基于外骨骼機器人技術的人體手臂震顫抑制的理論和方法

孫建，向馗，高理富，李濤，葛運建

(1.中國科學院合肥物質科學研究院，安徽合肥 230031;2.武漢理工大學自動化學院，湖北武漢 430070)

基于外骨骼機器人技術的人體手臂震顫抑制的理論和方法

孫建1，向馗2，高理富1，李濤2，葛運建1

(1.中國科學院合肥物質科學研究院，安徽合肥 230031;2.武漢理工大學自動化學院，湖北武漢 430070)

介紹國內外利用康復醫療機器人技術和信號處理技術對人體手臂震顫進行抑制的主要研究成果，重點闡述基于“非藥物”途徑抑制人體手臂震顫的幾個關鍵研究問題:1)震顫現象及其發生機制;2)常見震顫疾病的治療現狀;3)震顫信號的檢測、分析、處理以及工程建模方法;4)基于康復機器人技術的手臂震顫抑制策略;5)震顫抑制效果的評估研究.并且重點介紹利用基于傅里葉變換的信號處理技術對震顫信號進行采集、處理與分析的研究現狀，以及利用康復醫療機器人技術對震顫信號進行補償與抑制的相關策略的研究現狀分析，探討“非藥物”途徑抑制人體手臂震顫的若干難點，為今后的研究工作奠定了基礎.

震顫;抑震機器人;希爾伯特－黃變換;EMD分解;信號處理

震顫行為是中老年人手臂的常見現象，是人體某個或多個功能區肌肉的節律性、近似正弦往返擺動的肢體運動，是關節周圍肌肉收縮和松弛的動力狀態［1］.震顫廣泛存在于多種疾病之中，是最常見的運動障礙之一.調查表明，在總人口中，約10%存在不同程度和類型的震顫現象，60歲以上的老年人中約有38%的人存在不同程度、不同類型的震顫［2－3］.帕金森氏病是導致震顫的常見疾病，近20年呈高發趨勢，每10萬患病人數中，西方為106～307人，亞洲為44～82人，非洲為31～58人.其中39歲以下者發病占10%，40～49歲為20%，50～59歲為40%，60歲以上人群中患病率約達1%，其病因至今尚不明［4］.震顫常見于人的肢體特別是手臂，影響精細動作、書寫和用餐，嚴重時可對病人的日常生活、工作、社會交往等帶來諸多不便.盡管震顫本身不能危害生命，但是它對人們的正常運動造成很大的影響，65%的震顫患者不能進行正常的日常生活.另外，震顫患者的特征還表現為肌肉僵硬、步態慌張、動態遲緩，而這些特征經常被誤認為是老年人的正常表現，因此容易延誤治療［4］.

在醫學領域，國內外對震顫的研究已有多年，但大多數類型的震顫運動的機理和起源至今尚未明確［5］，通過“對癥下藥”的方法在目前的醫學水平下顯得“力不從心”.在較短時間內開發出抑制患者震顫的普適性藥物比較困難，而震顫帶給患者的諸如精細動作、手寫和用餐等日常生活的不便問題在短期內難以解決.因此，嘗試利用新途徑(非藥物治療)對震顫運動及其抑制開展的研究便顯得非常有意義.

1 震顫及其研究現狀

1.1 震顫及其臨床分類

震顫是人體某一個或多個功能區肌肉的有節律性、近似正弦往返擺動的肢體運動，是關節周圍肌肉收縮和松弛的動力狀態.作為最為普遍的運動障礙之一，震顫本身是人體運動神經元異常同步化的結果［6－7］.現行的分類系統主要包括 2 種［3，7］，一種是依據震顫肢體活動狀態的行為學分類，另一種是根據基礎疾病的病因學分類.目前，國際上更加側重于后者.從病因學的角度分析，震顫主要包括兩大類［8］:生理性震顫和病理性震顫.生理性震顫是伴隨患者肢體正常運動的小幅度震顫，是運動啟動和終止過程中不可缺少的組成部分，其作用是使整個運動系統處于一個不斷運動的振蕩狀態，從而達到調節運動的目的.根據震顫的病因學特點，并考慮到震顫頻率、震顫誘發因素、既往史、家族史和神經體征等，將病理性震顫分為如下類型［2，9］:生理性震顫、增強的生理性震顫、特發性震顫、帕金森震顫、小腦性震顫、紅核性震顫、精神性震顫和藥物毒物誘發的震顫.病理性震顫的病理機制比較復雜，不同類型的病理性震顫存在各自不同的生理機制，其本身影響患者肢體運動的協調.

1.2 震顫起源及其發生機制

人類對于震顫的研究可以追溯到1886年Schafer等發現震顫現象，從那時起，有關于生理性震顫的研究就引起了廣大研究者的興趣并伴隨大量的爭論［10］.大多數研究者認為，生理性震顫的研究能夠對神經肌肉控制機制的研究提供一些線索，而對于生理性震顫機制的徹底澄清有助于闡明很多病理性震顫的起源.Lippold研究表明，用于使肢體保持姿勢的反射機制可能會對生理性震顫的發生起到重要作用［10－11］.在 Lippold 的研究基礎上，Stein 參考了肌肉的特征和感覺反饋通路(sensory feedback pathways)，設計了一種確定性模型，用于描述運動神經元的激活函數，進而估計震顫源［12－13］.Stein 是能夠用實驗證明反饋機制對于生理性震顫起作用的眾多研究者之一，其研究表明，由于肌肉和慣性載荷的交互作用，在感覺反饋通路缺失的情況下，肌肉會產生阻尼振蕩.Timmer是另外一名投入大量精力研究震顫發生機制的學者.他利用互譜分析(cross－spectral analysis)來研究反射機制在生理性震顫中的作用，其研究表明，生理性震顫可以被描述成線性隨機過程，而病理性震顫可以描述成非線性過程［14－15］.另外，Timmer引入一種隨機反饋系統，該系統利用一種反曲非線性函數描述運動神經元的激活函數，研究結果證明，反射機制確實有助于震顫運動的發生，在一定程度上能夠改變震顫運動的頻率、放松時間和振幅［15－16］.因此，Timmer認為，造成生理性震顫的主要原因是手臂的共振行為和由運動神經元募集反應引起的肌電同步活動.但是，并沒有充足的證據能夠證明反射機制是造成震顫運動的首要原因.

綜合來看，盡管目前國內外對震顫的研究進行了很多年，對各種震顫可能的產生機制有所了解，但大多數類型震顫的發生機理和起源至今尚未明確.從已有的文獻來看產生震顫可能的機有制［9，15］:1)肢體的機械震顫，這種機制是導致震顫的最簡單的誘發因素，類似于物理學的機械性共振.2)中樞神經系統的反射.人身體某部分方向的屈肌運動將拉伸伸肌，導致一系列傳入沖動，引發拮抗肌的牽張反射.伸肌激活的同時，屈肌將被拉伸，來自屈肌的大量傳入纖維進入中樞系統，產生屈肌的反射活動.當發射存在并且傳入和傳出神經的傳導時間適宜時，將產生震顫.理論上講，傳導距離越長，震顫頻率越低.3)中樞振蕩器的存在假說.4)前饋或反饋系統紊亂.臨床上，醫生在診斷患者震顫疾病時，除了參考以上4種機制之外，還要考慮震顫頻率、震顫的誘發因素、既往史、家族史和神經體征等.因此，震顫患者的誘發病因和發生機理的研究，需要涉及多方面的考察因素，而各種不同類型的震顫運動的起源更是眾說紛紜，無法統一.

1.3 常見震顫疾病的治療現狀

常規藥物治療是目前治療震顫運動疾病的主要手段.由于目前引起震顫運動的機理和起源尚未明確，對其治療大多采用探索性方式，無法從根本上治愈.例如，用于治療特發性震顫(ET)的常見藥物有普萘落爾(propranolol)、美多洛爾(metoprolol)、阿羅洛爾(arotinolol)等［17］.普萘洛爾為腎上腺 β2受體阻斷藥，主要抑制β2受體(β2受體與震顫有密切關系，且療效與劑量密切相關，一般從小劑量遞加，分3次服用才見效果)，副作用主要表現為心率降低、支氣管痙攣、抑郁、疲乏等.美多洛爾為選擇性β受體阻斷藥，易透過血腦屏障，但仍然有諸如減慢心率等副作用.阿羅洛爾兼有α、β2受體阻斷作用，因可阻斷骨骼肌β2受體，亦可治療ET，其副作用表現為頭暈、胸悶、面部麻木，偶爾對正常血壓稍有降低，但僅發生在少數患者中［17］.目前對于帕金森氏疾病引起的震顫，可用3種方法進行治療［18］:1)藥物治療，例如左旋多巴、息寧、金剛烷胺、溴隱亭與培高利特，這些藥物雖能使震顫患者的臨床癥狀在一定時間內獲得一定程度的好轉，但都存在不同程度的副作用(惡心嘔吐、異動癥、幻覺、體位性低血壓、疲乏等);2)外科治療，例如通過立體定向切除蒼白球的后腹側部(蒼白球切開術)可顯著改善“關”狀態下的動作過緩以及左旋多巴誘發的動作困難;雖然實驗證明這種方法能較明顯地提高該病的臨床緩解率，減少了副作用，但也存在價格昂貴、適應癥嚴格、療效尚難肯定等問題;3)物理治療，重要的是要讓病人盡可能保持各種活動，但是目前還未見商用的抑制人體震顫運動的康復裝置的有關報道.

總體來說，常規藥物是目前治療震顫運動疾病的主要手段.該方法雖能使震顫患者的臨床癥狀在一定時間內獲得一定程度的好轉，但不能阻止引起震顫疾病的自然發展，且各種藥物都有不同程度的副作用，因而限制了其自身在臨床上的應用，致使患者的震顫疾病無法從根本上治愈，而患者的生活不便問題短期內無法得到有效解決.

2 震顫信號采集及其處理方法

日常生活情況下，震顫患者所做的運動基本都包括2種類型的運動:正常運動和震顫運動.這樣，傳感裝置所獲取的信號中至少包括2種類型的信號:正常運動信號和震顫運動信號.如圖1所示，傳感器裝置所獲取的信號是正常運動信號和震顫運動信號的疊加.從數學意義上來說，正常運動信號和震顫運動信號都是時間序列，可以通過諸如頻率變化、相位漂移、幅值波動、時刻轉換、運動形式變化等特征進行描述.正常運動信號頻率較低，一般低于1 Hz.手臂震顫信號的頻率一般為2～20 Hz，振幅為100 μm(單方向)［16，19］.

圖1 正常運動信號和震顫運動信號Fig.1 The voluntary movement signal and the tremor signal

從本質上來說，震顫信號本身是多頻率、實變的復雜非平穩信號，其頻率的統計特性隨時間變化.研究人體手臂震顫抑制措施，首要工作就是探索一種實時、有效的信號處理方法，實現正確區分患者正常運動信號和震顫運動信號的目的.實際上，震顫頻率和幅值的分析是研究震顫信號特性的重要手段.隨著計算機技術的發展，對反映震顫患者運動參數的加速度信號、電生理變化的肌電信號以及腦電信號等的分析為這些問題提供了一個輔助研究的新途徑［20］.

近年來，已經有很多關于震顫消除的信號濾波的研究，特別是針對病理性震顫信號的濾波［21－22］.大部分的研究工作采用有限沖激響應線性均衡器［23－24］對震顫數據進行訓練或者采用低通濾波器方法消除所有頻率高于2 Hz的震顫運動信號［25］.這些方法雖然在一定程度上能夠實現消除震顫的目的，但其自身存在的時間延遲導致其無法實現自適應噪聲消除，而低通濾波器無法充分對震顫運動進行建模.

C.Vaz等在最小均方算法LMS算法的基礎上，構建了一種自適應濾波器——傅里葉線性組合器(Fourier linear combiner，FLC)算法［26］.FLC 是一種自適應的濾波器，在頻率已知的情況下，該算法可以有效地估計震顫運動信號，實現震顫運動信號與正常運動信號之間的分離.該算法本身計算量并不很大，可以看作是自適應陷波器.但是，在通常情況下，震顫運動信號頻率不是已知的，而是隨時間變化的，FLC只能對預知的特定頻率的震顫信號處理有效果.Riviere等對FLC算法進行擴展，構造了一種加權頻率傅里葉線性變換算法 (weighted－frequency Fourier linear combiner，WFLC)［27－28］.像 FLC 算法一樣，WFLC算法仍然把震顫信號構建為輸入被截斷的傅里葉級數的動態模型.但與 FLC不同的是，WFLC不僅調節該模型的傅里葉系數，而且還調節該模型的頻率，以使該模型能夠與輸入信號進行匹配.因此，WFLC比較適合對震顫運動信號的處理與分析.但是，WFLC是建立在震顫運動信號可以被構造成正弦信號模型或傅里葉級數的基礎上的，其本身是基于動態截斷傅里葉序列的變換，這就導致它自身存在很大的局限性或缺陷:一次只能實現2種頻率不同的信號的分離.而通常情況下，震顫運動信號是多頻率的非平穩信號，如果要實現不同頻率的震顫運動信號的分離，需要多次使用WFLC.另外，WFLC的頻域分辨率低.對于2個頻率十分接近的信號(頻率相差小于0.5 Hz)，WFLC將無法很好地實現2種信號的分離，其原因在于，參考信號使用動態傅里葉截斷序列，其本身受到Heisenberg不確定原理的限制.

為解決WFLC算法存在的問題，W.T.Ang提出一種有限頻帶多重FLC(bandlimited multiple－Fourier linear combiner，BMFLC)，用于估計具有多種頻率的震顫信號.像WFLC一樣，BMFLC算法選擇正弦信號和余弦信號的線性組合系列作為BMFLC的輸入參考信號［28］.該算法把所感興趣的震顫信號的頻帶進行等分，然后對每份“頻帶”信號進行FLC處理.與FLC算法相比較，該算法消除了諧振因子，可以區分頻率十分接近的信號.與WFLC相比，該算法能夠追蹤的信號頻率更廣，同時在頻域上的分辨率更大.但是，BMFLC也是基于動態截斷傅里葉序列的變換，頻域分辨率存在上限.如果2個頻率十分接近的信號(頻率相差0.3 Hz)，BMFLC將無法很好地實現2種信號的分離.

FLC、WFLC以及BMFLC算法各自均含有一定的局限性.在通常情況下，震顫運動信號頻率不是已知的，而是隨時間變化的.FLC算法只能估計頻率已知的準周期信號，并不能有效地模擬震顫運動信號.WFLC雖然可以追蹤頻率已知的信號，但是可以追蹤的頻率范圍比較小;另外，WFLC的頻域分辨率比較小，頻率相差1 Hz左右的信號分離效果較差.雖然在給定頻帶的情況下，BMFLC可以追蹤多種頻率的調制信號，但是頻帶的選擇影響其計算效果，且BMFLC的計算量較大.

J.Z.Zhang［29］、E.Rocon［30］等分別嘗試利用希爾伯特—黃變換技術對震顫信號進行分析與處理，利用經驗模態分解把震顫信號與正常運動信號進行分離，然后利用希爾伯特變換對震顫信號進行分析與處理，獲取其頻率、幅值等信息.但是，他們的研究工作僅僅是利用希爾伯特－黃變換對震顫信號處理進行原理性驗證，并沒有構建一種實用化的震顫信號處理算法.

總之，現有的處理和分析方法都是在假定震顫運動信號是一種近似正弦信號的平穩性信號的基礎上展開研究的，并不能解決復雜非平穩信號的時頻分析問題，這就導致現有的方法諸如FLC、WFLC以及BMFLC等算法都存在著自身無法克服的局限性——只能實現對震顫運動信號進行粗略分析或者給出一個總的平均效果，不能描述各頻率之間的相互關系，更無法精確獲取每一個時刻下的頻率，因而無法從根本上實現震顫運動信號與正常運動信號的分離.

3 手臂震顫抑制策略

已有的研究表明，除了常規藥物治療以外，生物力加載技術(biomechanical loading，BL)和功能性神經肌肉刺激(functional neuromuscular stimulations，FNS)技術是抑制震顫運動最為有效的2種措施［30－36］.如圖2 所示，生物力加載技術是一種物理方法，通過控制機器人產生阻抗運動，產生與患者震顫運動“相反”的運動，試圖改變患者手臂的阻抗特性，起到抑制手臂震顫的效果.功能性神經肌肉刺激技術是一種生物方法，通過電刺激技術產生與患者震顫“相反”的運動，控制患者手臂肌肉的收縮特性，起到抑制手臂震顫的效果.

圖2 生物力加載技術和功能性神經肌肉刺激技術Fig.2 Biomechanical loading and functional neuromuscular stimulations

3.1 生物力加載技術

生物力加載技術是一種通過外部系統向人體施加機械負載，旨在改變肢體的肌肉－骨骼系統生物力學特性的技術［31］.臨床試驗表明，醫師向震顫患者的手臂施加機械負載，可以有效減弱患者震顫的運動狀態.但是，患者或者醫師雖然可以“定性”地利用生物力加載技術抑制震顫，卻無法“定量”地控制震顫減弱的幅度和頻率.B.Adelstein等的研究表明，基于機器人系統的生物力加載技術是一種利用機器人技術對震顫患者的震顫部位進行生物力加載的技術手段，通過向神經肌肉系統的外圍終端(例如四肢)施加“定量”的機械負載，可以有效改變震顫運動的狀態，而這種現象在生理性震顫的實驗中尤其明顯［31］.

對于許多患有多發性硬化或者頭部損傷的患者來說，意向性震顫是影響其主動運動的肌肉收縮的主要原因.肘關節屈伸方向的意向性震顫的振幅高達30°，頻率在3～4 Hz，通常情況下會使患者無法準確完成自己的主動運動.Rosen等的研究表明，黏性阻尼能夠有效地減弱意向性震顫的震顫幅值，并幫助患者重建對肢體的控制功能［32－33］.

J.Katovsky等開發了一款可以穿戴的震顫抑制康復裝置—— Viscous Beam，能夠向患者肘關節的屈/伸運動提供黏性阻抗［33］.如圖3所示，該裝置能夠減弱震顫幅度并且體積足夠小，能夠穿套在襯衫的袖子中.Viscous Beam允許整個拇指和手指運動、肘關節屈/伸運動和前臂的旋內/外運動.該裝置通過一個約束層阻尼系統 (constrained－layer－damping，CLD)向患者手臂提供阻尼，值得關注的是該裝置能夠通過一個小彎曲半徑抑制大旋轉性，其自身的擾度平板裝置能夠線性地將腕關節屈/伸運動轉化為直線傳送.實驗證明，該裝置能夠有效地抑制意向性震顫.另外，J.L.Pons等在此基礎上，設計了一種可控的雙層Viscous Beam，如圖4所示.

圖3 Viscous beamFig.3 Viscous beam

圖4 雙層viscous beamFig.4 Double viscous beam

E.Rocon等［34］開發了一種基于生物力加載方法的可穿戴型手臂震顫抑制裝置——WOTAS.如圖5所示，該裝置是一種三自由度的外骨骼機器人系統，包括3個無刷直流電機系統、外骨骼系統以及慣性傳感器系統等.另外，E.Rocon等提出了2種控制策略:一種是通過增加患者手臂彈性、阻尼和質量特征來抑制震顫;另外一種是利用震顫的近似重復特性，設計一種噪音濾波器來抑制震顫.但是，由于所建立的震顫模型的不準確以及傳感器無法實時準確檢測震顫信號等不可避免的因素的影響，該裝置對于某些震顫運動(特別是病理性震顫運動)的抑制具有一定的局限性.

圖5 WOTASFig.5WOTAS

針對特發性震顫，W.Jason等研制了雙作用阻尼器［37］.如圖6所示，該裝置結構簡單、重量輕、阻尼器系數容易調節，可以對人體腕部的屈伸運動中的震顫進行抑制.仿真實驗結果也證明該設備對高頻的震顫具有一定的抑制作用.

圖6 雙作用阻尼器抑震系統Fig.6 Tremor suppression with double dashpot

S.S.C.Lavu等驗證了一套人體假肢，并使用激振器帶動假肢振動以模擬人體的震顫［38］.如圖7所示，假肢上安裝有加速計，對震顫的信息進行測量，控制器根據加速計的反饋信號來輸出控制信息，控制與震顫假肢相連的抑震器，實現對震顫進行抑制的目的.實驗結果顯示，該方法可以有效減小震顫為原來的83.3%.

圖7 主動震顫控制系統Fig.7 Active vibration control system

作者在國內率先開展基于機器人技術的震顫抑制策略的相關研究工作［35－36］，如圖 8 所示.

圖8 可穿戴型手臂震顫抑制機器人和實驗平臺系統Fig.8 A wearable robotic exoskeleton for hand tremor assessment and suppression and the experimental platform

圖8所設計的可穿戴型手臂震顫抑制機器人包括穿戴型外骨骼系統、震顫激勵系統、震顫運動檢測系統和信號處理與控制系統.震顫患者進行寫字、抬臂等日常活動時，震顫運動檢測系統感知手臂運動信息，將震顫運動信息和正常運動信號分離開來，然后控制系統控制直流電機產生幅度相同、相位相反的震顫運動，達到抑制患者手臂震顫的目的.

哈爾濱工業大學機器人研究所研制了一套可調阻尼的穿戴式抑制機器人系統［39］.如圖9所示，該系統采用磁流變阻尼器來提供可控的阻尼力，通過外加輔助設備進行肘部屈伸和前臂旋轉2個方向上的抑震.

圖9 抑震機器人Fig.9 A wearable rotot for tremor suppression

3.2 功能性神經肌肉刺激技術

電刺激技術在醫學中的應用源于19世紀中期Duchenne等觀察到人體肌肉在電刺激下產生的肌肉收縮現象［40］.FES本質上利用神經細胞對電刺激的響應來傳遞外加的人工控制信號，通過外電流的作用，神經細胞能產生一個與自然激發引起的動作電位完全一樣的神經沖動，使其支配的肌肉纖維產生收縮，從而獲得運動的效果［41］.從本質上來講，FNS技術相當于重建一個人工的運動中樞，并能和周圍神經連接成為人工神經的一部分.

A.Prochazka［42］和 M.Javidan［43］是最早開始嘗試利用功能性神經肌肉刺激技術來抑制人體手臂震顫的研究者.如圖10所示，限于當時的技術條件，所設計的震顫抑制系統的控制系統是基于模擬電路系統的.D.M.Gillard在此基礎上，設計了一種基于數字電路系統的震顫抑制系統［44］，如圖11所示.實驗證明，這套震顫抑制控制系統比A.Prochazka等所設計的系統性能更優越，對帕金森氏病患者的震顫幅度的抑制可達到(87.2±1.9)%.

2006年W.T.Ang領導的研究小組也開始嘗試利用基于表面肌肉電信號的FNS技術對震顫運動進行抑制［19，45－46］.如圖 12 所示，他們構建一種基于FNS技術的控制系統，在Hill肌肉模型的基礎上，構建肘關節肌肉收縮模型，通過控制電極裝置改變肘關節的剛度系數和彈性系數，達到抑制震顫的目的.W.T.Ang等［45］獲取的信號主要包括表面肌電信號和加速度傳感器信號，提出并設計一種BMFLC算法對震顫信號進行處理［45］.如圖13所示，通過表面肌電傳感器獲取患者手臂震顫部位的信號，根據預先制定的肌肉收縮模型和控制算法，產生控制命令，然后通過電極給震顫患者的神經肌肉施加電刺激，使其產生與震顫“相反”的運動，進而實現抑制震顫的目的.不過，根據W.T.Ang等的研究，這種方法存在如下問題:1)控制器過于復雜，導致實時性較差;2)表面肌肉電信號的實時處理比較困難;3)難以正確建立肢體運動與肌電指標或特征之間的映射關系［46］.

圖10 基于FES技術的震顫抑制系統［42］Fig.10 Tremor suppression system based on FES technology［42］

圖11 震顫抑制控制系統［44］Fig.11 The control system of the tremor suppression system［44］

圖12 W.T.Ang震顫抑制系統Ⅰ［45］Fig.12 The W.T.Ang tremor suppression systemⅠ［45］

圖13 W.T.Ang震顫抑制系統Ⅱ［46］Fig.13 The W.T.Ang tremor suppression systemⅡ［46］

4 震顫抑制效果的評估

震顫抑制裝置的抑制效果的評定工作是利用機器人抑制人體手臂震顫需要解決的重要問題之一，使用者是該裝置效果的最佳評判者.但是，通常情況下，使用者的評判又過于主觀.因此，需要研究一些評價指標，能夠客觀有效地評估該裝置的性能并評定其抑制效果.震顫抑制效果的評估過程需要考慮:1)震顫抑制頻率的可選擇性，即能否徹底抑制震顫運動，而對正常運動的影響最小;2)零階延遲，即震顫抑制不存在延遲.

對于震顫抑制效果的評估研究來說，最基本的方法是比較震顫抑制前后信號的均方根值.另外，比較震顫抑制前后的信號能量的大小也可以作為一項評價標準.Rosen等監測目標信號和實際信號相關傳遞函數的幅值和相位，進而監測震顫減弱的強度［47］.Riviere通過從震顫信號抑制前后的信號中抽取正常運動信號，進而計算補償前后的誤差，然后比較未補償信號和補償信號的誤差均方根值［48］.Riviere認為，由于考慮到各種頻率下的震顫運動，而不是只考慮震顫頻率帶寬內的震顫，這種震顫估計方法提供了更加直接的評估.Pledgie等也把震顫運動能量作為震顫抑制效果的評估手段［49］.Gonzalez等指出，由于追蹤延遲的影響，一些計算追蹤誤差的標準方法，例如均方誤差或者平均絕對誤差，會受到嚴重的干擾［50］.例如，在某些情況下，根據所用的目標信號的性質，0.2 s的延遲可以導致均方誤差值縮小30%.另一方面，在任何追蹤任務中，都不可避免地存在延遲，但這并不能作為震顫抑制效果差的指標.Adelstein等提出，把最大的外部黏性阻抗(max，D)的震顫能量譜密度和自由振蕩條件下(D=0)的震顫能量譜密度的比例值作為震顫抑制效果的評價指標，該表達式如式(1)所示［31］:

式中:T(f，D)是震顫功率譜密度，從震顫信號的加權光譜中獲得.另外，這些條件光譜僅僅考慮正常運動范圍內的頻率，即

式中:Mrr(f)是響應記錄的功力譜，(f)是一致性因素，fc是截斷頻率.另外，Adelstein還定義了正常運動和震顫信號的信噪比例R［31］:

信噪比R使正常運動(與目標運動相關)信號的能量與震顫運動信號能量的方差建立了某種聯系.較小的震顫方差或者較大的目標追蹤能量會使數值R增大，這可以看作是追蹤性能優劣的指標.

5 總結與展望

基于機器人技術的震顫抑制措施并不是研究震顫運動發生的本質，而以震顫運動發生的“表象”——震顫信號為出發點，將震顫抑制的研究重點從震顫發生機理、生理診斷和藥物治療等方面過渡到震顫運動信號獲取、信號處理與評估、震顫抑制策略與安全性等方面，旨在為震顫運動抑制等方面的研究開拓一條新途徑，從而為改進手臂震顫患者的生活質量提供一種新方法.

本文深入介紹國內外利用康復醫療機器人技術和信號處理技術對人體手臂震顫進行抑制的主要研究成果，重點闡述基于“非藥物”途徑抑制人體手臂震顫的幾個關鍵研究問題:1)震顫現象及其發生機制;2)常見震顫疾病的治療現狀;3)震顫信號的檢測、分析、處理以及工程建模方法;4)基于康復機器人技術的手臂震顫抑制策略;5)震顫抑制效果的評估研究.目前的研究現狀表明，國內外關于震顫的研究絕大多數集中在患者震顫發生機理與藥物治療等方面，從非藥理學角度開展的震顫抑制措施研究相對較少.而目前已有的震顫抑制措施并不能有效解決震顫抑制的問題，在理論研究和實踐開發等方面還存在很多未解決的問題.

［1］ELBEL R，KOLLER W T.Baltimore，USA:Johns Hopkins Univ Press，1990:8－14.

［2］曾文雙，褚曉凡.震顫的生理機制及其診斷和肌電圖特點［J］.中國臨床康復，2005，9(33):124－127.

ZEN Wenshuang，ZHU Xiaofan.Physiology，diagnosis and feature of electromyogram of tremor［J］.Chinese Journal of Clinical Rehabilitation，2005，9(33):124－127.

［3］張淑云，張通.震顫發生機制的研究現狀［J］.中國康復理論與實踐，2003，9(9):530－532.

ZHANG Shuyun，ZHANG Tong.A review of the research work about tremor physiology［J］.Chinese Journal of Rehabilitation Theory and Practice，2003，9(9):530－532.

［4］何建成，衛洪昌，袁燦興，等.帕金森病的發病機理及中西醫結合治療［J］. 甘肅中醫，2002，15(5):7－10.

HE Jiancheng，WEI Hongchang，YUAN Canxing，et al.The pathogensis of Parkinsonism and treatment based on integrative medicine［J］.Gansu Journal of Traditional Chinese Medicine，2002，15(5):7－10.

［5］VAZ C，KONG Xuan，THAKOR N.An adaptive estimation of periodic signals using a Fourier linear combiner［J］.IEEE Transactions on Signal Processing，1994，42(1):1－10.

［6］ROCON E，BELDA－LOIS J M.Pathological tremor management:modelling，compensatory technology and evaluation［J］.Technology and Disability，2004，16(1):3－18.

［7］劉道寬.錐體外系疾病［M］.上海:上海科學技術出版社，2000:336.

［8］孫麗君，顧平，王銘維.不同類型震顫的臨床特點、發生機制及影響因素［J］.中國臨床康復，2006，10(46):226－228.

SUN Lijun，GU Ping，WANG Mingwei.Clinical characters，pathogenesis and influencing factors of different tremors［J］.Chinese Journal of Clinical Rehabilitation，2006，10(46):226－228.

［9］薛鴻，張恩科，黃力宇，等.震顫的工程分析技術價值的初步研究［J］.醫學信息，2005，18(7):784－786.

XUE Hong，ZHANG Enke，HUANG Liyu，et al.The initial research of tremor’s engineering analysis technique value［J］.Medical Information，2005，18(7):784－786.

［10］ANOUTI A，KOLLER W.Tremor disorders:diagnosis and management［J］.The Western Journal of Medicine，1995，162(6):510－514.

［11］LIPPOLD O J C，REDFEARN J W T，VUCO J.The rhythmical activity of groups of motor units in the voluntary contraction of muscle［J］.Journal of Physiol，1957，137:473.

［12］LIPPOLD O C J.Oscillation in the stretch reflex arc and the origin of the rhythmical，8－12Hz component of physiological tremor［J］.J Physiol，1970，206:359.

［13］STEIN R B，OGUZTORELI M N.Tremor and other oscillations in neuromuscular systems［J］.Biological Cybernetics，1976(22):147－157.

［14］STILES R N.Mechanical and neural feedback factors in postural hand tremor of normal subjects［J］.Journal of Neurophysiol，1980，44(1):40－59.

［15］TIMMER J，PFLEGER M L，DEUSCHL G.Cross－spetral analysis of physiological tremor and muscle activity:theory and application to unsynchronized electromyogram［J］.Biological Cybern，1998，78:349－357.

［16］GANTERT G，HONERKAMP，J TIMMER.Analysing the dynamics of tremor time series［J］.Biological Cybern，1992，66:479－484.

［17］童萼塘.震顫的藥物治療［J］.醫藥導報，2001，20(5):277－279.

TONG Etang.The medicine treatment for the tremor［J］.Herald of Medicine，2001，20(5):277－279.

［18］黃柒金，徐如祥，張世忠，等.帕金森病立體定向治療并發癥的防治［J］.立體定向和功能性神經外科雜志，2002，15(2):75－77.

HUANG Qijin，XU Ruxiang，ZHANG Shizhong，et al.Prevent and treat the complication of stereotactic operation for Parkinson’s disease［J］.Chinese Journal of Stereotactic and Functional Neurosurgery，2002，15(2):75－77.

［19］VELUVOLU K C，TAN U X，LATT W T，et al.Adaptive filtering of physiological tremor for real－time compensation［C］//Proceedings of the 2008 IEEE International Conference on Robotics and Biomimetics.Bangkok，Thailand，2009:524－529.

［20］艾玲梅，黃力宇.震顫信號分析的研究現狀及展望［J］.生物醫學工程學雜志，2007，24(6):1402－1405.

AI Lingmei，HUANG Liyu.The current situation and development of tremor signals analysis［J］.Journal of Biomedical Engineering，2007，24(6):1402－1405.

［21］VAZ C，KONG X，THAKOR N.An adaptive estimation of periodic signals using a Fourier linear combiner［J］.IEEE Transactions on Signal Processing，1994，42(1):1－10.

［22］GONZALEZ J G，HEREDIA E A，RAHMAN T，et al.A new approach to suppressing abnormal tremor through signal equalization［C］//Proc RESNA Annual Conferrence.Vancouver，Canada，1995:707－709.

［23］PROCHA A，ELEK J，JAVIDAN M.Attenuation of pathological tremors by functional electrical stimulation I:method［J］.Annals Biomedical Engineering，1992，20(3):205－224.

［24］RILEY P，ROSEN M.Evaluating manual control devices for those with tremor disability［J］.Journal of Rehabilitation Research and Development，1987，24(1):99－110.

［25］OPPENHEIM A V，SCHAEFER R W.Discrete－time signal processing［M］.Englewood Cliffs，USA:Prentice－Hall，1989:204.

［26］RIVIERE C N，RADER R S，THAKOR N V.Adaptive real－time canceling of physiological tremor for microsurgery［C］//2nd International Symposium on Medical Robotics and Computer Assisted Surgery.Baltimore，USA，1995:89－96.

［27］RIVIERE C N，RADER R S，THAKOR N V.Adaptive canceling of physiological tremor for improved precision in microsurgery［J］.IEEE Transactions on Biomedical Engi－neering，1998，45(7):839－846.

［28］VELUVOLU K C，TAN U X，LATT W T，et al.Bandlimited multiple Fourer linear combiner for real－time tremor compensation［C］//IEEE International Conference on Engineering in Medicine and Biology Society.Lyon，France，2007:2847－2850.

［29］ZHANG J Z，PRICE B T，ADAMS R D，et al.Detection of involuntary human hand motions using empirical mode decomposition and Hilbert－Huang transform［C］//IEEE International Midwest Symposium on Circuits and Systems 2008.Knoxville，USA，2008:157－160.

［30］ROCON E，PONS J，LANDRADE A O，et al.Application of EMD as a novel technique for the study of tremor time series［C］//28th Annual International Conference of the IEEE Engineering in Medicine and Biology Society.New York，USA，2006:6533－6536.

［31］ADELSTEIN B，ROSEN M.The effect of mechanical impedance on abnormal intention tremor［C］//Proceedings of the 9th Annual Northeast Bioengineering Conference.Piscataway，USA，1981，3:205－209.

［32］ROSEN M，DUNFEE D，ADELSTEIN B.Suppression of abnormal intention tremor by application of viscous damping［C］//Proceedings of the 4th Congress Intl Soc Electrophysiol Kinesiol.Boston，USA，1979:4－5.

［33］KOTOVSKY J，ROSEN M J.A wearable tremor－suppression orthosis［J］.Journal of Rehabilitation Research and Development，1998，35(4):373－387.

［34］ROCON E，BELDA－LOIS J M，RUIZ A F，et al.Design and validation of a rehabilitation robotic exoskeleton for tremor assessment and suppression［J］.IEEE Transactions on Neural Systems and Rehabilition Engineering，2007，15(3):367－378.

［35］JASON W，PHILIP B，IKITA A，et al.Wearable essential tremor solution［EB/OL］.［2011 －02－24］.http://www.picobay.com/projects/Wearable% 20Essential%20Tremor%20Suppression%20Device.pdf.

［36］SITARAM S，GUPTA C L A.Active vibration control of essential tremor［C］//14th National Conference on Machines and Mechanisms.［S.l.］，2009:446－449.

［37］孫建，葛運建，余永，等.穿戴型人體手臂震顫檢測與抑制機器人及其震顫抑制方法:中國，ZL20091014437.1［P］.［2009－12－30］.

SUN Jian，GE Yunjian，YU Yong，et al.A wearable robotic exoskeleton for tremor assessment and suppression and the strategies for tremor suppression Patents for inventions:China，ZL20091014437.1［P］.［2009－12－30］.

［38］孫建.基于外骨骼機器人技術的人體手臂震顫抑制關鍵技術研究［D］.合肥 :中國科學技術大學，2010:120－124.

SUN Jian.The study of key techniques for hand tremor suppression based on the wearable exoskeleton robot techniques［D］.Hefei:University of Sciences and Technology of China，2010:120－124.

［39］李軍強.面向病理性震顫的抑震機器人及其關鍵技術的研究［D］.哈爾濱:哈爾濱工業大學，2010:31－36.

LI Junqiang.Research on tremor suppression robot and key techniques for pathological tremor［D］.Harbin:Harbin Institute of Technology，2010:31－36.

［40］畢勝，鄢達米，王福根，等.基于肌電信號分析的功能性電刺激控制系統及其應用［J］.中國康復醫學雜志，2001，16(1):40－42.

BI Shen，YAN Dami，WANG Fugen，et al.The application of functional electrical stimulation technique based on the EMGs［J］.Chinese Journal of Rehabilitation Medicine，2001，16(1):40－42.

［41］明東，萬柏坤.功能性電刺激技術在截癱行走中的應用研究進展［J］.生物醫學工程學雜志，2007，24(4):932－936.

MING Dong，WAN Baikun.Progress in research on application of functional electrical stimulation technique in paraplegic walking［J］.Journal of Biomedical Engineering，2007，24(4):932－936.

［42］PROCHAZKA A，ELEK J，JAVIDAN M.Attenuation of pathological tremors by functional electrical stimulation－I:method［J］.Annals Biomedical Engineering，1992，20(1):225－230.

［43］JAVIDAN M，ELEK J，PROCHAZKA A.Attenuation of pathological tremors by functional electrical stimulation－II:clinical evaluation［J］.Annals Biomedical Engineering，1992，20(1):231－236.

［44］GILLARD D M，CAMERON T，PROCHAZKA A，et al.Tremor suppression using functional electrical stimulation:a comparison between digital and analog controllers［J］.IEEE Transactions on Rehabilition Engineering，1999，7(3):385－388.

［45］ZHANG Dingguo，ANG W T.Tremor suppression of elbow joint via functional electrical stimulations:a simulation study［C］//Proceedings of the 2006 IEEE International Conferenceon Automation Science and Engineering.Shanghai，China，2006:182－187.

［46］WIDJAJA F，CHENG Y S，POIGNET P，et al.FES artifact suppression for real－time tremor compensation［C］//2009 IEEE 11th International Conference on Rehabilitation Robotics.Kyoto，Japan，2009:53－58.

［47］ROSEN M J，ARNOLD A S，BAIGES I J，et al.Design of a controlled－enegry－dissipation orthosis(CEDO)for functional suppression of intention tremors［J］.Journal of Rehabilitation Research and Development，1995，32(1):1－16.

［48］RIVIERE C N，RADER R S，THAKOU N V.Adaptive cancelling of physiological tremor for improved precision in microsurgery［J］.IEEE Transactions on Biomedical Engineering，1998，45(7):839－846.

［49］PLEDGIE S，BARNER K，AGRAWAL S.Tremor sup－pression through impedance control［J］.IEEE Transactions on Rehabilitation Engineering，2000，8(1):53－59.

［50］GONZALEZ J，HEREDIA E，ARMAN T，et al.Filtering involuntary motion of people with tremor disability using optimal equalization［J］.IEEE International Conference on Systems，Man，and Cybernetics，1995，3(3):2402－2407.

孫建，男，1981年生，助理研究員，博士，主要研究方向為機器人技術及其應用研究.目前主持國家自然科學青年基金項目1項、安徽省自然科學基金項目1項，獲得發明專利1項、實用新型專利2項，發表學術論文10余篇.

向馗，男，1976年生，副教授，博士，主要研究方向為生理信號處理和人機同步.目前主持國家自然科學青年基金項目1項、湖北省自然科學基金項目1項，發表學術論文20余篇.

高理富，男，1970年生，研究員，博士生導師，博士，主要研究方向為機器人及其傳感器技術，主持完成多項國家級科研項目，發表學術論文10余篇.

A comprehensive review of fundamental theory and methodology for tremor suppression of human arm based on robotic exoskeleton technology

SUN Jian1，XIANG Kui2，GAO Lifu1，LI Tao2，GE Yunjian1

(1.Institute of Intelligent Machines，Chinese Academy of Sciences，Hefei 230031，China;2.College of Automation，Wuhan University of Technology，Wuhan 430070，China)

The paper introduces a comprehensive review of research work about tremor suppression of human arm based on the theory and methods of"Non－Medication"Methodology(robotic exoskeleton technology and signal processing technology)as the following aspects:1)tremor and tremor mechanisms;2)treatment of common tremor disorders;3)tremor signal extraction and processing;4)control strategies for tremor suppression based on rehabilitation robotic exoskeleton technologies;5)study on the evaluation of tremor suppression strategies.In particular，special focus has been put on the current research on the tremor signal extraction and processing based on the Fourier technology and the Hilbert－Huang transform(HHT)and the ambulatory and non－ambulatory tremor reduction and suppression technologies based on the rehabilitation robotic exoskeleton technologies.The paper introduces a comprehensive investigation of the key issues of the theory and methods of“non－medication”tremor treatment，which lays the foundation for subsequent research.

tremor;robotic exoskeleton;Hilbert－Huang transformation;EMD;signal analysis and processing

TP18

A

1673－4785(2012)04－0283－11

10.3969/j.issn.1673－4785.201112006

http://www.cnki.net/kcms/detail/23.1538.TP.20120803.1630.002.html

2011－12－08. 網絡出版日期:2012－08－03.

國家自然科學基金資助項目 (61105087);安徽省自然科學基金資助項目(090412039).

孫建.E－mail:jsun@iim.ac.cn.