表面肌電采集信號的系統設計與算法分析

李 順，邢緒坡，宋成利

1 引言(Introduction)

表面肌電(surface Electromyography，sEMG)信號是骨骼肌收縮時，在皮膚表面利用肌電傳感器以無創的方式記錄下來的生物電信號。對表面肌電信號進行提取與分析具有較為廣闊的應用前景，比如可以反映肌肉的疲勞程度，研究表面肌電信號與力學的關系，研究表面肌電信號與運動姿態、運動方式之間的關系，以及通過表面肌電信號對患者進行相應的疾病診斷和肌肉康復訓練等。

在表面肌電信號的前置采集和信號分析方面，國內外已取得諸多研究成果，如美國Noraxon公司生產的MyoTrace400手持型表面肌電采集儀器，可以實現四通道的表面肌電信號采集。Al-QURAISHI等提取了踝關節運動時肌肉的表面肌電信號，比較了不同的表面肌電信號特征提取方法和運動分類方法。

由此可見，表面肌電采集與分析不僅是基礎研究的需要，同時在臨床方面也有廣闊的應用前景。上述設備雖然可實現多通道、高精度的表面肌電信號采集，但大多存在體積較大、價格昂貴的問題。基于上述問題，本文設計了體積較小的可穿戴式表面肌電信號采集系統，并通過MATLAB對不同姿勢信號做頻譜與功率譜密度分析來驗證系統的有效性。

2 表面肌電信號的產生、特點與采集(The generation,characteristics and acquisition of sEMG signal)

2.1 表面肌電信號的產生

表面肌電信號是由神經-肌肉系統產生的，神經-肌肉系統包括運動神經元、樹突、軸突及支配的肌纖維。運動神經元位于脊髓腹角，通過神經軸突傳導到肌肉纖維，它將來自大腦皮層的腦電信號通過軸突延傳至外周神經，最終投射至肌纖維。在人體皮膚表面附著若干塊導電電極，電極與表面肌電采集系統的信號放大端進行連接，并設置參考電壓，用于采集表面肌電信號。表面肌電信號是人體表面肌肉通過收縮產生的生物電信號，以電流或者電壓的形式表現。表面肌電信號產生示意圖如圖1所示。

圖1 表面肌電信號產生示意圖Fig.1 Schematic diagram of sEMG signal generation

2.2 表面肌電信號的特點

表面肌電信號具有微弱性、低頻性、交變性、強噪聲性、差異性及不穩定性，其中，微弱性和低頻性是其主要特性。表面肌電信號是極其微弱的電信號，其幅值較低，一般用μV、mV表示，為0—1.5 mV，極易被噪聲淹沒。研究表明，人體生理電信號如心電信號、表面肌電信號的頻率較低，有用信號頻率在0—500 Hz范圍內，主要能量集中在20—150 Hz，且為交流信號，幅值一般和肌肉運動力度成正比。在頻率域上，對于不同肌群的表面肌電信號，它們的功率譜上的分布也存在一定范圍的差距。

由于表面肌電信號具有強噪聲性和不穩定性，極易受環境噪聲、電子設備固有噪聲、運動偽跡、空間電磁場的干擾，且信號內在的不穩定性也極容易影響采集的表面肌電信號的精確度，因此，在信號的采集過程中，必須充分考慮采集過程面臨的噪聲干擾，并盡可能抑制外部干擾。

2.3 表面肌電信號的采集

本文對人體不同姿勢的表面肌電信號的采集做了調研，在瑞金醫院觀察到臨床醫生借助Key Point臺式誘發電位儀對帕金森患者進行七種不同姿勢(靜息、姿勢性平舉、翼狀、豎翼狀、持物1 kg平舉、持物1 kg翼狀、持物1 kg豎翼狀)的表面肌電信號采集，如圖2所示。醫生首先提取患者七種不同姿勢的震顫信號加以分析，并通過采集到的表面肌電信號對帕金森震顫與特發性震顫的患者進行分類與診斷，得出不同的治療方案，做到對癥下藥。

圖2 患者不同姿勢的表面肌電信號Fig.2 sEMG signals of patients with different postures

3 表面肌電采集系統的設計(Design of sEMG acquisition system)

3.1 系統總體設計

根據上述分析，本文根據表面肌電信號的特征研制出一套具有高共模抑制比、抗干擾能力強的表面肌電信號采集系統。該系統以Arduino微控制器作為主控電路，以ZTEMG-1000為前端肌電傳感器，內部集成電源電路、差分放大電路、濾波電路、電平抬升電路和主放大電路。通過該系統實現對表面肌電信號的采集，之后系統通過主控電路與串口通信電路實現數據傳輸，將采集到的表面肌電信號傳輸到上位機，實現對表面肌電信號的顯示與后續處理。Serialplot為波形顯示平臺，MATLAB為數據分析平臺。系統總體設計如圖3所示。

圖3 系統總體設計Fig.3 Overall system design

3.2 系統硬件設計

本系統采用ZTEMG-1000作為表面肌電信號采集前端。ZTEMG-1000為A公司生產的1通道的表面肌電信號采集傳感器。由于傳感器采用的運放為正負電源供電，因此系統采用可產生±5 V電壓的單電源供電模式，供給單片機、運放和其他芯片所需電壓。在電源輸入端并聯一個0.1 μF的電容和一個容量較大的電容，此種供電方式不僅可以減少成本，而且避免了使用正負兩個電源的干擾，濾除高頻和低頻干擾信號，使得供電電壓更加穩定，減少電源產生的尖峰脈沖，保證表面肌電信號正負信號的輸出。同時，設計了偏置電路，可以滿足片上AD只能采集正電壓信號的要求，可以通過疊加偏置電壓使表面肌電信號的輸出電壓都變為正電壓。

ZTEMG -1000傳感器的尺寸較小，體積為39 mm×32 mm×7 mm，其他設置參數如表1所示。

表1 ZTEMG-1000傳感器參數及取值Tab.1 Parameters and values of sensor ZTEMG-1000

本文將肌電傳感器與主控模塊進行連接，硬件平臺搭建如圖4所示。肌電傳感器共有三個氯化銀電極卡扣，其中兩個電極為采集電極，一端固定在電路板上，另一端貼于測試肌群凸起肌肉處；另一個電極為參考電極，一般貼在肌肉邊緣處。使用底面為水溶膠的電極貼片，系統默認輸出2.5 V的電壓信號，且輸出的表面肌電信號為濾波和放大的原始信號。

圖4 系統平臺搭建Fig.4 System platform construction

3.3 系統軟件設計

上位機處理平臺是表面肌電信號采集系統的重要組成部分，本文選用Serialplot作為波形顯示平臺。Serialplot是一款串口波形顯示器軟件，可以顯示單通道或者多通道串口發送數據波形，同時具有數據存儲記錄功能。采用MATLAB作為上位機處理數據平臺，使用C語言編程。上位機軟件流程如圖5所示，電極直接將采集到的模擬信號通過數據線傳輸到便攜式數據采集器中。便攜式數據采集器將模擬信號轉換為數字信號，再通過串口通信傳輸至主機系統和分析軟件中。上位機可實現數據傳輸、數據處理、信號濾波降噪、特征提取及頻域轉換等功能。

圖5 系統軟件平臺Fig.5 System software platform

4 實驗結果及分析(Experimental results and analysis)

4.1 幾種不同姿勢下的表面肌電信號采集結果

為驗證表面肌電采集系統的有效性，本文設計了不同姿勢下的表面肌電信號采集實驗。在經過受試者同意后，選擇一名受試者(女，25 歲)作為實驗對象。為保證實驗的可靠性與準確度，實驗前需對受試者檢測皮膚并做相關處理，選取合適的電極放置位置，并選擇受試者左手臂的主要發力肌肉群作為檢測部位。

圖6 表面肌電信號的波形圖Fig.6 Waveform of sEMG signals

4.2 表面肌電信號的濾波處理

本文設計的便攜式表面肌電信號采集系統還存在如下幾點不足：(1)系統的分辨率與精度較低。(2)采集端用硬件濾波器對抗工頻噪聲極易造成有效信息丟失。

由于濾波算法能對不同強度的高斯噪聲、椒鹽噪聲、工頻噪聲，以及其他生物噪聲等進行信號處理，因此，為了正確地評價處理結果，從理論上做出合理的解釋，本文選擇濾波算法對所得表面肌電信號進行處理。濾波分為線性平滑濾波、中值平滑濾波、小波濾波、頻域低頻濾波、自適應濾波和維納濾波六種算法。中值濾波是一種最常用的非線性平滑濾波，其濾波原理基于排序統計理論，把信號值進行排序，然后選擇信號的中間值作為信號輸出值，此種濾波算法能有效抑制噪聲，被廣泛應用于去除脈沖噪聲。因此，本文選擇利用MATLAB進行中值濾波，對以上系統方案進行優化，對信號噪聲進行平滑處理。

圖7 濾波后的波形圖Fig.7 Filtered waveform

4.3 表面肌電信號的頻譜分析

傅立葉變換(Fourier Transform，FT)是將信號由時域轉變為頻域進行分析，其物理意義在于，若信號在時域上沒有明顯特征，但是變換到頻域之后，信號特征便顯示出來了。由于使用示波器對電刺激器輸出的波形進行采集后為時域圖，因此需進行頻譜分析。頻譜分析的具體算法如下：

然而，以此方式將信號展開進行頻域分析較為復雜，因此引出FT算法，其FT的表達式為：

圖8 表面肌電信號的頻譜分析Fig.8 Spectral analysis of sEMG

5 討論(Discussion)

本文搭建了一套表面肌電信號采集系統，并對一名受試者進行手臂放松、握拳、展臂、模擬震顫四種姿勢的表面肌電信號采集。分析可見，受試者手臂放松時，表面肌電信號較為平緩且幅值基本在2,500 mV上下波動；之后受試者改為握拳姿勢，表面肌電信號的波動范圍較大，幅值為2,000—3,000 mV；展臂姿勢相對于握拳姿勢幅值范圍變小；最后受試者模擬震顫時，幅值進一步減小，且隨著時間增加有上下波動的趨勢。

6 結論(Conclusion)

本文將采集到的表面肌電信號進行濾波和算法分析，采集系統使用內部集成濾波電路與放大電路的ZTEMG-1000傳感器和Arduino微控制器，對表面肌電信號進行采集。之后將采集到的原始信號進行濾波和FFT分析，分析表明濾波算法可有效去除噪聲，提取有效的表面肌電信號。但算法的精確度尚有不足，后續將對此問題進行改進，并對采集的信號進行進一步分析驗證。