胡源淵， 吳慶勛， 劉瑞達(dá)， 劉 昊， 張利劍

（北京機(jī)械設(shè)備研究所， 北京 100854）

1 引言

艙外航天服作為航天員出艙活動(dòng)的核心裝備，為其提供生命保障支持的同時(shí)也帶來(lái)了關(guān)節(jié)阻力偏大、活動(dòng)受限等問(wèn)題，引起體能下降，影響作業(yè)時(shí)長(zhǎng)。 外骨骼作為一種人體機(jī)能增強(qiáng)裝備，與艙外服相結(jié)合可以有效解決其帶來(lái)的不利影響，從而提高作業(yè)效率。 然而由于太空微重力環(huán)境的影響，用于人體運(yùn)動(dòng)意圖感知的IMU（Inertial Measurement Unit）等傳感器可能存在失效風(fēng)險(xiǎn)，且IMU 等傳感器必須在人體產(chǎn)生初步運(yùn)動(dòng)行為后才可判斷運(yùn)動(dòng)趨勢(shì)，這降低了外骨骼克服艙外服阻力的效果。

NASA 和佛羅里達(dá)人機(jī)認(rèn)知機(jī)器人研究所研制的X1 空間主動(dòng)外骨骼航天服采用關(guān)節(jié)編碼器作為意圖辨識(shí)的傳感器，存在響應(yīng)滯后的問(wèn)題，降低了助力體驗(yàn)；劉奇林等設(shè)計(jì)了主動(dòng)航天服關(guān)節(jié)助力外骨骼，采用慣性測(cè)量器件與編碼器結(jié)合的方案，雖然解決了部分響應(yīng)的滯后問(wèn)題，但響應(yīng)能力仍不能滿足穿戴實(shí)時(shí)性需求。

本文采用柔性陣列肌電信號(hào)作為意圖感知器件，提出了柔性陣列電極以及掃頻篩選通斷檢測(cè)方法，將人體運(yùn)動(dòng)時(shí)與皮膚不接觸電極點(diǎn)進(jìn)行物理隔離，并研制分布式肌電采集系統(tǒng)，精確獲取人體運(yùn)動(dòng)時(shí)各個(gè)肌肉群的肌電信號(hào)；然后通過(guò)比較分析確定了基于樣本熵的運(yùn)動(dòng)意圖辨識(shí)方法；最后，在搭建的模擬低重力試驗(yàn)系統(tǒng)上進(jìn)行運(yùn)動(dòng)意圖辨識(shí)測(cè)試。

2 系統(tǒng)結(jié)構(gòu)

基于分布式柔性陣列肌電信號(hào)的外骨骼整體系統(tǒng)結(jié)構(gòu)如圖1 所示，由外骨骼本體和分布式柔性陣列肌電采集系統(tǒng)組成。

圖1 基于柔性陣列肌電信號(hào)的外骨骼整體系統(tǒng)結(jié)構(gòu)Fig.1 Overall exoskeleton system structure based on flexible array EMG signal

分布式柔性陣列肌電采集系統(tǒng)包括柔性陣列電極和肌電采集系統(tǒng)兩部分。 柔性陣列電極與下肢肌肉對(duì)應(yīng)皮膚表面接觸，將表皮肌電信號(hào)傳遞給肌電采集系統(tǒng)，肌電采集系統(tǒng)具備通斷檢測(cè)和肌電采集功能，首先通過(guò)通斷檢測(cè)篩選出陣列電極中與皮膚未接觸點(diǎn)并將其隔離，然后通過(guò)肌電采集將所有與皮膚接觸點(diǎn)傳遞的肌電信號(hào)完整精確采集，并根據(jù)采集的肌電信號(hào)實(shí)時(shí)辨識(shí)出當(dāng)前外骨骼運(yùn)動(dòng)意圖。

3 基于掃頻篩選的柔性陣列電極通斷檢測(cè)方法

傳統(tǒng)肌肉電信號(hào)傳感電極由單獨(dú)一整塊電極組成。 當(dāng)人體在運(yùn)動(dòng)時(shí)，肌肉蠕動(dòng)會(huì)造成皮膚表面與電極間產(chǎn)生不接觸點(diǎn)，容易引入噪聲干擾。 本文基于掃頻篩選的柔性陣列電極通斷檢測(cè)方法，實(shí)現(xiàn)對(duì)柔性陣列電極中各個(gè)電極點(diǎn)與皮膚之間接觸情況的實(shí)時(shí)檢測(cè)，精確辨識(shí)出與皮膚未接觸點(diǎn)并進(jìn)行物理隔離，隔缺未接觸點(diǎn)因天線效應(yīng)引入的環(huán)境干擾，用以提高肌電采集精度。

3.1 柔性陣列電極設(shè)計(jì)

在柔性陣列電極的設(shè)計(jì)上，為了提高與皮膚的匹配特性，并降低周圍環(huán)境對(duì)電極的注入干擾，柔性陣列電極采用柔性電路板（Flexible Printed Circuit，F(xiàn)PC）方式做內(nèi)埋式一體化設(shè)計(jì)，如圖2 所示。 除了與皮膚接觸的16 個(gè)獨(dú)立陣列電極點(diǎn)以外，所有通路都從第2 層信號(hào)層走，在第1 層和第3 層都使用屏蔽地層覆蓋，同時(shí)信號(hào)地層的四周均留出寬2 mm 的屏蔽地層，將信號(hào)完整覆蓋屏蔽，有效消除周邊環(huán)境注入干擾

圖2 內(nèi)埋式一體化設(shè)計(jì)原理圖Fig.2 Schematic diagram of embedded integrated design

綜合考慮覆蓋密度以及單點(diǎn)接觸面積，確定柔性電極為4×4，共16 個(gè)電極點(diǎn)的陣列排布，單個(gè)電極點(diǎn)為圓形電極，直徑為4 mm，相鄰兩電極邊沿間距為1.6 mm。 任意兩電極間不導(dǎo)通，實(shí)物如圖3 所示。

圖3 柔性4×4 陣列電極Fig.3 Flexible 4 × 4 array electrode

3.2 基于掃頻篩選的通斷檢測(cè)方法

基于掃頻篩選的通斷檢測(cè)方法原理圖如圖4所示。 1 個(gè)通道的肌電檢測(cè)由2 個(gè)柔性4×4 陣列電極和1 個(gè)通斷檢測(cè)電路組成，通斷檢測(cè)電路可以自由通斷每一路陣列電極點(diǎn)間的連接。

圖4 基于掃頻篩選的通斷檢測(cè)方法原理圖Fig. 4 On?off detection technology based on frequency sweep screening

為了避免未接觸點(diǎn)對(duì)采集的影響，需要在肌電采集前實(shí)時(shí)檢測(cè)出未接觸點(diǎn)的位置并將其有效隔離。 本文基于掃頻篩選的柔性陣列電極通斷檢測(cè)技術(shù)，從源頭對(duì)未接觸點(diǎn)進(jìn)行實(shí)時(shí)隔離，流程如圖5 所示。

圖5 技術(shù)實(shí)現(xiàn)流程圖Fig.5 Flow chart of technical implementation

1）系統(tǒng)總測(cè)試點(diǎn)確定。 肌電采集模塊從陣列電極1 的電極點(diǎn)1 開(kāi)始作為輸入點(diǎn)，依次測(cè)量與陣列電極1 中的其他電極點(diǎn)間的接觸阻抗，以最先測(cè)得輸入阻抗低于10 kΩ 的2 點(diǎn)中的任意1點(diǎn)作為系統(tǒng)總測(cè)試點(diǎn)；

2）無(wú)效接觸點(diǎn)辨識(shí)及隔離。 以系統(tǒng)總測(cè)試點(diǎn)為輸入，分別在其他所有電極點(diǎn)端計(jì)算出與系統(tǒng)總測(cè)試點(diǎn)間的接觸阻抗，若阻抗低于10 kΩ，則該電極點(diǎn)為有效接觸點(diǎn)，若阻抗高于10 kΩ，則該電極點(diǎn)為無(wú)效接觸點(diǎn)。 所有電極點(diǎn)測(cè)試完后，將無(wú)效接觸點(diǎn)與肌電采集模塊間的連接線路斷開(kāi)，確保無(wú)效接觸點(diǎn)能完全隔離，從而有效屏蔽無(wú)效接觸點(diǎn)引入的噪聲干擾。

3）有效接觸點(diǎn)耦合與采集。 將陣列電極1、陣列電極2 中的有效接觸點(diǎn)分別通過(guò)采集模塊耦合連接于一點(diǎn)，并進(jìn)行差分放大采集，從而得到隔離無(wú)效接觸點(diǎn)影響的純凈肌電信號(hào)。 同時(shí)為了保證每次肌電采集時(shí)均能隔離無(wú)效接觸點(diǎn)的影響，每隔一個(gè)固定的時(shí)間周期，系統(tǒng)重復(fù)一次上述步驟，從而確保了實(shí)時(shí)肌電信號(hào)采集的精確性。

為了辨識(shí)出未接觸點(diǎn)，需要測(cè)量各個(gè)電極點(diǎn)與皮膚間的接觸阻抗，傳統(tǒng)電極－皮膚接觸阻抗測(cè)試方法需要產(chǎn)生1 個(gè)和肌肉電頻率類似的正弦波信號(hào)，從1 個(gè)電極點(diǎn)注入皮膚，再測(cè)量其他點(diǎn)正弦波的峰峰值，并計(jì)算出等效阻抗，該種方式可以精確測(cè)量各個(gè)電極點(diǎn)間的接觸電阻值，從而判斷電極點(diǎn)與皮膚間的接觸情況，辨識(shí)并隔離出未接觸點(diǎn)。 但由于注入信號(hào)的存在，系統(tǒng)無(wú)法進(jìn)行有效的肌電數(shù)據(jù)采集，極大地破壞了肌電數(shù)據(jù)的連續(xù)性。 針對(duì)這種情況，本文研究得到肌電電壓紋波幅值變化情況與接觸阻抗間的關(guān)聯(lián)特性，如圖6 所示，由圖中可以看出，肌電電壓紋波幅值差與接觸阻抗間呈近似線性的變化關(guān)系，基于本文應(yīng)用目的是為了判斷電極與皮膚是否斷開(kāi)或者接觸，因此在肌電電壓紋波幅值差與接觸阻抗的變化趨勢(shì)一致且具有一定線性相關(guān)性的基礎(chǔ)上，可以用電壓紋波幅值差來(lái)直接表達(dá)電極與皮膚的接觸狀態(tài)。

圖6 肌電紋波差與接觸阻抗關(guān)聯(lián)特性Fig.6 Correlation between EMG ripple difference and contact impedance

從圖6 中可以看出，當(dāng)肌電紋波差大于2 mV時(shí)，接觸阻抗超過(guò)了100 kΩ，此時(shí)肌電采集精度會(huì)很不理想，因此，以2 mV 作為電極斷開(kāi)的判據(jù)，在每次采集各個(gè)通道肌電數(shù)據(jù)的同時(shí)，通過(guò)計(jì)算各個(gè)通道肌電電壓紋波差來(lái)反向計(jì)算出各個(gè)電極點(diǎn)與皮膚的接觸阻抗，從而實(shí)現(xiàn)對(duì)各個(gè)電極點(diǎn)與皮膚間接觸阻抗的實(shí)時(shí)計(jì)算，在不影響肌電信號(hào)采集的同時(shí)，實(shí)時(shí)檢測(cè)出未接觸點(diǎn)并予以隔離。具體流程如圖7 所示。 為消除突刺對(duì)判定的干擾影響，當(dāng)系統(tǒng)連續(xù)1000 次采集的肌電紋波差值都大于2 mV 時(shí)，判定該路電極與皮膚未接觸，并將其與皮膚物理隔離，其他所有通道也都按照這種方法進(jìn)行，從而極大地消除了未接觸電極給肌電采集精度帶來(lái)的干擾。

圖7 控制流程圖Fig.7 Flow chart of the control

4 分布式肌電采集系統(tǒng)設(shè)計(jì)

針對(duì)肌電信號(hào)的幅值在0.05～2 mV 時(shí)，有效頻率主要在0 ～150 Hz這一特性展開(kāi)設(shè)計(jì)。 其工作原理圖如圖8 所示。

圖8 肌電采集系統(tǒng)工作原理圖Fig.8 Working principle diagram of EMG acquisition system

為了保證設(shè)計(jì)電路的抗干擾性，系統(tǒng)設(shè)計(jì)時(shí)將模擬電路以及數(shù)字電路部分進(jìn)行隔離，以降低系統(tǒng)數(shù)字部分對(duì)微弱模擬信號(hào)的干擾。

4.1 肌電采集系統(tǒng)模擬電路設(shè)計(jì)

肌電采集系統(tǒng)模擬電路包括低通濾波模塊、50 Hz 陷波模塊、百倍差分放大模塊以及共模抑制模塊。 信號(hào)經(jīng)導(dǎo)線輸入到采集模塊后，首先經(jīng)過(guò)50 Hz 陷波模塊和低通濾波模塊的濾波處理，將信號(hào)中的無(wú)用部分濾除，避免了后續(xù)高倍放大時(shí)造成放大電路過(guò)飽和。 濾波后的信號(hào)經(jīng)過(guò)百倍差分放大后變成容易采集的大電壓信號(hào)，并通過(guò)24 位高精度模數(shù)轉(zhuǎn)換電路進(jìn)行精確采集。 同時(shí)為了有效抑制人體共模信號(hào)的干擾，引出共模抑制電路來(lái)消除共模信號(hào)。

圖9 所示為50 Hz 陷波以及低通濾波模塊，為了保證信號(hào)處理中噪聲干擾盡可能的小，選用具有1.2 μV 峰峰值的低噪聲運(yùn)放AD8639 和opa4376，完全滿足系統(tǒng)精度要求，可有效抑制50 Hz噪聲以及150 Hz 以上的高頻噪聲。

圖9 陷波及低通濾波電路Fig.9 Notch and low?pass filter circuit

100 倍差分放大電路選用AD8222 高精度儀表放大器，該芯片具有0.25 μV 的極低噪聲輸入，在100 倍放大倍數(shù)下有140 kHz 的帶寬，同時(shí)還具有126 dB 的高共模抑制能力，可以保證對(duì)信號(hào)的精確放大，同時(shí)選用AD8639 芯片搭建共模抑制電路，能將差分電路上的共模信號(hào)精確提取并放大反饋到人體表皮，從源頭抵消了共模信號(hào)的產(chǎn)生，有效抑制了干擾。 其電路圖如圖10所示。

圖10 100 倍差分放大及共模抑制電路Fig.10 100 times differential amplification and com?mon mode suppression circuit

4.2 肌電采集系統(tǒng)數(shù)字電路設(shè)計(jì)

肌電采集系統(tǒng)數(shù)字電路包括模數(shù)轉(zhuǎn)換電路以及控制模塊。 模數(shù)轉(zhuǎn)換電路負(fù)責(zé)將模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，便于后期計(jì)算機(jī)分析處理。 本文選用TI 公司生產(chǎn)的并行采樣24 位模數(shù)轉(zhuǎn)換器ADS1298，此款器件具有8 個(gè)獨(dú)立∑－△調(diào)制解調(diào)器和數(shù)字濾波器實(shí)現(xiàn)8 路信號(hào)同步采集，支持通道休眠，而且方便獨(dú)立地控制每一個(gè)通道的工作狀態(tài)。 其電路圖如圖11 所示。

圖11 24 位高精度模數(shù)轉(zhuǎn)換電路Fig.11 24 bit high precision analog?to?digital conver?sion circuit

控制模塊采用STM 公司的STM32F405 芯片作為主控制器，其主頻高達(dá)168 MHz，自帶多種擴(kuò)展協(xié)議接口，且具有10 mm×10 mm 的極小封裝尺寸，滿足系統(tǒng)高速小型化需求，其設(shè)計(jì)電路如圖12 所示。

圖12 控制模塊電路Fig.12 Circuit of control module

5 基于肌電信號(hào)的運(yùn)動(dòng)意圖辨識(shí)算法

5.1 基于肌電樣本熵的踝關(guān)節(jié)運(yùn)動(dòng)意圖辨識(shí)

踝關(guān)節(jié)發(fā)力的時(shí)機(jī)是影響助力效果的主要因素之一。 為了實(shí)現(xiàn)良好的助力效果，需要在稍微提前于人體關(guān)節(jié)發(fā)力的時(shí)刻給踝關(guān)節(jié)相應(yīng)部位提供助力。 人體踝關(guān)節(jié)在整個(gè)步態(tài)周期內(nèi)的功率曲線如圖13 所示，由圖可以看出，踝關(guān)節(jié)在步態(tài)周期的57%～68%時(shí)間內(nèi)以較大的功率快速發(fā)力，總時(shí)間僅占步態(tài)周期的10%左右。 人體踝關(guān)節(jié)快速集中發(fā)力的特點(diǎn)對(duì)外骨骼踝關(guān)節(jié)發(fā)力控制提出了更高的要求。 傳統(tǒng)的人體步態(tài)檢測(cè)方法根據(jù)關(guān)節(jié)處編碼器或者足底壓力對(duì)關(guān)節(jié)運(yùn)動(dòng)意圖進(jìn)行辨識(shí)并進(jìn)行發(fā)力控制，存在發(fā)力滯后的問(wèn)題，嚴(yán)重影響助力效果。 本文采用肌電信號(hào)作為關(guān)節(jié)發(fā)力控制的參考信號(hào)，由于肌電信號(hào)先于關(guān)節(jié)運(yùn)動(dòng)產(chǎn)生，可以提前預(yù)測(cè)關(guān)節(jié)發(fā)力時(shí)機(jī)。

圖13 步態(tài)周期內(nèi)踝關(guān)節(jié)功率曲線Fig.13 Medial ankle power curve in gait cycle

關(guān)節(jié)發(fā)力時(shí)機(jī)的識(shí)別問(wèn)題可轉(zhuǎn)化為對(duì)肌電信號(hào)的起始點(diǎn)識(shí)別問(wèn)題。 盡管肌電信號(hào)具有提前預(yù)測(cè)功能等優(yōu)點(diǎn)，但是肌電信號(hào)容易受偽跡噪聲、電磁干擾等因素影響。 當(dāng)肌電受到噪聲干擾時(shí)，容易造成起始點(diǎn)的虛警。 樣本熵（Sample Entropy，SampEn）通過(guò)衡量時(shí)間序列復(fù)雜性來(lái)度量信號(hào)中產(chǎn)生新模式的概率大小，克服了數(shù)據(jù)偏差，具有更強(qiáng)的抗噪能力和優(yōu)異的一致性，同時(shí)采用較少的數(shù)據(jù)段即可得到穩(wěn)定的熵值。

踝關(guān)節(jié)周圍的肌肉包括腓腸肌、比目魚(yú)肌和脛骨前肌。 比目魚(yú)肌為深層肌肉，不能采集其表面肌電信號(hào)，脛骨前肌在小腿前側(cè)，肌電采集模塊若安裝在脛骨前肌部位，會(huì)與空間外骨骼發(fā)生干涉，因此選擇腓腸肌作為采集信號(hào)的發(fā)力肌肉。

5.1.1 樣本熵計(jì)算

設(shè)每幀信號(hào)為｛（）｝，其中＝1，2，…，，為數(shù)據(jù)長(zhǎng)度總和。 將每幀信號(hào)序列中連續(xù)個(gè)值構(gòu)成一個(gè)維矢量如式（1）所示：

定義（） 與（） 的距離［（），（）］ 為兩者對(duì)應(yīng)元素中差值最大值，如式（2）所示：

給定相似容差，對(duì)于每一個(gè)≤，統(tǒng)計(jì)［（），（）］的個(gè)數(shù)（也稱模版匹配數(shù)），并對(duì)距離總數(shù)－＋1 求均值，得到所有－條件下的模版匹配數(shù)，對(duì)矢量個(gè)數(shù)總和－求平均，如式（3）所示：

將矢量維度改為＋1，得到（），如式（4）所示：

那么，對(duì)于每幀數(shù)據(jù)長(zhǎng)度為的肌電信號(hào)，其對(duì)應(yīng)的樣本熵值計(jì)算函數(shù)如式（5）所示：

由此可以看出函數(shù)（）取決于，和，一般?。?.1～0.25）×（），其中（）為信號(hào)的標(biāo)準(zhǔn)差。當(dāng)為每幀數(shù)據(jù)時(shí)，相似容差是局部的；當(dāng)為某一段完整的數(shù)據(jù)時(shí)，相似容差是全局的。 本文中取全局相似容差。

5.1.2 基于樣本熵的踝關(guān)節(jié)運(yùn)動(dòng)意圖辨識(shí)方法

基于樣本熵的肌電信號(hào)實(shí)時(shí)起始點(diǎn)檢測(cè)算法流程如圖14 所示。 其中代表樣本熵，表示設(shè)定的樣本熵閾值。

圖14 基于樣本熵的肌電信號(hào)實(shí)時(shí)起始點(diǎn)檢測(cè)算法流程Fig.14 Algorithm flow of EMG real?time starting point detection based on sample entropy

基于樣本熵的關(guān)節(jié)發(fā)力控制流程如圖15 所示。 其中表示設(shè)定的時(shí)間間隔。 樣本熵優(yōu)異的抗噪性能加上雙層確認(rèn)條件，可以大幅降低關(guān)節(jié)發(fā)力誤判的概率。

圖15 基于樣本熵的關(guān)節(jié)發(fā)力控制流程圖Fig.15 Flow chart of joint force control based on sample entropy

采集人體小腿腓腸肌肌電信號(hào)，曲線如圖16中的藍(lán)線所示。 首先進(jìn)行零均值處理，然后調(diào)用樣本熵計(jì)算子函數(shù)，得到的樣本熵曲線如圖17 所示，可以看出，所得到的樣本熵曲線呈單峰狀，因此可以通過(guò)設(shè)定合適的閾值，判斷小腿開(kāi)始運(yùn)動(dòng)的起始點(diǎn)。 圖16 中的紅線為設(shè)定閾值后的起始點(diǎn)辨識(shí)結(jié)果，可以看出，樣本熵算法可以準(zhǔn)確有效地實(shí)現(xiàn)對(duì)肌電起始點(diǎn)的判斷。

圖16 肌電原始信號(hào)與起始點(diǎn)辨識(shí)結(jié)果Fig.16 Identification results of EMG original signal and starting point

圖17 樣本熵曲線Fig.17 Entropy curve of sample

5.2 基于能量算子的腳踝動(dòng)作意圖辨識(shí)

利用能量算子（Teager?Kaiser Energy，TKE）特征提取對(duì)肌電信號(hào)進(jìn)行能量算子非線性變換運(yùn)算，并將計(jì)算后的值作為踝關(guān)節(jié)運(yùn)動(dòng)辨識(shí)特征，其中能量算子變換公式為［（）］＝（）（＋1）（1） ，其中（） 為肌電信號(hào)。 對(duì)于具有零均值、震蕩特性肌電信號(hào)cos（＋） 而言，能量算子變換后的值為sin（） ，同時(shí)涉及到幅值和頻率信息。 與靜息狀態(tài)下肌電信號(hào)相比，動(dòng)作狀態(tài)下的肌電信號(hào)不僅幅值變大，而且頻率增高，具有較高的可區(qū)分性和可靠性，可解決在低信噪比肌電條件下的踝關(guān)節(jié)動(dòng)作的實(shí)時(shí)辨識(shí)，并且具有算法簡(jiǎn)單、準(zhǔn)確度和魯棒性高、響應(yīng)速度快等特點(diǎn)。 如圖18 所示，上圖為采集到的原始肌電信號(hào)，下圖為經(jīng)過(guò)能量算子處理之后的特征信號(hào)，靜息狀態(tài)下肌電基線噪聲被明顯抑制，而動(dòng)作狀態(tài)下的肌電信號(hào)得到顯著增強(qiáng)，大大提高了對(duì)動(dòng)作／非動(dòng)作意圖的辨識(shí)性。

圖18 腓腸肌原始肌電與TKE 能量算子處理Fig.18 Primitive electromyography of gastrocnemius and treatment of TKE energy operator

在人體運(yùn)動(dòng)過(guò)程中，會(huì)有不確定的毛刺噪聲信號(hào)引入到肌電中，嚴(yán)重影響了基于肌電的運(yùn)動(dòng)辨識(shí)。 針對(duì)此問(wèn)題，通過(guò)基于時(shí)間－動(dòng)作校正的雙閾值判斷方法，降低因毛刺噪聲而引起的誤判概率，如圖19 所示。 基于時(shí)間－動(dòng)作校正的雙閾值方法是通過(guò)判斷TKE 能量算子值連續(xù)超過(guò)閾值一定時(shí)長(zhǎng)后，才更新識(shí)別狀態(tài)標(biāo)記，否則維持其當(dāng)前狀態(tài)不變。 通過(guò)該方法，實(shí)現(xiàn)對(duì)腳踝動(dòng)作的辨識(shí)，顯著提升了辨識(shí)的準(zhǔn)確性，如圖20 所示。但時(shí)間－動(dòng)作校正的雙閾值方法方法降低了動(dòng)作辨識(shí)的時(shí)效性，因此需根據(jù)具體時(shí)效應(yīng)用需求，對(duì)時(shí)間長(zhǎng)度閾值進(jìn)行合理設(shè)置。

圖19 基于時(shí)間－動(dòng)作校正的雙閾值判斷方法Fig.19 Double threshold judgment method based on time?action correction

圖20 踝關(guān)節(jié)動(dòng)作意圖（趾屈／背屈）辨識(shí)結(jié)果Fig.20 Identification results of ankle movement in?tention （toe flexion ／ back flexion）

從基于肌電樣本熵的踝關(guān)節(jié)運(yùn)動(dòng)意圖辨識(shí)和基于能量算子的腳踝動(dòng)作意圖辨識(shí)2 種方法的算法和辨識(shí)效果可以看出，2 種算法都具有較好的辨識(shí)效果。 樣本熵的優(yōu)勢(shì)在于一次計(jì)算就可以實(shí)現(xiàn)起始點(diǎn)的準(zhǔn)確識(shí)別，而能量算子需要雙閾值進(jìn)行判斷；樣本熵的缺點(diǎn)是運(yùn)算量比能量算子要大，但是由于現(xiàn)在處理器的主頻和計(jì)算能力比較高，綜合考慮，本文采用基于樣本熵的方法進(jìn)行識(shí)別。

6 運(yùn)動(dòng)意圖辨識(shí)試驗(yàn)

6.1 預(yù)試驗(yàn)

在常規(guī)的跑臺(tái)上開(kāi)展運(yùn)動(dòng)辨識(shí)預(yù)試驗(yàn)，構(gòu)建基于肌電信號(hào)的辨識(shí)模型。 選取8 名身體健壯、狀態(tài)良好的被試者，在小腿腓腸肌綁縛柔性陣列肌電采集模塊用于采集肌電信號(hào)。 利用室內(nèi)光學(xué)動(dòng)作捕捉系統(tǒng)采集踝部動(dòng)作，在足部粘貼反光球用于標(biāo)記足跟觸地時(shí)刻，如圖21 所示。 被試者以5 km／h 速度在跑臺(tái)上行走60 min，同時(shí)以500 Hz的采樣頻率采集肌電和動(dòng)作捕捉數(shù)據(jù)。 計(jì)算肌電信號(hào)的樣本熵，用動(dòng)作捕捉數(shù)據(jù)進(jìn)行標(biāo)記。

圖21 運(yùn)動(dòng)意圖辨識(shí)試驗(yàn)Fig.21 Test of motion intention identification

當(dāng)腳跟觸地瞬間，柔性外骨骼開(kāi)始助力踝關(guān)節(jié)運(yùn)動(dòng)，此時(shí)刻為發(fā)力起始時(shí)刻。 采用肌電信號(hào)樣本熵閾值辨識(shí)的方法計(jì)算發(fā)力起始時(shí)刻。 利用試驗(yàn)結(jié)果，優(yōu)化算法的閾值，計(jì)算模型的ROC 曲線下方面積（Area Under Curve，AUC）。

根據(jù)柔性外骨骼的控制系統(tǒng)要求，助力時(shí)機(jī)起始時(shí)間誤差應(yīng)在±0.1 s 以內(nèi)。 樣本集包括小腿腓腸肌肌電信號(hào)和與之對(duì)應(yīng)的動(dòng)作捕捉數(shù)據(jù)，依據(jù)動(dòng)作對(duì)樣本集進(jìn)行分解，1 個(gè)步態(tài)周期為1個(gè)動(dòng)作。 如圖22 所示，利用肌電樣本熵閾值判斷發(fā)力起始時(shí)機(jī)，以動(dòng)作捕捉系統(tǒng)記錄的足跟觸地時(shí)機(jī)作為標(biāo)記，當(dāng)判斷的發(fā)力時(shí)機(jī)與觸地時(shí)刻的時(shí)間誤差在±0.1 s 內(nèi)，則認(rèn)為該動(dòng)作辨識(shí)正確，對(duì)樣本集所有動(dòng)作辨識(shí)結(jié)果進(jìn)行統(tǒng)計(jì)，可以計(jì)算出該算法的準(zhǔn)確性。

圖22 發(fā)力起始時(shí)間辨識(shí)Fig.22 Identification of starting time of force

閾值的選取直接影響樣本熵方法辨識(shí)效果的準(zhǔn)確性，閾值設(shè)定過(guò)低，則結(jié)果的假陽(yáng)性率增加；閾值設(shè)置過(guò)高，則結(jié)果的真陽(yáng)性率降低。 因此，有必要基于樣本集找到最佳的閾值，平衡算法的敏感性和精確性，提高發(fā)力時(shí)機(jī)判斷的準(zhǔn)確性。

本文采用受試者的工作特征曲線（Receiver Operating Characteristic Curve，ROC）找到檢測(cè)樣本熵的最佳閾值點(diǎn)。 ROC 曲線是根據(jù)一系列不同的二分類方式（分界值或決定閾），以真陽(yáng)性率（True Positive Rate，TPR）為縱坐標(biāo)，假陽(yáng)性率（False Positive Rate，F(xiàn)PR）為橫坐標(biāo)繪制的曲線，可以反映模型在選取不同閾值的時(shí)候其敏感性和其精確性的趨勢(shì)走向。 根據(jù)8 名受試者發(fā)力起始時(shí)刻的肌電信號(hào)樣本熵范圍，選取尋優(yōu)區(qū)間，樣本熵最大值為1.42，最小值為0.86，因此，選取閾值的尋優(yōu)區(qū)間為0.86 ～1.42，梯度為0.02。 計(jì)算不同閾值狀態(tài)下識(shí)別結(jié)果的真陽(yáng)性率和假陽(yáng)性率，繪制ROC 曲線，如圖23 所示，圖中藍(lán)色線為ROC 曲線標(biāo)準(zhǔn)形式。

圖23 動(dòng)作意圖辨識(shí)ROC 曲線Fig.23 ROC curve of action intention identification

從圖23 中可以看出，依據(jù)ROC 曲線原理，左上角A 點(diǎn)位置為閾值選取的最佳位置，此狀態(tài)下FPR 為0.09，TPR 為0.94，此時(shí)閾值為1.12，因此設(shè)定1.12 為最終的動(dòng)作辨識(shí)閾值，此時(shí)AUC為95%。

不同的肌電采集系統(tǒng)采樣頻率、信噪比不同，不同人體的肌肉特性不一樣，導(dǎo)致肌電信號(hào)復(fù)雜度不同，因此其樣本熵也存在差異。 為了提高模型的泛化能力，實(shí)現(xiàn)在不同傳感系統(tǒng)、不同被試間完成運(yùn)動(dòng)意圖辨識(shí)，本文提出提出樣本熵閾值縮放算法，如式（6）所示：

式中，為原模型肌電信號(hào)樣本熵峰值的平均值，為改變采集系統(tǒng)或被試者后肌電信號(hào)樣本熵峰值的平均值，為原模型肌電信號(hào)模型的閾值，為新?tīng)顟B(tài)下的肌電信號(hào)模型的閾值。

6.2 低重力模式試驗(yàn)

為了驗(yàn)證本文方法在低重力環(huán)境下的有效性，開(kāi)展低重力模式試驗(yàn)。 搭建模擬低重力試驗(yàn)系統(tǒng)，用彈性吊繩將人半吊在空中，模擬1／6 重力環(huán)境。 被試者穿著空間助力外骨骼，以3.5 km／h速度行走，按照預(yù)實(shí)驗(yàn)的方法分別記錄肌電信號(hào)和足跟觸地過(guò)程運(yùn)動(dòng)學(xué)數(shù)據(jù)，如圖24 所示。

圖24 模擬低空微重力環(huán)境運(yùn)動(dòng)意圖辨識(shí)試驗(yàn)Fig.24 Test of motion intention identification in sim?ulated low altitude micro?gravity environ?ment

以光學(xué)捕捉系統(tǒng)采集的觸地?cái)?shù)據(jù)為真值，采用閾值縮放的樣本熵方法對(duì)采集結(jié)果進(jìn)行辨識(shí)。設(shè)足跟觸地時(shí)為1 狀態(tài)，擺動(dòng)時(shí)為0 狀態(tài)，結(jié)果如圖25 所示，縱坐標(biāo)為足跟狀態(tài)，藍(lán)色線為真值，黃色線為預(yù)測(cè)值，準(zhǔn)確率為94.2%，證明了采用肌電信號(hào)樣本熵可以實(shí)現(xiàn)低重力環(huán)境下下肢行走動(dòng)作的精準(zhǔn)辨識(shí)，為后續(xù)助力控制提供了精確的發(fā)力標(biāo)志。

圖25 真值與預(yù)測(cè)值辨識(shí)結(jié)果對(duì)比Fig.25 Comparison of identification results between true value and predicted value

7 結(jié)論

本文提出了基于柔性陣列電極的分布式肌電步態(tài)辨識(shí)方法，并研制了分布式肌電采集系統(tǒng)，通過(guò)常規(guī)運(yùn)動(dòng)測(cè)試及模擬低重力試驗(yàn)驗(yàn)證辨識(shí)準(zhǔn)確率及動(dòng)態(tài)響應(yīng)速率。 試驗(yàn)結(jié)果表明，辨識(shí)準(zhǔn)確率大于90%，動(dòng)態(tài)響應(yīng)速率在±0.1 s之內(nèi)，可以滿足航天員實(shí)際穿戴需要，為后續(xù)助力控制提供了精確的發(fā)力標(biāo)志。

后續(xù)有待進(jìn)一步研究的問(wèn)題包括：

1）肌電采集系統(tǒng)的穿戴便捷性，研究如何保證穿戴肌電系統(tǒng)與空間外骨骼在結(jié)構(gòu)與電氣上良好匹配不干涉；

2）肌電電極目前通過(guò)綁縛的形式保證與皮膚的緊密貼合，但這樣長(zhǎng)時(shí)間工作會(huì)給穿戴者帶來(lái)不舒適的體驗(yàn)，如何提高穿戴舒適性與長(zhǎng)久性也是后續(xù)研究的重點(diǎn)方向。