 11(33):8149～8154.

[45] 唐肖芳，周金治.基于散度分析的腦電信號特征選擇[J].計算機工程，2015, 41(5):290～294.

[46] 施偉俊，王蓓，卿湘運，等.基于AR-Copula與ICA的腦電噪聲檢測和去除[J].華東理工大學學報(自然科學版)，2015, 41(5):659～665.

[47] 張少白，王勇，劉友誼.基于DIVA模型的腦電信號去噪方法研究[J].電子學報，2015, 43(4):700～707.

[48] 姜波，朱林劍，孫守林，等.腦電信號控制上肢假肢的研究現狀[J].中國康復醫學雜志，2005, 20(3):216～217.

[49] 程明，高上凱，張琳.基于腦電信號的腦:計算機接口[J].北京生物醫學工程，2000, 19(2):113～118.

[50] 王鵬，李珊珊，邵明磊.便攜式腦電信號實時采集系統[J].哈爾濱理工大學學報，2016, 21(1):77～82.

[51] 段鎖林，尚允坤，潘禮正.多類運動想象腦電信號特征提取與分類[J].計算機測量與控制，2016, 24(2):283～287.

[52] 高莉，黃力宇，丁翠玲.結合PCA和ICA的腦磁信號消噪研究[J].西安電子科技大學學報，2007, 34(6):939～943.

[53] 李廣勇，黃曉霞.基于CSP與WPD算法的腦磁信號特征提取研究[J].現代計算機，2015 (12):3～6.

[54] 張學軍，彭麗艷，黃麗亞，等.基于多維復雜度的精神分裂癥腦磁信號區分[J].計算機工程與應用，2016, 52(23):12～18, 24.

[55] 王干，王華力.基于精細化頻帶的腦磁信號跨頻耦合特性分析[J].信號處理，2016, 32(11):1328～1338.

[56] 王健鋒，黃曉霞.基于EMD和Hilbert變換的腦磁信號特征提取和分類[J].上海海事大學學報，2014, 35(3):90～94.

[編輯] 洪云飛

2016-11-13

國家自然科學基金項目(51575407)。

李公法(1979-)，男，博士，教授，現主要從事假手控制、智能機器人、靈巧手穩定控制等方面的研究工作，ligongfa@wust.edu.cn。

TP241

A

1673-1409(2017)01-0052-07

[引著格式]江都，杜峰，李公法，等.假手控制信號源研究進展[J].長江大學學報(自科版)，2017,14(1)：52～58.