織物傳感智能腿套的肌電信號擬合性能研究

張佳慧 王建萍

摘要： 為進一步開發智能服裝新的個性化功能，文章選用鍍銀錦綸紗作為織物傳感材料并設計4種電極部位組織和尺寸制作16款智能腿套，同步采集4種運動狀態下穿戴智能腿套試樣與Ag/AgCl凝膠電極的小腿腓腸肌表面肌電信號，采用時域、頻域和相關函數分析方法得到各試樣的肌電信號擬合性能評價結果。結果表明：靜態下，智能腿套電極尺寸過大或過小都易出現信號異變;動態下，智能腿套肌電擬合性能較優的圓形電極部位添紗組織為1×1抽條、1×2抽條組織，較優添紗尺寸為16縱行×32橫列。

關鍵詞： 智能腿套;織物傳感;表面肌電信號;擬合性能;電極

Abstract： In order to further develop the new individualized function of smart garments， silver-plated nylon yarn was used as the fabric sensing material， and 4 structures and 4 sizes of electrodes were designed to make 16 kinds of smart leggings. The sEMG signal of calf gastrocnemius muscles worn by smart leggings and Ag/AgCl electrodes were simultaneously collected in 4 motion states. And sEMG signal fitting performance of each sample was evaluated by time domain， frequency domain and correlation function analysis. The results showed that too large or too small electrode size of smart leggings might cause abnormal sEMG signal change under static state. Under the dynamic condition， the smart leggings with 1×1 rib and 1×2 rib circular electrode structures and 16 vertical rows ×32 horizontal rows had better fitting performance.

Key words： smart legging; fabric sensing; sEMG signal; fitting performance; electrode

在消費需求升級的大環境下，人們開始更多地關注健康并利用最新的智能技術監測生理信號。智能服裝因其可對人體生理活動信息及外部環境信息進行長期、動態且“人體無意識”監測的特點而廣受青睞。近年來，可用于實時監護的智能運動服裝已陸續研發，其中疾病預防和運動管理成為主要的流行趨勢。在基礎生理監測方面，智能服裝可采集人體溫濕度[1-2]、心率[3]、呼吸頻率[4]及血壓血氧[5]等生理參數，不僅實現消費者對自我健康狀況的了解，也滿足了病人的更好監護。在運動方面，目前智能運動服已具備步態[6]和動作監測[7]并給以運動姿勢調整建議的功能，但仍舊無法滿足日益增長的消費需求。據美國可穿戴市場調研的報告指出，50%消費者難以對智能服裝形成依賴性[8]，因此進一步研發智能服裝的新功能對突破產業化瓶頸尤為重要。

表面肌電技術由于具有無創性、時效性[9]被運動神經領域廣泛應用。在運動中，實施監測人體表面肌電信號可預測肌肉疲勞而避免過度訓練，更有助于調整運動姿勢養成良好的運動習慣。但由于人體表面肌電信號是一種非常微弱、不穩定且易受外界干擾的信號，故對研發的智能產品電極采集肌電信號的精確性要求較高。本文選用鍍銀導電紗作為織物傳感材料，設計4種圓形電極尺寸和添紗組織制作織物傳感智能腿套，并采集靜坐、站立、行走和慢跑4個狀態下的肌電信號。通過時域、頻域和相關函數分析以評價并對比電極部位不同組織結構和尺寸的智能腿套試樣的肌電信號擬合性能，為肌電信號采集用智能運動腿套產業化生產提供理論參考，對智能服裝多領域多功能發展起到積極的促進作用。

1 試 驗

1.1 對 象

選擇年齡（23.4±1.3）歲，身高（165±4.9） cm，體重（532±6.4） kg且身體健康、下肢骨骼肌指標正常，無小腿肌肉勞損病史，試驗前24 h均無參加任何劇烈活動的2名男性和3名女性作為試驗對象，受試者基本數據如表1所示。經Inbody人體成分儀檢測受試者四肢骨骼肌及水分含量均在正常范圍內，試驗前對受試者進行試驗動作培訓以了解試驗內容，并要求受試者下身穿著較為寬松的運動短褲。

1.2 材料及儀器

紗線：面紗及扎口線均選用78 dtex/2黑色錦綸紗（東方桂冠針紡織品有限公司），地紗選用44 dtex/44 dtex/44 dtex黑色錦包/氨綸雙包紗、襯墊選用311 dtex/44 dtex/44 dtex黑色錦包/氨綸雙包紗（上海利以德特種絲有限公司），導電紗線選用222 dtex鍍銀錦綸紗（青島志遠翔宇功能性面料有限公司）。

設備與儀器：Goal 615 D型襪機，針筒直徑3.75英寸、144針（圣東尼上海針織機械有限公司），DTS 2223CN型無線表面肌電采集系統（Noraxon USA Inc），Horizon 832T型跑步機（喬山健康科技有限公司）。

其他材料：金屬扣、Ag/AgCl凝膠電極貼片、脫毛膏、酒精棉片、記號筆、剪刀及醫用膠帶（市售）。

1.3 方 案

1.3.1 采集點選取

小腿肌肉數量較多，按照肌群位置可分為前群、后群和外側群，在運動過程中最常用到的肌肉是脛骨前肌、腓腸肌和比目魚肌，且小腿三頭肌（即腓腸肌和比目魚肌）最易在運動和日常活動中受損[10]，占小腿所有肌群受損的90%以上[11]，同時腓腸肌痙攣是最常見的痛性肌肉痙攣。因此，選擇右腿小腿外側腓腸肌作為肌電信號的采集點。

1.3.2 表面肌電采集

試驗環境設定參照文獻[12-13]，跑步最適宜的相對濕度為50%～60%，故試驗在（25±1） ℃、（50±2）%RH的安靜舒適環境中進行。為避免自身生理原因對試驗造成干擾，受試者提前30 min適應試驗環境以保證皮膚汗液含量和溫度相對恒定。

試驗前對采集部位脫毛處理并使用酒精棉片反復擦拭以減少皮膚阻抗，依照腓腸肌纖維方向貼兩片Ag/AgCl凝膠電極片，中心距設置為31 mm（與智能腿套電極部位中心距相同），連接Noraxon DTS肌電傳感器并使用醫用膠帶固定。穿戴織物傳感智能腿套，使其電極部位位于腓腸肌中部同時與皮膚充分接觸，連接Noraxon DTS肌電傳感器并用醫用膠帶固定于智能腿套外側，將信號采樣頻率設置為1 500 Hz標記智能腿套穿戴位置和膠帶長度，以保證每次測量時穿戴位置和皮膚壓力相同。

由于肌電信號具有較大隨機性，試驗同步采集靜坐、站立、行走和慢跑4種運動狀態下受試者佩戴Ag/AgCl凝膠電極和智能腿套試樣的肌電信號，其中行走與慢跑狀態在跑步機上進行，分別設置速度為3 km/h和5 km/h。觀察受試者表面肌電圖，待波形穩定后采集受試者靜坐、站立各40 s，行走、慢跑各60 s的表面肌電信號;更換一次試樣，休息5 min再進行相同測試。

1.3.3 肌電信號擬合性能評價

從時域和頻域兩方面分析肌電信號是最早也是生物醫學和運動學領域最廣泛的分析方法[14]，目前已用于織物電極信號采集性能的分析[15-16]。

時域分析是采集的腓腸肌電信號隨時間變化的特征，繪制肌電信號的時域對比圖（圖1），同時提取指標均方根值RMS。RMS是肌電信號在一定運動時段內的有效振幅，定義式為：

式中：N為采樣點個數;Xi為采樣點的肌電信號幅值。

頻域分析反映肌電信號隨信號頻率的變化情況，繪制試樣與Ag/AgCl凝膠電極的EMG頻域對比圖（圖2），提取指標中值頻率MF。MF是肌電時域信號功率譜圖面積中值所對應的頻率值，定義式為：

式中：PSD（f）為功率譜密度函數。

即使兩個具有相同時域和頻域特征的隨機信號，也依舊難以判定兩者間的變化規律是否具有一致性[17]，故須采用相關函數進一步分析同步采集的智能腿套電極與Ag/AgCl凝膠電極肌電信號變化趨勢是否一致，提取Pearson相關系數和相應的顯著性指標以反映兩隨機變量在不同相對位置的相互匹配程度。Pearson相關系數定義為：

式中：N為采樣點個數;μ為均值;σ為標準差。

2 討論與分析

2.1 智能腿套工藝設計

智能腿套款式及工藝設計采用Photon繪圖軟件和QuasarL編程軟件，并用SANTONI Goal 615 D型襪機完成試樣制作。

2.1.1 規格參數設計

腿套每轉144針，其他規格參數設定如表2所示。

2.1.2 電極組織結構及尺寸設計

腿套的主體組織采用襯墊平針組織，上羅口采用雙層襯墊平針組織，下羅口采用雙層襯緯羅紋組織;電極部位分別選用平紋、1×1抽條、1×2抽條、毛圈組織進行添紗;同時由于方形織物電極存在邊緣效應[18]，試驗設計4種圓形電極尺寸，縱行×橫列數分別設計為12×24、16×32、20×40、24×48。

2.1.3 紗線配置

紗線的穿紗方式如表3所示。

2.1.4 試樣編織及后整理

圖3為下機后的智能腿套試樣示意，圖3中電極尺寸均為16×32，分別為平紋組織（圖3（a））、1×1抽條組織（圖3（b））、1×2抽條組織（圖3（c））、毛圈（圖3（d））組織。

下機后試樣需進一步套在標準腿模上進行熱定型整理，并在電極中心位置用導電紗縫上金屬扣，下機及熱定型后電極部位的工藝參數見表4，其中橫密為每5 cm的縱行數、縱密為每5 cm的橫列數。共制作智能腿套試樣16種，依次編號（表5）。

2.2 靜態肌電信號擬合性能分析

將同步采集的智能腿套和Ag/AgCl凝膠電極的肌電數據導入Matlab軟件，截取靜坐和站立狀態下的穩定肌電信號各10 s，采用1.3.3中時域評價方法處理信號，并用Origin 9.0繪制靜態肌電信號RMS統計圖，結果如圖4所示。

觀察肌電信號時域圖像可知，靜坐與站立狀態下所有智能腿套采集的肌電信號穩定性較好無明顯波動。Ag/AgCl電極采集的肌電信號其站立狀態下的均方根值RMS高于靜坐狀態，是由于靜坐狀態下小腿腓腸肌處于放松狀態，站立后肌肉收縮，而1#、4#、5#、8#、15#和16#的靜態肌電信號有所變異，站立狀態的肌電信號幅值未高于靜態肌電信號，其余試樣與Ag/AgCl電極采集的靜態肌電信號RMS較為接近。因此，靜態肌電擬合性能較好的腿套試樣編號為2#、3#、6#、7#、9#～14#，智能腿套電極尺寸設置過大或過小都將影響其靜態肌電信號采集效果。

2.3 動態肌電信號擬合性能分析

使用Matlab軟件截取行走狀態和慢跑狀態下的穩定肌電信號各20 s，根據1.3.3肌電信號擬合性能評價方法觀察動態肌電信號的時域、頻域對比圖，并提取時域RMS、頻域MF，以及相關系數r和對應的顯著性p指標。

2.3.1 時域分析

采用Origin 9.0繪制動態肌電信號RMS統計圖（圖5），各試樣RMS提取結果均為5名受試者的肌電信號RMS均值。慢跑時的智能腿套與Ag/AgCl凝膠電極采集的時域指標數據均高于行走狀態且幅值有明顯變化，因此智能腿套電極可以區分小腿的不同運動狀態，4#和16#試樣未采集到肌電信號，是由電極尺寸較大和滿添紗工藝造成的正負織物電極接觸導致。通過觀察動態肌電信號時域對比圖可知，5#～12#智能腿套在行走和慢跑狀態下采集到的肌電信號幅值與普通凝膠電極較為接近且趨勢一致性較好，但幅值普遍偏高，其中5#、9#～12#智能腿套在行走狀態下肌電信號受到部分干擾。因此從時域分析結果來看，6#～8#（1×1抽條）智能腿套采集的肌電信號較為理想。

2.3.2 頻域分析

頻域指標中值頻率MF統計圖如圖6所示，各試樣MF提取結果均為5名受試者的肌電信號MF均值。5#～12#，即1×1抽條和1×2抽條組織的智能腿套電極與Ag/AgCl凝膠電極采集的肌電信號中值頻率MF更為接近，且在慢跑狀態的肌電信號中值頻率均明顯高于行走狀態。通過頻譜圖像分析可以發現，3#及5#～12#的Welch功率譜密度與普通電極變化趨勢一致較好。

2.3.3 相關函數分析

使用Matlab提取兩隨機變量函數的Pearson相關系數r和顯著性p以反映不同時刻點隨機變量之間的內在聯系，結果如表6所示。

由表6可知，除4#與16#試樣外其余智能腿套電極與普通凝膠電極的顯著性均小于顯著性水平0.05，故認為相關性顯著。1×1抽條和1×2抽條組織（5#～12#）的智能腿套與Ag/AgCl凝膠電極的相關系數優于平紋（1#～4#）與毛圈（13#～16#）組織，故作為肌電信號采集試驗的緯編織物電極應選用抽條組織作為導電紗的添紗組織。

其中，6#和10#試樣行走和慢跑狀態下相關系數均高于045為實相關，因此智能腿套試樣添紗尺寸最佳為16×32（縱行×橫列數）。6#試樣與普通電極行走狀態相關系數更是高達0.648 1，呈顯著相關，肌電信號擬合效果好。

3 結 論

本文選用222 dtex鍍銀錦綸紗作為織物傳感材料，設計4種電極部位組織和尺寸制作智能腿套試樣，同步采集4種狀態下穿戴智能腿套試樣與Ag/AgCl凝膠電極的小腿腓腸肌表面肌電信號，通過時域、頻域和相關函數分析評價各試樣的肌電信號擬合性能，為肌電信號采集用智能運動腿套產業化生產提供理論參考，促進智能服裝向多領域發展以滿足消費者的不同需求。通過試驗與分析得到以下結論：

1）靜坐與站立狀態（靜態）下所有智能腿套采集的肌電信號穩定性較好無明顯波動，但智能腿套電極尺寸設置過大或過小都易出現靜態肌電信號異變，影響其靜態肌電信號采集效果。

2）行走和慢跑狀態（動態）下，除4#和16#外其余智能腿套試樣均能檢測到肌電信號。綜合時域、頻域和相關函數分析結果可知，5#～12#即1×1抽條和1×2抽條組織智能腿套的肌電擬合性能明顯優于平紋（1#～4#）與毛圈（13#～16#）組織，且智能腿套的圓形電極部位最佳添紗尺寸為16縱行×32橫列，6#和10#試樣與Ag/AgCl電極相關系數均高于0.45，其中6#試樣行走狀態相關系數高達0.648 1。故認為6#（1×1抽條組織、16縱行×32橫列）智能腿套試樣的肌電擬合性能較優。

參考文獻：

[1]PANG C， LEE G Y， KIM T I， et al. A flexible and highly sensitive strain-gauge sensor using reversible interlocking of nanofibres[J]. Nature Materials， 2012， 11（9）： 795.

[2]羅沛， 丁濟亮， 許偉剛， 等. 住院病人健康狀態實時智能監護服的開發[J]. 上海紡織科技， 2017（1）： 8-11.

LUO Pei， DING Jiliang， XU Weigang， et al. Development of real-time intelligent monitoring uniform for inpatients health status[J]. Shanghai Textile Technology， 2017（1）： 8-11.

[3]齊曉曉， 周捷， 張輝. 孕婦心電監護可穿戴裝備的研究現狀與發展趨勢[J]. 絲綢， 2018， 55（12）： 57-62.

QI Xiaoxiao， ZHOU Jie， ZHANG Hui. Research status and development trend of wearable electrocardiogram monitoring equipment for pregnant women[J]. Journal of Silk， 2018， 55（12）： 57-62.

[4]LI Mufang， LI Haiying， ZHONG Weibing， et al. Stretchable conductive polypyrrole/polyurethane（PPy/PU） strain sensor with netlike microcracks for human breath detection[J]. ACS Applied Materials & Interfaces， 2014， 6（2）： 1313-1319.

[5]BINGGER P， ZENS M， WOIAS P. Highly flexible capacitive strain gauge for continuous long-term blood pressure monitoring[J]. Biomedical Microdevices， 2012， 14（3）： 573-581.

[6]謝珩， 陳國壯， 鄭鎰丹， 等. 基于薄膜傳感器的智能鞋墊設計[J]. 電子測量技術， 2018， 41（21）： 119-122.

XIE Heng， CHEN Guozhuang， ZHENG Yidan， et al. Intelligent insole design based on thin film sensor[J]. Electronic Measurement Technology， 2018， 41（21）： 119-122.

[7]謝娟. 針織物傳感器雙向延伸電：力學性能及肢體動作監測研究[D]. 上海： 東華大學， 2015.

XIE Juan. Research into Electro： Mechanical Properties of Knitted Sensor Under Strip Biaxial Elongation and Application in Monitoring Body Movements[D]. Shanghai： Donghua University， 2015.

[8]海川. 智能穿戴設備爆發[J]. 新經濟導刊， 2014（S1）： 42-45.

HAI Chuan. Explosion of intelligent wearable devices[J]. New Economy Weekly， 2014（S1）： 42-45.

[9]王健， 金小剛. 表面肌電信號分析及其應用研究[J]. 中國體育科技， 2000， 36（8）： 26-28.

WANG Jian， JIN Xiaogang. sEMG signal analysis method and its application research[J]. China Sport Science and Technology， 2000， 36（8）： 26-28.

[10]DELGADO G J， CHUNG C B， LEKTRAKUL N， et al. Tennis leg： clinical US study of 141 patients and anatomic investigation of four cadavers with MR imaging and US[J]. Radiology， 2002， 224（1）： 112-119.

[11]ELKHOURY G Y， BRANDSER E A， KATHOL M H， et al. Imaging of muscle injuries[J]. Skeletal Radiology， 1996， 25（1）： 3-11.

[12]陸大江， 沈逸蕾. 健身房運動環境的研究與分析[J]. 體育與科學， 2012， 33（3）： 9-17.

LU Dajiang， SHEN Yilei. Research and analysis of body： building environment of gymnasium[J]. Journal of Sports and Science， 2012， 33（3）： 9-17.

[13]李夢園. 影響女子運動著裝疲勞性相關因子與疲勞閾值研究[D]. 杭州： 浙江理工大學， 2016.

LI Mengyuan. Affect Womens Sports Dress Fatigue Related Factor and the Fatigue Threshold Value Research[D]. Hangzhou： Zhejiang Sci-Tech University， 2016.

[14]WEBBER C J， SCHMIDT M A， WALSH J M. Influence of isometric loading on biceps EMG dynamics as assessed by linear and nonlinear tools[J]. Journal of Applied Physiology， 1995， 78（3）： 814.

[15]劉振， 劉曉霞. 織物電極采集肌電信號的研究進展[J]. 棉紡織技術， 2017， 45（1）： 80-84.

LIU Zhen， LIU Xiaoxia. Research progress of myoelectric signal collecting with fabric electrode[J]. Cotton Textile Technology， 2017， 45（1）： 80-84.

[16]MINJAE K， TAEWAN K， KIM D S， et al. Curved microneedle array-based sEMG Electrode for robust long-term measurements and high selectivity[J]. Sensors， 2015， 15（7）： 16265-16280.

[17]李正周. Matlab數字信號處理與應用[M]. 北京： 清華大學出版社， 2008.

LI Zhengzhou. Matlab Digital Signal Processing and Application[M]. Beijing： Tsinghua University Press， 2008.

[18]KRASTEVA V T， PAPAZOV S P. Estimation of current density distribution under electrodes for external defibrillation[J]. BioMedical Engineering OnLine， 2002， 1： 7.