生物電信號在人機交互中的應用分析

趙瀟洋　王柏衡

摘要：隨著人機交互系統與人類生活聯系越發緊密，人們渴望有更加靈活、輕便的交互體驗，探索新的人機交互方式和人機交互接口顯得更為重要。因此，基于生物電信號的人機交互技術成為熱門領域，該技術被廣泛應用于假肢控制、臨床醫學、虛擬現實技術、機器人技術及運動生物力學。其中，將基于生物電信號的人機交互技術應用于機械手臂，為殘障群體的正常生活提供了極大可能性。本文首先闡述了生物電信號在人機交互中的應用，然后以智能機械手臂為例，闡述生物電信號在智能機械手臂中的應用。以期為人機交互技術的發展提供一定借鑒。

關鍵詞：生物電信號;人機交互;肌電信號;腦電信號;機械手臂

中國分類號：TP391 文獻標識碼：A

文章編碼：1672-7053（2020）09-0028-02

1相關概念解析

1.1生物電信號

生物電信號是一種記錄生物心跳或肌肉收縮的信號，其具有低振幅和低頻特點，可被測量及分析。Luigi Galvani于1786年的青蛙實驗中發現了肌肉與電間的關系，并于1791年對現象進行了進一步研究。隨著科學的進步，生物電信號的實用性及應用空間被漸漸發現和拓展，它被廣泛用于假肢控制、運動康復、藝術裝置等領域。肌肉電信號（EMG）、心電信號（ECG）、眼電信號（EOG）、腦電信號（EEG）、誘發電位/事件相關電位（EP/RP）這五類生物電信號均可被表面電極所捕獲。基于這類易于通過表面電極進行采集的生物電信號，并將其轉化為計算機指令，即可通過交互執行機構（如機械手臂、眼動儀等）與外部環境及用戶本身進行交互。本文主要關注肌肉電信號（EMG）及腦電信號（EEG）在人機交互中的應用。

1.2人機交互

人機交互（HCU）作為一門交叉學科，涵蓋了計算機科學、設計學、心理學等多學科知識。Human Computer Interaction（HCI）一詞由Stuart K.Card，Thomas P.Moran和Allen Newell于1980年在ACM通訊期刊中首次提出。其主要經歷了早期手工業、作業控制語音及交互命令語言、用戶圖形界面（GUI）、網絡用戶界面、多通道和多媒體的智能人機交互和虛擬交互界面六個階段。人機交互領域重點關注用戶與計算機之間的接口，而近年來，隨著人機交互接口的普及及生活節奏的加快，人們對人機交互形式的期待發生了深刻變化，他們期待更加自然的交互方式，更加簡潔的交互界面，更加多樣的交互通道以及更加智能交互技術。

2生物電信號在人機交互中的應用分析

以下主要討論EMG肌電信號及EEG腦電信號在人機交互中的應用。

2.1 EMG肌電信號在人機交互中的應用

EMG肌電信號是由肌肉產生的一種可由表面電極捕獲的電信號，它記錄了肌肉受到刺激時產生收縮的電位圖，其電壓幅度在50μV-5mV，頻率范圍為2Hz-500Hz。它可以被運用到各個領域，例如藝術裝置、醫療治療、假肢控制、虛擬交互游戲等領域。其工作原理為，將電信號施加到肌肉會導致肌肉的收縮及運動，借助先進的控制電子設備和適當放置的電極，可實現捕捉微弱肌電信號。值得注意的是，所施加到肌肉上的電信號僅僅提供肌肉的運動指令，即控制信號，而不需要為實際的運動提供能量。因此，用戶可以使用小型電池驅動的設備進行運動。目前研究的關鍵點在于：如何增強其精確性？如何提取其特征？基于EMG肌電信號人機接口技術的優勢在于方便且靈活，能夠快速捕捉不同的手勢活動及肌肉群活動。但由于手臂活動由多塊肌肉群共同作用，導致識別出的信號源精確度不高，無法完全分辨更加細微和多樣的動作。為了解決由于冗余通道產生的干擾信號所導致獲取的信號精度低及數據處理難度大等問題，目前通常會使用統計理論來消除信號采集過程中的冗余信號，這不僅降低了硬件的消耗成本，也優化了電極分布，為信號采集的準確性提供了一定保障。

2.2 EEG腦電信號在人機交互中的應用

EEG腦電信號由大腦活動產生，該類電信號同樣可以使用表面電極進行捕獲，可使用多通道數據采集設備在頭皮上進行腦電信號的采集，電壓幅度約為2μV-100μV，頻率范圍為0.5Hz-100Hz。因此，通常會在頭皮上按合理分布規則粘貼110～268個頭皮表面電極，電極越多，獲得腦電信號越精準。基于腦信號的識別性近期正在被研究，同時有研究顯示腦電及腦波信號能夠用于個體識別。基于腦電信號進行人機交互的技術屬于腦機接口（Brain Computer Interface，BCI）技術的一種，該技術旨在研究如何定位、協助、增強或修復人類的認知或感覺運動功能。腦機接口技術目前分為：侵入性BCI、部分侵入性BCI和非侵入性BCI三種。其中，基于腦電信號的非侵入性BCI被主要應用于假肢及環境控制領域。非侵入性BCI能使癱瘓患者或殘疾患者的上肢和下肢假肢由他們的大腦所控制。在過去的幾十年中，BCI技術主要集中于侵入性方法，但由于植入電極容易使患者感染或產生并發癥，所以BCI技術一直在探索非侵入性（無創性）領域。非侵入性BCI技術能夠滿足大量人群的需求。同時，其無創性會使用戶感到更加舒適自然。BCI腦機接口技術在大腦和輸出設備之間建立了一條無肌肉連接的通道，輔助脊椎損壞、上下肢缺失或癱瘓的人群進行康復或行動。基于腦電信號的人機交互接口技術的優勢在于，該技術具有相當廣闊的應用空間，因為該技術不依賴于殘余肢體肌肉群來傳遞信息。其局限性在于，由于大腦工作機制非常復雜，需要非常強的排除干擾算法機制來捕獲微弱且復雜的腦電信號，這使得基于EEG腦電信號的人機接口技術實現難度遠遠超過基于EMG肌電信號的人機接口技術。

3生物電信號在智能機械手臂中的應用分析

目前，智能仿生機械手臂的研究主要基于EMG、EEG的人機交互接口進行研發。

3.1 EMG肌電信號在智能機械手臂中的應用

基于肌電信號的智能機械手臂研究主要集中在機械結構和控制源兩方面。其中斯坦福大學、牛津大學等研究機構均研發了可實現精準抓握及力度適應性抓握，同時具有重量輕、靈活度高等特點。2005年，由意大利、丹麥等國家的研究小組完成的Cyberhand成為歷史上第一款具有感覺的仿生手。但上述這些仿生手部屬于無法應用到臨床。2007年，美國芝加哥康復學院將患者手臂殘余神經移植到胸部，再利用EMG肌肉電信號實現運動識別。同時，由于其增加了壓力傳感器，患者能夠感受到物體。英國的Touch Bionics公司開發了I-Limb系統機械手臂，但仍然需要通過手術移植殘臂神經，這也許對患者身體造成感染和負擔。同時，精度不高也會導致機械手臂無法識別細微動作等問題。近年來，隨著神經網絡等技術的發展，研究領域也集中于非手術、非侵入式的機械手臂領域。這意味著能避免感染等多因素使多數患者得到滿足。通過控制表面電極分布情況，優化基于神經網絡的機器學習算法，增強了算法的魯棒性，能夠使機械手臂識別更多細微的動作，克服環境等客觀因素的影響，使機械手臂的精確度更高，從而去除冗余噪音信號，減緩動作執行滯后性等問題。

3.2 EEG腦電信號在智能機械手臂中的應用

近年來，基于EEG腦電信號的人機交互技術主要應用于假體、穿戴式下肢（外骨骼）、矯形器、輪椅和輔助機器人設備等領域。2016年，明尼蘇達大學的研究人員Jianjun Meng與Shuying Zhang等人利用BCI技術實現了在短時間內訓練被試者利用他們的腦電信號來有效地控制高精度機械手臂的伸直行為，同時在之后的幾個月利用該方法控制機械臂運動都保持了較高的精確度，這證實了使用BCl技術控制智能機械臂的可行性。2017年，麻省理工學院計算機科學與人工智能實驗室和波土頓大學的一個團隊研發了利用意識糾正機器人（合機械臂）的錯誤。該團隊利用EEG腦電信號監測器數據，結合先進的機器學習算法，利用“意識”（腦活動）即可指揮機器人執行某動作。這項研究使該團隊能夠開發更多靠大腦控制的假肢及機器人。2019年，首個由心理控制的，具有連續跟蹤計算機光標能力的機械臂被研發出，該突破由卡內基梅隆大學的研究團隊及明尼蘇達大學合作開發，這意味著它非常有助于改善肢體殘疾者、癱瘓患者及運動障礙者的生活。該團隊的研究領導人Bin He教授指出，使用非侵入性心理控制機器人技術已取得重大進步，隨著神經解碼技術的進步，非入侵性機械手臂將發生重大改變。通過采用先進的傳感技術及機器學習（自我學習算法），改變了曾經機械手臂“追隨”大腦或肌肉命令而產生的滯后感，代之以平滑且連續的方式執行命令。

4結語

本文主要分析了采用非侵入性方式即可捕獲的生物電信號：肌肉電信號（EMG）、腦電信號（EEG）。另外涉及眼電信號（EOG）、誘發電位/事件相關電位（EP/RP）等常用信號，為其他研究領域提供人機交互技術的使用方向。最主要總結了肌肉電信號（EMG）及腦電信號（EEG）各自的優勢和局限性以及兩種基于不同生物信號的智能機械臂的研究情況。未來，隨著傳感器技術的發展，基于生物電信號人機交互技術的產品將呈更加輕巧、靈活的發展趨勢。