王 遠(yuǎn) 袁思敏 黃品高 王 輝 于文龍 付夢(mèng)龍 李光林

1(中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院 深圳 518055)

2(中國(guó)科學(xué)院大學(xué)深圳先進(jìn)技術(shù)學(xué)院 深圳 518055)

3(香港大學(xué)深圳醫(yī)院 深圳 518051)

1 引 言

表面肌電(Surface Electromyography，sEMG)是利用電極在體表記錄的反映肌肉活動(dòng)的一種生物電信號(hào)[1]，具有非侵入、易于獲取的特點(diǎn)。由于 sEMG 蘊(yùn)含豐富的運(yùn)動(dòng)信息，常用來(lái)進(jìn)行運(yùn)動(dòng)意圖識(shí)別，因此被廣泛應(yīng)用于人機(jī)交互的系統(tǒng)設(shè)計(jì)中[2]，如手勢(shì)識(shí)別、假肢控制等。德國(guó)卡爾斯魯厄理工學(xué)院利用兩通道 sEMG 信號(hào)進(jìn)行了 5 種抓取動(dòng)作的識(shí)別，并實(shí)現(xiàn)了對(duì)假肢手的控制[3]；英國(guó)的 Touch Bionic 使用單通道 sEMG 信號(hào)對(duì)假肢手 i-LIMB Hand 進(jìn)行抓、握、夾、捏動(dòng)作的控制[4]；微軟 Perry 等[5]將 sEMG 應(yīng)用于虛擬現(xiàn)實(shí)設(shè)備，實(shí)現(xiàn)基于 sEMG 的人機(jī)交互功能。在這些應(yīng)用中，sEMG 信號(hào)反映了人體自身的運(yùn)動(dòng)意圖，對(duì)肢體動(dòng)作的識(shí)別具有良好的效果。為了進(jìn)一步改善 sEMG 信號(hào)在人機(jī)接口上的性能，研究者提出了許多方法來(lái)提高其準(zhǔn)確性和穩(wěn)定性，如改進(jìn)識(shí)別算法提高分類器的性能[6-8]、增加信號(hào)源通道數(shù)量或種類等。其中，使用多通道表面肌電是一種提高肌電信號(hào)意圖識(shí)別準(zhǔn)確率的有效方法。如 Moin 等[9]為提升手部 5 個(gè)動(dòng)作的識(shí)別率使用了 64 個(gè)通道的表面肌電信號(hào)；Pan 等[10]為降低電極移動(dòng)對(duì)系統(tǒng)穩(wěn)定性的影響，在受試者手臂表面貼附了 192 個(gè)通道的表面電極。但是，該方法需要佩戴者在皮膚表面貼附大量電極，不僅增加了電極的布置難度和計(jì)算的復(fù)雜度，而且貼敷的電極之間距離短，與較大的電極相比，其接觸面積小、粘附力不足，容易因脫落而導(dǎo)致信號(hào)檢測(cè)失效，從而影響系統(tǒng)的穩(wěn)定性。因此，使用該方法進(jìn)行運(yùn)動(dòng)意圖識(shí)別的實(shí)用性受到一定程度的限制。此外，許多研究人員還將 sEMG 與其他傳感器信號(hào)進(jìn)行結(jié)合，如慣性傳感器(IMU)[11]、壓力傳感器(FSR)[12]等，通過(guò)增加識(shí)別信號(hào)源的種類以提高系統(tǒng)的識(shí)別精度和穩(wěn)定性。雖然該方法在一定程度上提高了手勢(shì)識(shí)別的性能，但由于使用了多種單一信號(hào)傳感器以及采集設(shè)備，同樣增加了系統(tǒng)復(fù)雜度。因此，在不顯著增加系統(tǒng)復(fù)雜度的情況下，尋找肌肉上幾種可以同時(shí)獲取的信號(hào)并探索在同一傳感器上能同時(shí)采集多種信號(hào)以提高運(yùn)動(dòng)意圖識(shí)別準(zhǔn)確率和穩(wěn)定性的方法，具有重要的實(shí)際應(yīng)用價(jià)值。

生物組織含有大量的組織液、細(xì)胞內(nèi)液等液體[13]，其中含有多種導(dǎo)電粒子。當(dāng)施加電流激勵(lì)時(shí)，電流穿過(guò)細(xì)胞流向組織液，表現(xiàn)出阻抗的特性[14]，可以采用阻抗描述其導(dǎo)電性能。值得注意的是，組織阻抗(Tissue Impedance，TI)會(huì)隨肌肉活動(dòng)發(fā)生一定的變化，這種阻抗變化反映了肌肉的運(yùn)動(dòng)狀態(tài)。Chen 等[15]基于該原理，設(shè)計(jì)了一款既可以采集 sEMG 信號(hào)又可以采集阻抗信號(hào)的設(shè)備，但該設(shè)備使用藍(lán)牙傳輸，僅能采集一通道肌電和一通道阻抗信號(hào)。由于該設(shè)備采集的信號(hào)有限，故難以在手勢(shì)識(shí)別上應(yīng)用。為克服上述系統(tǒng)數(shù)據(jù)傳輸速率低、通道數(shù)少的缺點(diǎn)，本研究設(shè)計(jì)了一款應(yīng)用于人體肌肉信號(hào)測(cè)量的 4 通道復(fù)合信號(hào)采集系統(tǒng)，在無(wú)需增加其他傳感器的條件下即可同時(shí)測(cè)量 sEMG 信號(hào)和電極對(duì)之間的組織阻抗信號(hào)，實(shí)現(xiàn)了單一傳感器上兩種信號(hào)的同步采集，并將該系統(tǒng)采集的復(fù)合信號(hào)應(yīng)用于手勢(shì)識(shí)別的研究。具體地，首先利用所提出的系統(tǒng)采集 20 名受試者 7 類手勢(shì)動(dòng)作(包括 6 個(gè)基礎(chǔ)動(dòng)作和靜息動(dòng)作)的復(fù)合信號(hào)，并提取 4 種時(shí)域特征；然后，使用分類器對(duì)動(dòng)作進(jìn)行識(shí)別；最后，以分類準(zhǔn)確率為指標(biāo)對(duì) sEMG 和 TI 復(fù)合信號(hào)在手勢(shì)識(shí)別中的性能進(jìn)行評(píng)估。

2 方 法

2.1 系統(tǒng)設(shè)計(jì)

圖 1 數(shù)據(jù)采集系統(tǒng)原理圖Fig. 1 Data acquisition system schematic diagram

轉(zhuǎn)換器，可以用來(lái)采集生理電信號(hào)(如肌電、腦電和心電等)。該芯片還內(nèi)建一個(gè)呼吸阻抗測(cè)量單元。利用該測(cè)量單元，用戶可以配置芯片寄存器，使其產(chǎn)生一個(gè) 32 kHz 的高頻方波并輸入人體，隨后經(jīng)過(guò)芯片內(nèi)部的濾波，解調(diào)采集電極兩端的低頻阻抗信號(hào)。由于生理電信號(hào)和阻抗信號(hào)共用一個(gè)通道，為避免高頻方波的影響，芯片內(nèi)部還集成了電磁干擾(EMI)濾波器，從而實(shí)現(xiàn)對(duì)攜帶阻抗信號(hào)的方波過(guò)濾?；谝陨舷到y(tǒng)設(shè)置，本文通過(guò)頻分復(fù)用同步采集輸入端的肌電信號(hào)與阻抗信號(hào)。為增加信號(hào)的通道數(shù)目，本文采集系統(tǒng)集成四片 ADS1292R，實(shí)現(xiàn)了同步采集四通道 sEMG 信號(hào)與阻抗信號(hào)的功能。

2.2 數(shù)據(jù)獲取及預(yù)處理

為驗(yàn)證所研發(fā)系統(tǒng)的功能和組織阻抗信息對(duì)手勢(shì)識(shí)別的影響，本實(shí)驗(yàn)共招募了 20 名健康志愿者，其中男性 15 名、女性 5 名，年齡為 22～28 周歲。實(shí)驗(yàn)前，所有志愿者均已簽署知情同意書?？紤]到不同手臂姿勢(shì)可能會(huì)對(duì)信號(hào)產(chǎn)生影響，本文將實(shí)驗(yàn)分為 A、B 兩組:A 組為手臂自然下垂，B 組為前臂與后臂呈 90°彎曲。由于本文所提出系統(tǒng)在后續(xù)研究中將用于截肢患者的手臂意圖識(shí)別，所以選取了人體手臂復(fù)雜運(yùn)動(dòng)中的 6 類基本動(dòng)作:握拳、張手、內(nèi)翻、外翻、前臂內(nèi)旋和前臂外旋(如圖 2 所示)進(jìn)行實(shí)驗(yàn)測(cè)試。相對(duì)于其他動(dòng)作，這 6 類動(dòng)作最容易實(shí)現(xiàn)，也是日常生活中使用最多的動(dòng)作，而且通過(guò)采集健康受試者的這 6 類動(dòng)作數(shù)據(jù)并進(jìn)行分析處理，還可以為后續(xù)開(kāi)展截肢患者實(shí)驗(yàn)提供理論依據(jù)。

對(duì)于每名受試者，在其右前臂上貼附 4 對(duì)半徑為 0.6 cm 的圓形凝膠電極:第 1 對(duì)電極放置在指伸肌(通道 1)上，第 2 對(duì)電極放置在橈側(cè)腕短伸肌(通道 2)上，第 3 對(duì)電極放置在肱橈肌(通道 3)上，第 4 對(duì)電極放置在尺側(cè)腕屈肌(通道 4)上，具體如圖 3 所示。實(shí)驗(yàn)過(guò)程中，系統(tǒng)首先使用 1 kHz 的采樣率對(duì) sEMG 和 TI 信號(hào)進(jìn)行采集；然后，使用 20～500 Hz 的帶通濾波器對(duì)所采集的 sEMG 信號(hào)進(jìn)行濾波，并使用 5 階滑動(dòng)平均濾波器對(duì) TI 信號(hào)進(jìn)行平滑處理，以降低信號(hào)的噪聲。本文實(shí)驗(yàn)方案已獲得中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院人體倫理委員會(huì)審核批準(zhǔn)(SIATIRB-160815-H0112)。

2.3 特征提取與分類器的選擇

圖 2 實(shí)驗(yàn)中采集的動(dòng)作Fig. 2 All hand movements in our experiment

圖 3 差分電極對(duì)的貼附位置Fig. 3 The position of differential electrode pair

sEMG 信號(hào)與 TI 信號(hào)均為時(shí)間序列信號(hào)，而對(duì)于時(shí)序信號(hào)的特征提取，一般先采用滑動(dòng)窗對(duì)數(shù)據(jù)進(jìn)行分幀，然后對(duì)每幀數(shù)據(jù)進(jìn)行特征提取。在本實(shí)驗(yàn)中，滑動(dòng)窗的大小設(shè)置為 300 ms、滑動(dòng)步長(zhǎng)設(shè)置為 150 ms，所使用的特征提取函數(shù)為過(guò)零率、波長(zhǎng)、平均絕對(duì)值和根均方值。此外，為分析阻抗信息對(duì)分類器性能的影響，實(shí)驗(yàn)采用 4 種常見(jiàn)的分類算法進(jìn)行實(shí)驗(yàn)，分別為:人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)[16]、K-近鄰(K-Nearest Neighbor，KNN)、線性判別式分析(Linear Discriminant Analysis，LDA)[17]和支持向量機(jī)(Support Vector Machine，SVM)[17-18]，各算法參數(shù)設(shè)置如表 1 所示。

表 1 分類器的參數(shù)設(shè)置Table 1 The parameter settings of classifiers

3 結(jié) 果

為研究組織阻抗對(duì)基于 sEMG 手勢(shì)識(shí)別性能的影響，本文分別從信號(hào)通道數(shù)目、分類器類型和手臂姿態(tài) 3 個(gè)方面進(jìn)行對(duì)比實(shí)驗(yàn)。

3.1 不同通道數(shù)目對(duì)手勢(shì)識(shí)別性能的影響

在本實(shí)驗(yàn)中，分別對(duì)比了單通道肌電和單通道復(fù)合信號(hào)(即單通道肌電＋單通道阻抗信號(hào))、雙通道肌電和雙通道復(fù)合信號(hào)、三通道肌電和三通道復(fù)合信號(hào)、四通道肌電和四通道復(fù)合信號(hào)的識(shí)別準(zhǔn)確率，具體通道組合方式如表 2 所示。

圖 4 為 LDA 分類器中不同通道組合(以 A 組實(shí)驗(yàn)數(shù)據(jù)為例)增加 TI 信號(hào)后，手勢(shì)識(shí)別性能的提升變化情況。圖中藍(lán)色柱子為基于 sEMG 信號(hào)的手勢(shì)識(shí)別率，棕色柱子為基于復(fù)合信號(hào)的手勢(shì)識(shí)別率。圖 4 結(jié)果顯示，在相同信號(hào)通道數(shù)目的情況下，sEMG 信號(hào)增加 TI 信息后，手勢(shì)識(shí)別率均得到不同程度的提升。當(dāng)選擇單通道時(shí)，分類器 LDA 中的 sEMG 平均識(shí)別率低于 60%，而增加 TI 信號(hào)后，平均識(shí)別率達(dá)到 67% 以上；當(dāng)通道數(shù)增加到 4 時(shí)，增加 TI 信號(hào)后仍可大幅度地提高手勢(shì)識(shí)別率，其中相對(duì)于基于 sEMG 信號(hào)，復(fù)合信號(hào)的增幅達(dá)到 5% 左右，識(shí)別準(zhǔn)確率最高可達(dá) 96%。

另外，在相同的通道數(shù)以及相同信號(hào)源下，不同的通道組合呈現(xiàn)出不同的識(shí)別率。如組合類型為單通道時(shí)，其第 1、3 和 4 組的手勢(shì)識(shí)別率大致相同，而第 2 組的識(shí)別率遠(yuǎn)低于第 1、3 和 4 組；在組合類型為雙通道時(shí)，6 組不同組合的手勢(shì)識(shí)別率均不同。這種差別是由電極貼附位置的不同造成的:不同位置的電極獲取不同位置肌肉的肌肉信號(hào)，其中位置 2 處(橈側(cè)腕短伸肌)的肌肉在手臂運(yùn)動(dòng)過(guò)程中激活程度較小。總的來(lái)說(shuō)，運(yùn)動(dòng)過(guò)程中，肌肉施加的力越強(qiáng)即肌肉激活程度越高，肌電信號(hào)越強(qiáng)，肌肉產(chǎn)生的形變也越大，所得到的準(zhǔn)確率也越高。

從圖 4 還可以看出，加入 TI 信號(hào)后，不僅識(shí)別率得到提高，部分通道的識(shí)別率方差也有一定程度的降低(1%～4%)。這說(shuō)明加入組織的阻抗信息，可在一定程度上提高系統(tǒng)識(shí)別的穩(wěn)定性。

表 2 不同通道數(shù)的組合方式Table 2 The combination of different channels

圖 4 A 組實(shí)驗(yàn)中不同通道組合的 LDA 識(shí)別率Fig. 4 LDA recognition rate under different channel combinations for group A

3.2 阻抗信息對(duì)分類器性能的影響

為統(tǒng)計(jì)不同分類器的性能變化，本文對(duì)相同通道數(shù)目的手勢(shì)識(shí)別率進(jìn)行了平均處理。圖 5 為增加 TI 信號(hào)前、后 4 種常用分類器的性能變化情況。可以清楚地看到，增加 TI 信息后，所使用的 4 種分類器手勢(shì)識(shí)別率均得到提高；且隨著通道數(shù)量的增加，除 KNN 的分類性能在三通道復(fù)合信號(hào)時(shí)出現(xiàn)拐點(diǎn)外，其他分類器的識(shí)別性能均在提升，其中 SVM 獲得了最佳分類性能，識(shí)別率達(dá)到 97.5%。從圖 5 還可以看出，隨著通道數(shù)的增加，分類性能提升程度在逐漸減小，這種現(xiàn)象在 ANN 中表現(xiàn)得十分明顯。此外，在分類器 ANN 中，基于復(fù)合信號(hào)的三通道手勢(shì)識(shí)別率獲得了與四通道 sEMG 相當(dāng)?shù)男阅?，KNN、LDA 和 SVM 在三通道復(fù)合信號(hào)上的識(shí)別性能則超過(guò)了四通道單一 sEMG 信號(hào)的識(shí)別率。這表明，增加阻抗信息后，利用復(fù)合信號(hào)的方法可以實(shí)現(xiàn)與 sEMG 信號(hào)相同的手勢(shì)識(shí)別性能，其中前者可以有效地降低通道數(shù)量。

3.3 不同手臂狀態(tài)中增加 TI 信號(hào)對(duì)分類性能的影響

圖 5 A 組實(shí)驗(yàn)中不同通道數(shù)下分類器的平均性能提升Fig. 5 Average classification performance improvement of group A in different classifiers

這里以分類器 LDA、四通道數(shù)目為例，兩組實(shí)驗(yàn)(A 組實(shí)驗(yàn)受試者右臂自然下垂、B 組實(shí)驗(yàn)受試者前臂與后臂呈 90°彎曲)基于 sEMG 信號(hào)的手勢(shì)識(shí)別率分別為 92.2% 和 91.5%；增加 TI 信息后，手勢(shì)識(shí)別率均得到提升，達(dá)到了 96.2% 和 96.1%。從圖 6 的混淆矩陣可以看出，增加阻抗信息對(duì)于兩組實(shí)驗(yàn)中一些識(shí)別率較高的動(dòng)作的分類性能均沒(méi)有太多的提升，如握拳、內(nèi)翻、外翻和靜息；而對(duì)于識(shí)別率較低的動(dòng)作，增加 TI 信息后，則可以極大地提升該類動(dòng)作的識(shí)別率，如張手、前臂內(nèi)旋和外旋，其中前臂外旋的提升程度最大(分別為 7% 和 8%)。這說(shuō)明，增加的阻抗信息并不會(huì)因?yàn)樽藙?shì)的不同而影響性能提升。

4 討論與分析

圖 6 增加 TI 信號(hào)前、后 LDA 分類結(jié)果的混淆矩陣對(duì)比Fig. 6 Confusion matrix comparison of LDA classification results before and after adding TI signals

利用 sEMG 信號(hào)進(jìn)行分類是目前手勢(shì)識(shí)別常用的方法之一。由于 sEMG 具有可以反應(yīng)人體運(yùn)動(dòng)意圖的特點(diǎn)，許多學(xué)者將其用于手勢(shì)識(shí)別以達(dá)到對(duì)上肢假肢的主動(dòng)控制[19-21]。本文實(shí)驗(yàn)中，通過(guò)采集 20 名健康受試者手臂 7 個(gè)動(dòng)作(包括 6 個(gè)基礎(chǔ)動(dòng)作和靜息動(dòng)作)的肌電和阻抗數(shù)據(jù)，驗(yàn)證了所提出系統(tǒng)利用頻分復(fù)用采集的融合信息對(duì)手勢(shì)識(shí)別性能的提升具有積極的作用。實(shí)驗(yàn)結(jié)果表明，與僅使用肌電信號(hào)相比，肌電與阻抗的融合信號(hào)更利于分類器的訓(xùn)練和識(shí)別。其中，手勢(shì)識(shí)別的方差平均降低 2%，準(zhǔn)確率平均提升 4%。在文獻(xiàn)[22]中，作者利用 ADS1292 開(kāi)發(fā)了一套四通道肌電采集系統(tǒng)，其中與 ADS1292R 相比，ADS1292 未集成呼吸阻抗單元。實(shí)驗(yàn)中，作者利用采集的肌電信號(hào)對(duì) 5 名受試的手部動(dòng)作進(jìn)行識(shí)別，平均識(shí)別率達(dá)到 93.2%，而本文采用融合信號(hào)對(duì)手部動(dòng)作進(jìn)行識(shí)別，識(shí)別率達(dá)到 96.2%，高于前者 3% 的準(zhǔn)確率。在文獻(xiàn)[21]中，作者使用 sEMG 結(jié)合腦電的方式對(duì) 5 類動(dòng)作進(jìn)行識(shí)別，結(jié)果表明與單獨(dú)使用 sEMG 信號(hào)相比，使用融合信號(hào)的手勢(shì)識(shí)別率得到了 7.2% 的提升。但由于該實(shí)驗(yàn)采集腦電信息，需要在被試者頭上貼附大量的腦電電極，故增加了系統(tǒng)的計(jì)算難度和信號(hào)的采集難度。而本文所使用的系統(tǒng)通過(guò)頻分復(fù)用的方法，僅使用 4 對(duì)差分電極，即可將 7 類手勢(shì)識(shí)別的準(zhǔn)確率提升到 96% 以上，不僅降低了系統(tǒng)的計(jì)算復(fù)雜度，還降低了信號(hào)的采集難度。

5 總結(jié)與展望

本文設(shè)計(jì)了一款可同時(shí)獲取 sEMG 和 TI 信號(hào)的采集設(shè)備，隨后利用該設(shè)備并對(duì)采集的融合信息進(jìn)行分類，同時(shí)與基于 sEMG 的手勢(shì)識(shí)別效果進(jìn)行對(duì)比實(shí)驗(yàn)。結(jié)果顯示，增加 TI 信息可以提升基于 sEMG 手勢(shì)識(shí)別系統(tǒng)的精度和穩(wěn)定性。其中，在不降低手勢(shì)識(shí)別性能的情況下，所研發(fā)的采集系統(tǒng)僅使用三個(gè)通道的復(fù)合信息即達(dá)到了與四通道 sEMG 相當(dāng)?shù)淖R(shí)別效果，這為在采集多源信息和較少通道下實(shí)現(xiàn)高精度手勢(shì)識(shí)別提供了一種可行的方法。同時(shí)，本文結(jié)果還顯示，隨著采集通道數(shù)目的增加，阻抗信息對(duì)識(shí)別率提升的影響在減小，出現(xiàn)了部分信息冗余的現(xiàn)象，這表明在通道數(shù)較少時(shí)增加阻抗信息可以有效提高系統(tǒng)的識(shí)別性能。

綜上所述，本文提出的將 sEMG 信號(hào)與 TI 信號(hào)進(jìn)行融合的方法，在一定程度上減少了電極的使用數(shù)目和提升了手勢(shì)識(shí)別性能。由于該方法可以使系統(tǒng)具有較高的識(shí)別性能并使用較少的傳感器，尤其適合用于人機(jī)交互和假肢控制。在未來(lái)，一方面可以考慮對(duì)采集的信息進(jìn)行降維，減小 sEMG 與 TI 信號(hào)的冗余度，另一方面可考慮將復(fù)合信號(hào)應(yīng)用于截肢患者的手勢(shì)識(shí)別。