无线穿戴式表面肌电信号采集系统设计

发布时间：2020-10-10 13:41

　　 表面肌电信号(sEMG)是电信号经过组织液的传导在人体表皮产生的综合生物电现象。它具有不对人体造成伤害、无痛、操作简便等优势,在人机交互、康复医疗以及等领域都有广泛的应用前景和可观的经济价值。本课题着眼于以手势为输入的交互方式,研究基于肌电生理信息的手势感知,实现高精度、便携式、自然的交互手段,完成可穿戴的蓝牙传输的肌电臂环采集实验装置的设计。本装置包括采集板、核心板和上位机接收端三部分。采集板完成表面肌电信号的采集和调理工作。核心板完成表面肌电信号的模数转换、肌电数据的汇总和传输工作。上位机完成对数据的去噪处理,从而提高信噪比。对容易引入噪声干扰的一级差分放大电路进行噪声分析,经过计算,设计的电路总噪声换算到输入端的噪声有效值为0.946μV,满足了表面肌电信号采集系统不高于1μV的噪声要求;对通道数、采样频率和传输速率进行分析,设计了MCU软件程序和蓝牙开发程序,实验结果显示,整个数据链路可以达到24KB/s的传输速率要求;利用多分辨分析理论对表面肌电信号做小波阈值去噪处理,设计了基于小波变换的数字滤波器,实验表明,该方法提高了信号的信噪比,取得了良好的去噪效果。经过实际测试,本装置可以完成6-12个通道、1kHz采样率的表面肌电信号的高速实时采集,在硬件和软件上双重去噪,为后续手势识别提供较为干净的表面肌电信号。
【学位单位】：浙江大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TN911.7;R318.6
【部分图文】：

面肌电技术的发展方向。Ｄｅｌｓｙｓ的一大特色是传感器众多，包括加速度、磁力计、??足底压力、心电等多种传感器，可以帮助研究人员获得多源同步信号。它有一款??Ｔｒｉｇｎｏ无线系统［２１］，如图１．１，主要通过测量皮肤表面的肌电信号，从而为肌电??机能状态的测量评价、肌肉训练的生物反馈以及科学研究提供技术支持。??图１．１?Ｔｒｉｇｎｏ无线系统??肌电信号在开发假肢方面也很受欢迎［２２］，著名的有德国的Ｏｔｔｏｂｏｃｋ医疗技??术公司［２３］，该公司主要制作假肢部件，它在上世纪六七十年代提出了关键创新：??假肢的肌电模块化系统。该技术是利用肌肉收缩时产生的微弱电压，通过电子放??大，用于人工关节的控制信号。至今为止，Ｏｔｔｏｂｏｃｋ都是在残疾人的假肢护理方??面的标杆公司，图１．２是旗下的一款基础型肌电手。??图１．２基础型肌电手??４??

面肌电技术的发展方向。Ｄｅｌｓｙｓ的一大特色是传感器众多，包括加速度、磁力计、??足底压力、心电等多种传感器，可以帮助研究人员获得多源同步信号。它有一款??Ｔｒｉｇｎｏ无线系统［２１］，如图１．１，主要通过测量皮肤表面的肌电信号，从而为肌电??机能状态的测量评价、肌肉训练的生物反馈以及科学研究提供技术支持。??图１．１?Ｔｒｉｇｎｏ无线系统??肌电信号在开发假肢方面也很受欢迎［２２］，著名的有德国的Ｏｔｔｏｂｏｃｋ医疗技??术公司［２３］，该公司主要制作假肢部件，它在上世纪六七十年代提出了关键创新：??假肢的肌电模块化系统。该技术是利用肌肉收缩时产生的微弱电压，通过电子放??大，用于人工关节的控制信号。至今为止，Ｏｔｔｏｂｏｃｋ都是在残疾人的假肢护理方??面的标杆公司，图１．２是旗下的一款基础型肌电手。??图１．２基础型肌电手??４??

除了在医疗上的应用，还有一些公司推出偏向娱乐化的基于肌电技术的产品，??比如加拿大Ｔｈａｌｍｉｃ?Ｌａｂｓ推出的ＭＹＯ［２４］、西安ＢｉｃＱ公司推出的Ｄｔｉｎｇ［２５］和上海??念通智能科技推出的ｅＣＯＮＰｌ，如图１．３所示。这些是手势控制臂环，套在手臂??前臂上，通过内置的采集电极实时收集使用者的表面肌电信号，有的臂环只完成??预处理工作后把数据交由电脑进行手势识别工作，进而操控电脑的一些行为，比??如控制音乐播放、帮助ＰＰＴ演讲等，有的臂环完成所有的信号与数据处理工作??最后把手势转化成一条指令控制其他设备发生交互行为。臂环使用不锈钢、镀金??铜或氯化银为电极材料，配有惯性测量单元ＩＭＵ、锂电池等，采用８通道的电??极采样，可识别６种基本手势。??００驂??图１．３?（从左至右依次为）ＭＹＯ、Ｄｔｉｎｇ和ｅＣＯＮ??１．３研究内容及章节安排??本课题着眼于以手势为输入的交互方式，研究基于肌电生理信息的手势感知，??实现高精度、便携式、自然的交互手段，完成可穿戴的蓝牙传输的肌电臂环装置。??全文共分为七章：??第１章：绪论。介绍本课题的研究背景和意义
【相似文献】

相关期刊论文 前10条

1 滕燕;王士允;尹振全;李小宁;;表面肌电信号采集与处理系统研究[J];机床与液压;2013年23期

2 孙禹航;李春雨;何跃龙;李慧志;白蕾;;浅析表面肌电信号的无线采集[J];科学技术创新;2018年32期

3 杜春梅,田丰,崔建国;用小波和神经网络相结合的方法识别人体表面肌电信号[J];沈阳航空工业学院学报;2005年03期

4 程秀芳;侯伟民;徐文墨;;用于生物模型的表面肌电信号处理[J];河北联合大学学报(自然科学版);2014年01期

5 谢平;魏秀利;杜义浩;陈晓玲;;基于自排序熵的表面肌电信号特征提取方法[J];模式识别与人工智能;2014年06期

6 杨文元;尤波;黄玲;刘意;;表面肌电信号的分解算法研究[J];计算机应用与软件;2015年06期

7 杨洋;李丕丁;;表面肌电信号实时反馈式电刺激康复训练系统的设计[J];生物医学工程学进展;2015年03期

8 张晓;吉小军;蔡萍;;表面肌电信号的高速数据采集系统的设计[J];电子测量技术;2008年07期

9 侯秀丽;许美珏;李庆;;表面肌电信号采集与抗干扰技术研究[J];技术与市场;2019年03期

10 景银平;章亚男;沈林勇;宋薇;钱晋武;;下肢表面肌电信号的映射控制[J];工业控制计算机;2018年06期

相关博士学位论文 前10条

1 都明宇;基于表面肌电信号的人手动作模式识别关键技术研究[D];浙江工业大学;2017年

2 牟永阁;基于时频和时间尺度分析的表面肌电信号研究及应用[D];重庆大学;2004年

3 王刚;基于小波变换和多重分形分析的表面肌电信号分析[D];上海交通大学;2008年

4 陈伟婷;基于熵的表面肌电信号特征提取研究[D];上海交通大学;2008年

5 宋全军;人机接触交互中人体肘关节运动意图与力矩估计[D];中国科学技术大学;2007年

6 李强;表面肌电信号的运动单位动作电位检测[D];中国科学技术大学;2008年

7 宁勇;多通道表面肌电信号分解的研究[D];浙江大学;2014年

8 姚博;表面肌电信号分解算法及其在小儿脑瘫评诂中的应用[D];中国科学技术大学;2012年

9 汤璐;小儿脑瘫运动功能障碍评估研究[D];中国科学技术大学;2017年

10 徐卓君;基于多源信息的智能仿生手臂模式识别方法研究[D];吉林大学;2015年

相关硕士学位论文 前10条

1 李楠;人体表面肌电信号采集与处理系统设计[D];内蒙古大学;2018年

2 杨铮;基于肌肉活动段检测表面肌电信号灵敏性研究[D];河北大学;2018年

3 董贺;基于表面肌电信号人体下肢动作模式识别方法研究[D];沈阳工业大学;2017年

4 刘志成;基于眼动施教的上肢表面肌电信号分类研究[D];沈阳工业大学;2018年

5 董海清;基于表面肌电信号的上肢模式识别技术研究[D];上海师范大学;2018年

6 左超;基于sEMG信号的人手运动意图解码研究[D];南京航空航天大学;2018年

7 黄新宇;基于人体步态和表面肌电信号的康复评估方法研究[D];武汉理工大学;2016年

8 刘丹阳;基于表面肌电信号的上肢动作模式分类方法研究与应用[D];东北大学;2017年

9 张思佳;无线穿戴式表面肌电信号采集系统设计[D];浙江大学;2019年

10 庄聪聪;基于表面肌电信号的上肢精细动作模式识别研究[D];华南理工大学;2018年

本文编号：2835275