表面肌电信号分析及其在康复医学中的应用

  本文关键词：表面肌电信号分析及其在康复医学中的应用，由笔耕文化传播整理发布。

第28卷第11期

机电工程

2011年11月JournalofMechanical&ElectricalEngineering

Vol.28No.11Nov.2011

表面肌电信号分析及其在康复医学中的应用

吴

銮，黄鹏程，鲍官军，杨庆华

*

*

（浙江工业大学特种装备制造与先进加工技术教育部/浙江省重点实验室，浙江杭州310032）

摘要：表面肌电信号（ｓＥＭＧ）有多种分析处理方法，如时域、频域、参数模型、时－频域、非线性动力学等方法，针对分析处理方法的选优劣与使用情况。研究结果表明，每种分析处理方法都取问题，通过分析研究各类分析处理方法，比较了各类分析处理方法的特点、有各自的优缺点和适用范围，具体使用时应很据实际情况选择确切的方法。并对肌电信号分析处理在康复医学中的应用领域上（康复评估、假肢和康复机器人）进行了展望。

关键词：表面肌电信号；信号分析处理；时域－频域分析；康复医学；康复评估；康复机器人中图分类号：Ｒ７４１；ＴＰ２９

文献标志码：Ａ

文章编号：１００１－４５５１（２０１１）１１－１３６８－０６

sEMGsignalanalysismethodanditsapplicationinrehabilitationmedicine

WULuan，HUANGPeng-cheng，BAOGuan-jun，YANGQing-hua

（KeyLabofE&M，MinistryofEducation&ZhejiangProvince，ZhejiangUniversityofTechnology，

Hangzhou310032，China）

Abstract：Therearevarioussurfaceelectromyography（sEMG）analysismethods，astimedomain，frequencydomain，parametersmodel，time-frequencydomain，nonlineardynamicsdomainandsoon.AimingatchoosingmethodtoanalysissEMG，afteranalyzingvariousthefeatures，advantagesanddisadvantages，usecaseofthosemethodswerecompared.Theresultsindicatethateveryanalysismethods，

methodhasitsowncharacteristicsandshouldbeselectedaccordingactualsituation.Within-depthresearch，sEMGiswidelyusedinrehabilitationmedicine，especiallyinrehabilitationevaluation，prostheticsandrehabilitationrobotics.

Keywords：surfaceelectromyography（sEMG）；signalanalysisandprocess；time-frequencydomain；rehabilitationmedicine；evaluationofrehabilitation；rehabilitationrobotics

0引言

［2］

号称之为表面肌电信号（sEMG）。这些年来，肌电信号的检测与分析取得了飞速的进步，使其广泛地应用

在人体肌肉内，中枢神经系统的运动神经发出的

动作电位通过神经纤维到达肌肉，肌肉产生兴奋和收缩，肌电信号（EMG）就是由许多微弱的动作电位组合的序列总和，其中蕴涵了很多与人体动作相关联的信息［1］。肌电信号可通过表面肌电拾取电极或针式肌电拾取电极加以引导、记录，通过针电极拾取的肌电信号称之为针肌电信号，而通过表面电极拾取的肌电信

收稿日期：２０１１－０５－１９

于临床诊断、康复、仿生控制和工程应用等领域。由于

表面肌电信号是从人体骨骼肌表面通过电极引导、记录下来的神经肌肉活动发射的生物电信号［3］，与肌肉的活动状态和功能状态之间存在着不同程度的关联性，能在一定程度上反映神经、肌肉的活动。肌电信号是具有明显特征的人体电信号，本研究所做的特征提取就是寻找出这种明显的特征，主要通

基金项目：国家高技术研究发展计划（“８６３”计划）资助项目（２００９ＡＡ０４Ｚ２０９）；国家自然科学基金资助项目（５１０７５３６３）；浙江省自然科学基金杰出青年团队资助项目（Ｒ１０９０６７４）

作者简介：吴

銮（１９８７－），男，浙江平阳人，主要从事肌电信号分析及应用方面的研究．Ｅ－ｍａｉｌ：ｌｉｎｇｌｕａｎｗｉｎ＠１６３．ｃｏｍ

通信联系人：杨庆华，男，教授，博士生导师．Ｅ－ｍａｉｌ：ｋｉｎｇ＠ｚｊｕｔ．ｅｄｕ．ｃｎ

第１１期吴銮，等：表面肌电信号分析及其在康复医学中的应用

·1369·

过肌电信号分析，提取较为明显、有效的特征值；然后再根据有效特征值的差异，进行模式分类，，从而确定不同的肌肉运动，以驱动假肢、手臂关节与大腿关节等康复器［4-5］。

理论依据［14］。孔德刚等用平均功率频率和积分肌电值方法对拖拉机驾驶员颈部胸锁乳突肌的表面肌电信号进了分析处理，得出驾驶员颈部肌肉疲劳的原因，以及提出了缓解疲劳的建议［15］。高峰等分别检测其平均功率频率、中值频率和平均肌电值3种指标对攀岩

训练中运动员的上肢主要做功肌肉的表面肌电信号进行分析，探讨肌电图在攀岩过程中的可行性［16］。王喜太等利用功率谱比值等方法进行小腿截肢者康复训练中股直肌的表面肌电信号的特征提取，并用所提取的特征值作为输出建立表面肌电信号与下肢残肢康复动作之间的依据［17］。但传统的傅里叶变换法存在一定弊病，使用傅立叶变换研究信号时，要求获得信号在时域的全部信息，甚至包括将来的信息，这很难满足。此外傅立叶变换在时域中没有分辨，信号在某一时刻的变化将影响整个频谱特性。表面肌电信号是具有非平稳性和非线性的随机信号，因此在采用传统的傅立叶变换实时分析肌电信号时受到了限制。1.3参数模型

参数模型法因为具有频率分辨率高的优点，成为了表面肌电信号分析的重要途径，其中典型的是AR模型法，AR模型参数的估计得到的是线性方程，计算比较简便，而且实际的物理系统往往是全极点系统，所以基于AR模型的功率谱估计是现代谱估计中最常用的一种方法。利用AR模型进行功率谱估计的实质是求解模型的均方误差σ2w和参数αk两个参数的问题。目前这些参数的提取算法主要有Levinson-Durbin算法、Burg算法和Marple算法3种［18］。参数模型法将随机过程的随机性和一定程度的可测性有机地结合起来，其激励白噪声反映过程的随机性，确定性模型反映过程的可预测性。刘宏等人［19］通过在健康受试者前臂处安放8个表面肌肤干电极提取肌电信号，使用双通道肌电信号作为控制源，4阶AR模型参数作为特征，基于LM算法的BP神经网络作为分类器，以较高成功率实现人手10种姿态的分类。PaissO.等建立了人体肱二头肌表面肌电信号AR模型，追踪能反映运动单位放电频率的低频信号成分以及反映运动电位波形的较高频率成分，并进行肌电功率谱分析，用于局部肌肉的疲劳检测［20］。与经典傅里叶谱分析相比，参数模型法能较好地估计信号功率谱，使用AR模型分析处理表面肌电信号时，应该根据需要选择合适的算法，Levinson-Durbin算法简单，但是分辨率较差；Burg算法容易出现谱线分裂和伪峰，受初相的影响产生频率偏移，但是它能满足大多数的应用要求，且计算不太复杂；Marple算法运算量较大，但性能最好，分辨率最高。

1

1.1

肌电信号的分析方法

时域分析

时域方法是传统的肌电信号分析方法，将肌电信号看作时间的函数，通过对时域信号的分析，可以得到信号的某些统计特征，例如可以对信号进行整形、滤波，计算信号的积分肌电值、平均肌电值、幅值的直过零次数、均方值等，然后将其作为信号的特征方图、

用于模式分类［6］。时域特征的提取相对其他方法而言比较简单，所以它在康复医学应用领域中的技术比较成熟，应用比较广泛。章亚男［7］等人采集人体踝关节在一个自由度上做屈伸运动时的胫骨前肌和腓肠肌的表面肌电信号，提取表面肌电信号的均方根作为特种向量，通过均方根的阈值控制法，来实现踝关节康复装置的控制。王子羲［8-10］等人利用同步肌电分析方法，对偏瘫患者的上肢主要肌群的表面肌电信号分析，他们通过提取幅值变化的统计学规律来建立患者在完成这个动作时的多肌电模型，量化反映被测试人员完成动作时肌肉协调时序关系的规律和该测试动作的

A.E.Hibbs等人采取时域方法（肌电均值与峰值）特征。

用于康复评价［11］。但时域分析方法存在许多缺点，如信息利用不充分，信号在固定时刻或固定时间区域内的孤立值本身很少有意义；如被检查者对肌肉收缩程度的控制很难掌握，肌肉一旦用力过度，将会产生重叠运动单元的动作电位，造成干扰波形。1.2

频域分析

传统的频域分析方法是通过傅里叶变换（FT）将

时域信号转换为频域信号，从而对信号的频谱或功率谱进行分析。由于傅里叶变换的计算量十分庞大，1965年Cooley和Tukey［12］提出了快速傅里叶变换

），并随着计算机的出现而得以实现，傅里叶变换（FFT

法为信号处理及分析开拓了一个新领域。肌电信号的频率分析也能提供关于肌肉某种特征的有价值信息，

）、均值频率、频率范围、最高常用指标有中值频率（MF波峰频率、最高波峰幅值、平均功率频率（MPF），其中

平均功率频率和中值频率是临床判别肌肉活动的常用指标［13］。现阶段频域方法的应用也比较成熟，经常用于临床肌电图、神经肌肉疲劳检测，还有肌电假肢的控制。王坤等针对肌肉疲劳状态下提取的表面肌电信号，采用幅频联合的分析方法，为进一步研究肌肉疲劳状态的表面肌电信号的变化提供了方法支持与

·1370·机电工程第２８卷

1.4人工神经网络

人工神经网络（ANN）模仿生物神经元结构和神

域的走向和突变。不过对于慢变化的信号，通过适当选择窗函数，仍可获得较好的效果。1.5.2

小波（WT）变换

小波变换是由法国地质学家MorletJ和Gross－mannA于1984年提出。他们在分析地震波的局部时，

发现传统的傅立叶变换难以达到要求，从而引入了小

它用一个波概念。小波变换是傅里叶变换的新发展，函数代替传统傅里叶级数的系数，克服了傅里叶级数

不能反映信号局部特性的不足，能够分析非周期函数。对信号进行小波分析前，首先要确定小波变换的类型，如果是连续的小波变换，则频率分辨率明显高于二值离散小波，而且在对肌电信号分析时，低频信号对应宽时域窗口，高频信号对应窄时域窗口。选择基本小波后，通过不同的位移和尺度变化就可以实现信号的多分辨率变换。赵京东等人采用Coiflet4小波

实现了对拇对3通道肌电信号进行4尺度小波分解，

指弯曲/伸展、食指弯曲/伸展、中指弯曲/伸展的动作识对该肌电信别［26］。李醒飞等人根据采集的肌电信号，

号进行小波处理，能够有效地识别握拳、展拳、手腕内旋和手腕外旋4种动作模式［27］。GuoXin等人利用小波变换及小波包变换对人体下肢行走时的肌电信号局部突变进行消噪处理［28］。小波具有紧支撑的性质，

信息的作用能很好地反映出来，处理、捕捉突变信号，灵敏度很高。进行小波分析时，先要确定小波函数。小波函数的选择对分析结果影响很大，所以应根据不同的用途，了解其频率范围，慎重选择合适的小波函数。1.5.3

维格纳（wigner-ville）分布

维格纳分布是信号能量在时、频两维空间上的分布。维格纳分布具有许多优良特性，例如，定义域的同一性、反演特性等，这使它在非平稳肌电信号的处理中颇有潜力。当肌肉力变化时实际的肌电信号是非平稳的，不是高斯型信号，它的相位谱含有丰富的信息。为此就需要用高阶矩和高阶矩谱来描述其统计平均特性，克服传统处理方法的不足，给出信号本身更多的信息。KhezriM等人利用维格纳分布方法处理肌电信号，对6个动作的分辨准确率高达91.3%［29］。维格纳分布的不足之处在于变换是非线性的，当信号成分多时，不同成分之间容易出现交叉项，引起伪像。1.5.4Choi-Williams分布

在高精度信号分析中，为了减小交叉项的干扰，科学家提出了一系列时频分布。Claasen等发现众多的时频分布只是Wigner-Ville分布的变形，可以用统一的形式表示。不同的时频分布只是体现在积分变换核的函数形式的选择上，而对于时频分布各种性质的要求则反映在对核函数的约束条件上。

经信息传递机理，由许多具有非线性映射能力的神经元组成，神经元之间通过权系数相连接构成自适应非线性动力系统，具有自组织、自适应学习、良好的容错

分布式存储、并行处理等特点，这使其在系统辨识性、

和模式识别方面显示出很大的优越性。人工神经网络有各种模型，其中Hopfield网络和多层感知器（BP）模型在肌电信号分析中应用最为广泛。采用人工神经网络对肌电信号进行处理、识别和分类时，要首先确定神经网络的输入对象，且对象要具备反映肌电信号的特征信息。杭州电子科技大学罗志增和清华大学王人成首次将触觉和肌电控制技术结合在一起，用AR模型和神经网络相结合的肢体运动模式识别方法，设计出一种带有触觉和滑觉传感器的肌电控制电动假手［21］。LuhJJ等利用3层前馈人工神经网络研究表面肌电信号的活动与肘关节等容收缩时的力矩之间的关系［22］。OroscoE等人用神经网络进行对屈肘、伸肘、前臂前旋、前臂后旋与休息5种状态的表面肌电信号分类［23］。现阶段人工神经网络大都应用于肌电信号分析处理、特征提取以及特征选择后的模式分类。模式分类时，为了简化网络结构，提高运行速度，不直接把肌电信号输入网格，而先对其进行压缩。通过增加训练神经网络的数据库，人工神经网络方法会有更远、更深的发展，提供更有用的信息，并更好地应用于肌电信号的分析处理以及各类肌病的诊断和治疗中。1.5

时频分析

近年来，人们采用时间—频率表示法对肌肉力变化时发放的非平稳的肌电信号进行了大量的研究。目前用于表面肌电信号分析的时频分析方法主要有短时傅里叶变换（SFFT）、小波（WT）变换、维格纳（wign－er-ville）分布、Choi-Williams分布、希尔伯特黄变换（hilbert-huang）等。1.5.1短时傅里叶（STFT）变换

对于非平稳信号的处理，最直接的方法是将该信号分成几小段，然后将各小段分别视为平稳信号来处理，短时傅里叶变换就是这样处理的。短时傅立叶变换处理肌电信号时，重要的是选择一个与信号相似的窗口函数（rt），这个窗口函数与肌电信号越相似，就越容易表达出肌电信号的信息。蔡立羽等采用短时傅里叶变换对表面肌电信号进行分析，成功地识别了展拳、握拳、腕内旋、腕外旋4种动作［24］。YujueWang等人利用滤波和短时傅里叶变换对左右小腿和左右肩膀的肌电信号进行处理分析［25］。但实际上，由于短时傅里叶变换的局限性，它不能敏感地反映信号的时频

第１１期吴銮，等：表面肌电信号分析及其在康复医学中的应用

·1371·

1.5.5希尔伯特黄（hilbert-huang）变换

1998年NordenE.Huang等人提出了一种新的信主观性和检测结果难以精确定量而受到限制［40］。梁丹

青、姜丽等通过对照患者健侧和患侧肢体的肌电信号指标，评价患者康复训练的效果［41-42］。倪朝民、周崇阳等通过对患者相关肌电图的分析，确定康复疗效［43-44］。王子羲等人对偏瘫患者的痉挛性肌强直症状进行定量评价［45］。上述研究主要通过对肌电信号的不同指标的特征进行对比，得到健肢与患肢肌电信号特征的差异，以评估神经肌肉的康复状况，确定康复训练方案。2.2假肢的控制

肌电假肢是由截肢者的大脑神经支配残肢肌肉运动产生肌电信号，通过将肌电信号放大后用来控制微型电机，带动传动系统，驱动假肢动作。由于肌电假肢的运动接受大脑指挥，它除了具有电动假肢的长处外，还具有直感性强、控制灵活和使用方便等优点。欧洲4国研发出的一种完全与神经系统相连接，可感知位置及周围环境刺激的假手［46］。罗志增与王人成等人研究出一种具有感知接触和滑动功能、良好的仿生控

刘宏等应用人手19种典型姿制功能的肌电假手［47-48］。

态对应的表面肌电信号对3自由度仿人型假手的控制［49］。ParkWonll等建立肌电信号与拇指指尖力之间的映射关系对假手进行控制［50］。目前肌电假肢使用最多的是参数模型法，而人工神经网络法和混沌分析法为现代分析方法，是目前肌电识别研究的热点，这两种方法的使用将有效提高对肌电假肢控制的准确性。2.3

康复机器人的控制

康复器械的最终目标是恢复人体肌体组织的运

［30］

号分析方法—希尔伯特黄变换（HHT）。希尔伯特黄

变换运用简便，而且并不涉及频率分辨率和时间分辨率的矛盾问题，有较好的计算效率，以及较好的时域

“时和频域分辨率。徐文良等人建立表面肌电信号的

间-频率-能量”三维Hilbert谱，进而得到信号的边际谱，同时采用基于经验模态分解阈值消噪方法，消噪效果明显，在抑制噪声的同时，能够较好地保留信号边缘和细节信息［31］。但希尔伯特黄变换存在端点曲线拟合、频率漂移和瞬时频率轻微波动等问题。１．６非线性动力学

非线性动力学方法开始应用于肌电信号处理方面。非线性动力学研究的基本原理是：由少数变量的单一时间序列提取整个系统的动力学特征，以构建肌肉机械活动与生物电变化之间的力电关系模型。肌电信号实际上是一种复杂的非线性信号，可用非线性方法对其进行研究。现肌电信号非线性动力学分析处理方法主要有相关维数（分形分维）、李雅普诺夫（Lya－punov）指数、熵和复杂度等。王人成等从不同重量、不同动作和不同幅度对人体手臂尺侧腕屈肌和尺侧腕伸肌的表面肌电信号进行分维［32］。胡晓等人采取前臂内旋和外旋时表面肌电信号，用一种基于模糊自相似性的方法计算原始信号和4个子信号的分形维［33］。重庆大学田学隆等人提出了一种基于分维的局部投影法用于新型脑卒中康复治疗仪的信号预处理及交互模块［34］。胡晓等人用小波熵方法衡量肌肉的疲劳程度［35］。罗志增等人提出了一种基于基本尺度熵的表面肌电信号特征的提取方法，来获取肌电假手执行腕上翻、腕下翻、展拳和握拳4类动作时所对应的表面肌电信号特征［36］。肖毅以做俯卧撑的上肢肌电信号为分析对象，通过计算其Renyi熵、小波熵和复杂度刻画不同阶段肌电信号的复杂性，得到熵与肌电信号复杂度的存在的关联［37］。非线性动力学方法研究已经已经有了一定的深度与广度，并取得了一些成果，由于研究起步较晚，但实际应用有待进一步的探究［38］。

动机能，实现肌体组织的自然化动作。肌电信号控制是利用分离的肌群电信号（肌电信号）控制康复器械，

使其能够具有与肢体相同的对外界刺激的反应能力和对脑神经信号的识别和处理能力，模拟肢体动作，实现肢体的康复治疗。田学隆等研制的脑卒中康复治疗仪能够根据患者肌电表面信号强度进行训练过程控制［51］。HuYong等建立了腰部关节的表面肌电信号形态模式并应用于下肢康复器的设计和控制［52］。章亚男等利用选择性表面肌电信号控制踝关节神经运动康复并研制了相应的康复装置［53］。康复机器人也存在一些难题，尽管单一动作的肌电信号识别率已达到95%以上，但实际应用的实例还不多见，且对于连续表面肌电动作信号的起止点很难进行准确地自动定位，从而难以实现多自由度机构的连续控制。

2.4未来展望

2.4.1康复评估展望

康复评估将综合人体的生物特征与主观感觉，从肌肉硬度、血流特性、主观舒适度、表面肌电信号等方面综合对患者进行评估。而表面肌电信号将从单一关

2

2.1

肌电信号在康复医学中的应用

康复评估

康复评估是指对患者的功能状况及潜在能力作

出评估，也是对患者各方面情况进行收集、量化、分析，并与正常标准进行比较的过程［39］。肌电信号主要从人体生物特征角度研究肢体康复评估，其特征的变化能在一定程度上反映中枢控制因素以及肌肉兴奋传导速度的特性，能有效地帮助缓解由于检测效度的

五星文库wxphp.com包含总结汇报、资格考试、人文社科、专业文献、应用文书、党团工作、文档下载、word文档、旅游景点、出国留学、考试资料以及表面肌电信号分析及其在康复医学中的应用_吴銮等内容。

本文共2页12

  本文关键词：表面肌电信号分析及其在康复医学中的应用，由笔耕文化传播整理发布。