楊建華，李 正，趙 妤，王少文

（西安工業(yè)大學(xué) 電子信息工程學(xué)院，西安 710021）

表面肌電信號（surface electromyography signal，SEMG）是通過肌肉收縮而產(chǎn)生的一種生物電信號。SEMG 是一種非平穩(wěn)的微電信號[1-2]，其幅值在0～5 mV 之間，信號頻率在20 Hz～500 Hz 之間[3]，大部分信號在50 Hz～150 Hz 之間[4]。由于該信號微弱、易受到外界環(huán)境以及工頻的干擾[5-6]、且具有很強的隨機性等特點使得對其進行實時采集、處理和識別困難較大。同時通常針對表面肌電信號的研究一般通過專用硬件采集設(shè)備采集信號，然后將數(shù)據(jù)上傳到PC 機上進行分析運算處理，停留在實驗室研究范圍，難以滿足便攜性和實用性要求?；谶@樣的背景，本文設(shè)計了一款基于STM32F103 處理器的嵌入式肌電信號手勢識別系統(tǒng)。處理器中增加了FreeRTOS 操作系統(tǒng)實現(xiàn)多任務(wù)運行，可以根據(jù)任務(wù)優(yōu)先級進行數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)傳輸和屏幕顯示等操作，提高了系統(tǒng)的實時性。

1 系統(tǒng)結(jié)構(gòu)

本系統(tǒng)的整體結(jié)構(gòu)框架如圖1所示，肌電傳感器采集人體胳膊的肌電信號，前端調(diào)理電路，經(jīng)一級放大、高通低通濾波、50 Hz 陷波、二級放大和全波整流后獲得適合微處理器采集的信號，然后經(jīng)過AD 轉(zhuǎn)化器轉(zhuǎn)化為數(shù)字信號，輸入到STM32 處理器中，在微處理器部分完成特征提取、數(shù)據(jù)訓(xùn)練和動作識別并輸出顯示。與此同時通過串口將不同的手勢數(shù)據(jù)發(fā)送到有LabVIEW 編寫的上位機軟件中，在LabVIEW 軟件平臺進行相關(guān)手勢波形的顯示。整個系統(tǒng)采用多線程處理，大幅度提高了系統(tǒng)的處理效率，各個線程之間通過消息隊列進行相互通信。

圖1 系統(tǒng)結(jié)構(gòu)框圖Fig.1 System structure block diagram

2 系統(tǒng)硬件設(shè)計

2.1 前端調(diào)理電路

由于肌電表面信號幅值非常微弱，一般在0～5 mV之間，外界環(huán)境的噪聲對其干擾特別大，所以前端調(diào)理電路特別重要。本次設(shè)計的前端調(diào)理電路如圖2和圖3所示，采用AD8236 儀表放大器為前級放大，它有著高輸入阻抗和高共模抑制比（CMRR）：110 dB（G=100），輸入偏置電流1 pA，輸入失調(diào)電流0.5 pA，軌到軌輸出。

圖2 前級放大調(diào)理電路Fig.2 Front stage amplifier conditioning circuit

AD8236 芯片的輸出電壓VOUT為

由公式（2）可以得到增益為

由公式（3）可知通過改變RG可以實現(xiàn)前端放大電路的倍數(shù)調(diào)整。

肌電信號頻率集中在20 Hz～500 Hz 之間，所以在設(shè)計濾波電路的時候需要將信號頻率保持在這個區(qū)間，其截止頻率的計算公式如下：

在圖2和圖3中，C6，R7和運算放大器構(gòu)成了有源高通濾波器和有源低通濾波器。取C6=1 μF，R7=8.2 kΩ；R23=330 Ω，C7=1 μF 由式（4）可以得到高通濾波的截至頻率為19.41 Hz；低通濾波的截至頻率為482.53 Hz。由于該肌電頻率段包含了50 Hz頻率，而50 Hz 工頻對肌電表面采集有很大的影響，在硬件采集電路[7]設(shè)計中將噪聲做到最大化的抑制[8-9]，所以設(shè)計了50 Hz 陷波電路，在圖2中由U1B，R1，R2，R3，R4，R5，C1，C2，C3組成了陷波電路。

圖3 后級放大調(diào)理電路Fig.3 Post amplifier conditioning circuit

前級放大的信號是差分輸入，其信號會在0 mV上下波動，要實現(xiàn)A/D 轉(zhuǎn)換所以需要將信號整體抬升到0 mV 以上，調(diào)理電路采用了全波精密整流電路，將0 mV 以下的信號反轉(zhuǎn)到0 mV 以上[10]。該前端調(diào)理電路采用±5 V 雙電源供電，+5 V 轉(zhuǎn)化為-5 V使用TP7660H 電荷泵電壓反轉(zhuǎn)器，電壓轉(zhuǎn)換精度為99.9%，電源轉(zhuǎn)換效率為98%。實現(xiàn)輸出-5 V 電壓，只需在該芯片的Pin8 引腳VIN 接入+5 V 電壓即可。

2.2 數(shù)據(jù)采集及PC 端信號顯示

本系統(tǒng)采用STM32F103 單片機為處理器，它的外設(shè)資源豐富，包含了3 個通道16 位定時器、2 個12 位的ADC，其中ADC1 具有DMA 通道，通過DMA 可以實現(xiàn)多個通道同時高速采集并快速存儲。將STM32F103 的采樣頻率設(shè)定為1 kHz，能夠很好的滿足實際需求。每次A/D 轉(zhuǎn)換結(jié)束后，使用DMA方式將轉(zhuǎn)換后的數(shù)據(jù)依次存入到設(shè)定好的緩存區(qū)，并進行實時處理，采用DMA 可以緩解CPU 資源。

STM32 處理器將接收到的肌電信號通過串口發(fā)送到由LabVIEW 編寫的上位機上進行顯示[11]，在顯示控件上將不同的手勢波形顯示出來，如圖4和圖5所示。

圖4 一級放大肌電信號波形Fig.4 Waveform of primary EMG signal

圖5 二級放大及整流后的波形Fig.5 Waveform after secondary amplification and rectification

3 系統(tǒng)軟件設(shè)計

3.1 活動段檢測及特征提取

對于實時處理采集的肌電信號，活動段檢測是很重要的，只有準確的獲取到手勢動作的起始與終止數(shù)據(jù)才能為后面的特征提取和分類識別打下良好的基礎(chǔ)。本文采用移動平均法與閾值相比較的方法來確定活動段的信號數(shù)據(jù)[12]，由于硬件電路中將信號整流了，所以在計算時不需要加絕對值。

式中：y（i）是平均值；N 為第i 個數(shù)據(jù)點右側(cè)位置的數(shù)據(jù)點個數(shù)，一共N+1 個數(shù)據(jù)點。在系統(tǒng)訓(xùn)練開始時，讓手臂靜止5 s 左右，獲取N 個數(shù)據(jù)點，根據(jù)公式（5）求出靜止時的平均值記為δ。

式中：θ 為閾值；α 為系數(shù)，取值為3。

當(dāng)y（i）＞θ，為活動段起始值，開始保存數(shù)據(jù)；當(dāng)y（i）＜θ，為活動段終止值，停止保存數(shù)據(jù)。

數(shù)據(jù)是實時發(fā)送的，所以在接收數(shù)據(jù)方面也很重要，本文通過軟件程序編寫循環(huán)接收隊列可以很好的進行數(shù)據(jù)緩存和后續(xù)數(shù)據(jù)的讀取，也防止了數(shù)據(jù)的遺漏問題。

嵌入式系統(tǒng)的資源非常有限，所以將采集到的肌電信號全部輸入到模式識別分類器中，很難進行存儲與運算，同時也不能很好的進行分類。所以肌電信號的特征提取對后面進行分類識別就特別重要。本系統(tǒng)選擇時域特征提取的方法[13]，采用計算標準差作為不同手勢的特征。

3.2 貝葉斯分類器

如何能夠準確的識別出不同的手勢，肌電信號識別分類是核心，本系統(tǒng)采用了貝葉斯分類器，該分類器訓(xùn)練簡單、識別率高，具有很廣泛的應(yīng)用。貝葉斯分類算法是一種概率分類算法[14]，其原理就是根據(jù)先驗概率計算出后驗概率，根據(jù)后驗概率的大小來確定具體類別，多類別的貝葉斯公式為

式中：P（ai│b）為后驗概率；P（ai）為先驗概率；P（b│ai）為條件概率密度函數(shù)；為非條件概率密度函數(shù)。根據(jù)貝葉斯決策理論如果P（ai│b）的值最大，則被測樣本分類為ai。在同一模式識別中對于不同類的貝葉斯公式中的全概率是相同的，在分類決策中不起作用，所以可以定義判別函數(shù)為

多維正態(tài)分布是樣本在更高維上的正態(tài)分布，其中一個協(xié)方差矩陣代替了方差，反映了各個維度之間存在的關(guān)聯(lián)，先驗概率是與特征向量無關(guān)的常量，設(shè)條件概率密度函數(shù)P（b│ai）服從多維正態(tài)分布，則判別函數(shù)可以表示為

根據(jù)訓(xùn)練樣本b 可以得到μ，Σ 如下：

對于訓(xùn)練樣本的動作類別一般都是相等的，故而先驗概率P（ai）對于不同的動作也相同，考慮到嵌入式系統(tǒng)的運算能力，忽略掉相同的常數(shù)項，只計算如下：

將要測試的樣本bj代入，得到后驗概率P（ai│bj），根據(jù)后驗概率值最大[15]的原則，ai即是當(dāng)前判別出來的分類結(jié)果。

3.3 嵌入式分類識別軟件設(shè)計

嵌入式軟件部分增加了FreeRTOS 操作系統(tǒng)[16]，這樣能夠很好的實現(xiàn)多任務(wù)處理。采用FreeRTOS對各個任務(wù)之間進行調(diào)度和時間管理，使得整個系統(tǒng)的開發(fā)更加趨于模塊化，便于系統(tǒng)的維護和穩(wěn)定運行。系統(tǒng)主要包括數(shù)據(jù)采集線程、數(shù)據(jù)處理線程及串口屏幕顯示線程。數(shù)據(jù)采集線程通過DMA 的方式直接讀取ADC 轉(zhuǎn)換的結(jié)果，最大程度的節(jié)約了CPU 資源，將讀取到的數(shù)據(jù)通過消息隊列發(fā)送給數(shù)據(jù)處理線程進行相關(guān)的識別后，將結(jié)果在串口屏上顯示。

3.3.1 任務(wù)通信調(diào)度

系統(tǒng)采用USART HMI 串口屏來實現(xiàn)人機交互，通過屏幕設(shè)計觸摸按鍵進行具體功能操作。系統(tǒng)中設(shè)計了數(shù)據(jù)采集任務(wù)、數(shù)據(jù)處理任務(wù)、屏幕顯示任務(wù)，任務(wù)之間的優(yōu)先級由高到低運行，優(yōu)先級相同時會合理的分配資源，各個任務(wù)之間的調(diào)度如圖6所示。

對于沒有增加操作系統(tǒng)的處理，CPU 不能被搶占，程序只能從上而下運行，即使是優(yōu)先級高的任務(wù)也要等到優(yōu)先級低的任務(wù)運行完成才能進行，這樣對信號的處理、用戶體驗以及系統(tǒng)的穩(wěn)定運行都有一定的弊端。在STM32 處理器中增加了操作系統(tǒng)后進行數(shù)據(jù)的采集與處理有著更強的實時性。將屏幕顯示任務(wù)設(shè)定為最低優(yōu)先級，當(dāng)按下屏幕上的按鍵后，通過消息隊列將按鍵的結(jié)果發(fā)送到較高優(yōu)先級的數(shù)據(jù)處理任務(wù)中，根據(jù)不同的按鍵結(jié)果進行訓(xùn)練或者識別，當(dāng)再次按下屏幕上的返回按鍵時，打斷高優(yōu)先級進入到低優(yōu)先級的主界面。

3.3.2 系統(tǒng)程序流程

首先按下訓(xùn)練按鍵，獲取各個通道的數(shù)據(jù)并且提取3 個特征，相同的動作重復(fù)5～10 次。訓(xùn)練結(jié)束后根據(jù)3.2 節(jié)建立的貝葉斯分類器模型，按下識別按鍵，進行手勢識別，系統(tǒng)軟件設(shè)計流程如圖7所示。

圖7 軟件流程Fig.7 Software flow chart

4 實驗測試

搭建硬件系統(tǒng)，將肌電傳感器粘貼到手臂上，首先按下KEY1 鍵進入訓(xùn)練模式，對握拳、伸展手、OK這3 個動作分別執(zhí)行30 次用于訓(xùn)練，并保存訓(xùn)練后的參數(shù)。按KEY3 鍵返回系統(tǒng)主界面，然后按下KEY2 鍵進入識別模式，執(zhí)行訓(xùn)練時所做的3 種不同的手勢動作，會在界面上顯示識別的結(jié)果，測試的準確率達到了85%以上。從而驗證了該系統(tǒng)的有效性與可靠性。不同手勢的識別精度如表1所示。

表1 不同手勢的識別精度Tab.1 Recognition accuracy of different gestures

通過多次反復(fù)測試，最終得到了如表1所示的實驗結(jié)果，其中握拳手勢的識別率最高，OK 手勢的識別率最低，由于握拳動作幅度較大，產(chǎn)生的肌電信號較強，特征明顯故而識別率高，而OK 動作幅度較小，產(chǎn)生的肌電信號較弱，使得識別率較低?？梢酝ㄟ^增加采集肌電信號的通道個數(shù)來更多的獲取不同手勢的數(shù)據(jù)，這樣可以進一步提升手勢識別率。

5 結(jié)語

本系統(tǒng)設(shè)計的前端調(diào)理硬件電路效率高、成本低、功耗低、尺寸小。能夠快速、穩(wěn)定的對肌電信號進行采集，有效抑制噪聲信號。軟件方面增加了實時操作系統(tǒng)，進行了多任務(wù)處理設(shè)計，模塊之間相互協(xié)調(diào)，在保證系統(tǒng)實時性的同時，系統(tǒng)的穩(wěn)定性得到了很大的提升，也為后續(xù)代碼維護，程序升級等方面提供了便利。