多通道表面肌電信號同步采樣與處理研究

陳蕾 林明星 代成剛 吳筱堅

摘? 要： 在康復機器人的人機交互系統中，表面肌電信號（sEMG）發揮著重要作用。針對采集單通道的肌電信號已經不能滿足獲取更多信息量的需求，該文設計一個8通道的肌電信號同步采集系統。該系統包括表面電極貼片、儀表放大器、帶通濾波與二級放大、50 Hz陷波器、同步采集ADC和無線藍牙模塊等部分。通過測試實驗，該采集系統很好地采集了人體的表面肌電信號，有效去除了共模噪聲和50 Hz的工頻干擾。獲取的同步肌電信號可以進一步用于人機交互系統的模式識別研究。

關鍵詞： 表面肌電信號; 多通道信號; 同步采集; 信號處理; 人機交互系統; 系統測試

中圖分類號： TN911.7?34? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）04?0017?04

Synchronous sampling and processing of multi?channel surface myoelectric signal

CHEN Lei1， LIN MIngxing1，2， DAI Chenggang1， WU Xiaojian1，2

（1. School of Mechanical Engineering， Shandong University， Jinan 250061， China;

2. Key Laboratory of High?efficiency and Clean Mechanical Manufacture， Ministry of Education， Jinan 250061， China）

Abstract： Surface myoelectric signals （sEMG） play an important role in the human?computer interaction system of rehabilitation robot. As the single channel EMG signals has been unable to meet the need to obtain more information， an eight?channel myoelectric signal synchronous acquisition system is designed. The system includes surface electrode patch， instrumentation amplifier， bandpass filtering and secondary amplification， 50 Hz notch filter， synchronous acquisition ADC， wireless bluetooth module and so on. The testing experiment results show that the acquisition system can well collect the sEMG of human body and effectively eliminate the common mode noise and 50 Hz power frequency interference. The obtained synchronous myoelectric signals can be further used in the study of pattern recognition of human?computer interaction system.

Keywords： sEMG; multi?channel signal; synchronous collection; signal processing; human?computer interaction system; system testing

表面肌電信號（sEMG）是生物電信號之一[1?2]，其信號是從骨骼肌中獲得的，骨骼肌的收縮是由中樞神經系統和肌肉之間傳播的電脈沖控制的。sEMG的幅值范圍一般是0～5 mV，頻譜主要分布在10～500 Hz。根據采樣定理可知采樣頻率至少要達到1 000 Hz。sEMG在手勢識別[3?4]、智能假肢[5?6]和康復機器人[7?8]領域有著廣泛的應用。表面肌電信號是機器控制系統中人機交互的重要組成部分[9?10]。人機交互的目標是設計一個讓人類可以更自然地與計算機或其他設備進行通信的控制系統。基于sEMG的控制系統一般分為4個階段：數據采集與分割、特征提取、分類和控制器，階段1也被稱為信號調節和預處理。在這個過程中，信號從人體表面獲得，并通過濾波放大獲取有用信號，其中去除50 Hz的工頻干擾是成功采集信號的關鍵。融合了生物控制技術的系統可以增強人機交互性，讓機器有能力理解人類的意圖。這項技術對于提高殘疾人和老年人的生活質量非常有用。本文設計了一個8通道表面肌電信號同步采樣系統，能夠很好地采集信號并有效濾除噪聲干擾，并對采集的信號進行了初步處理。結果表明，該設計簡單有效，降低了成本，具備很好的應用前景。

1? 表面肌電信號同步采集系統設計

表面肌電信號使用電極片通過三線音頻導線設計信號調理與預處理電路。其中兩根線連接儀表放大器的差分輸入，第三根線接公共地作為參考。為了避免放大噪聲，采用兩級放大結構。微弱肌電信號通過一級儀表放大器放大信號的同時有效地去除了共模干擾，然后通過帶通濾波去除低頻和高頻干擾。由于10～500 Hz是窄帶濾波，所以采用低通濾波器和高通濾波器串聯構成。此時對去除共模干擾和高低頻干擾的肌電信號進行二次放大，放大到適合ADC采集的0～5 V的電壓范圍。接著通過陷波器去除50 Hz的工頻干擾，能否去除50 Hz的工頻干擾是肌電信號采集系統的關鍵。肌電信號通過調理與預處理電路后達到了ADC采集的電壓范圍。AD7606是8通道同步采集ADC，將采集的信號通過SPI接口傳輸給微控制器，微控制器再通過藍牙串口透傳模式將數據傳輸給上位機。接著上位機就可以對采集到的肌電信號進行進一步處理。該系統原理框圖如圖1所示。

1.1? 儀表放大電路設計

在實際的測量系統中，大多數放大器處理的是傳感器輸出的信號，而傳感器產生的信號一般比較微弱，傳感器的等效電阻也不是常量，從傳感器來的信號常為差模小信號且含有較大的共模成分。為了放大這種信號，要求放大器除具有足夠的放大倍數外，還要有較高的輸入電阻和共模抑制比。儀表放大器就可以滿足這樣的設計要求。儀表放大器能夠去除共模信號，同時又將差分信號放大。一級儀表放大電路如圖2所示。

儀表放大器AD623的增益由接在芯片1腳和8腳之間的電阻[Rg]阻值大小決定。輸入與輸出關系如式（1）所示。信號采集電路采用二級放大設計，第一級是儀表放大器主要用于抑制微弱肌電中共模干擾，設計放大倍數為4，則電阻[Rg]阻值為33 kΩ。

[Vout=1+100 kΩRg·Vin] （1）

1.2? 帶通濾波與二級放大電路設計

為了克服無源濾波器通帶放大倍數不能大于1，通帶放大倍數和截止頻率都隨負載而變化的缺點。本設計采用有源濾波器設計，為了獲取10～500 Hz信號，采用二階低通和高通有源濾波器串聯的方式。

一階低通有源濾波器的過渡帶太寬，對數幅頻特性的最大衰減斜率僅為-20 dB/十倍頻。增加RC環節可以加大衰減斜率。二階低通有源濾波器的衰減斜率達到-40 dB/十倍頻。把第一級RC電路的電容不接地而改接到輸出端，就構成了壓控電壓源二階低通有源濾波器，如圖3所示。

壓控電壓源二階低通有源濾波器的通帶放大倍數和通帶截止頻率[f0]都和一階低通有源濾波電路相同。當[Q=1，f=f0]時，即可保證通頻帶的增益，而高頻段幅頻特性又能很快衰減，同時還避免了在[f=f0]處幅頻特性產生一個較大的凸峰，因此濾波效果較好。

高通濾波電路與低通濾波電路具有對偶性，將圖3中R和C互換就可以得到壓控電壓源二階高通有源濾波電路。將去除共模干擾和高低頻噪聲的信號進行二級放大，放大到ADC的量程內。電路圖原理圖如圖4所示。設計的二級放大倍數是1 046。

1.3? 陷波器設計

陷波器設計的主體包括三部分：選頻部分、放大器部分和反饋部分。設計時采用雙T型帶阻濾波器為基礎并加入壓控反饋得到。此陷波器具有良好的選頻特性和比較高的Q值，電路原理圖如圖5所示。輸入信號經過一個RC元件組成的雙T選頻網絡，然后接至集成運算放大器的同向輸入端。雙T網絡電路中，在上面支路中兩個電容容量相等，均為C，兩者之間電阻的阻值為[R2];在下面支路中兩個電阻阻值相等，均為R，兩者之間的電容的容量為2C。

雙T型帶阻陷波器的帶寬BW和Q值如下：

[BW=fH-fL=41-mf0] （2）

[Q=f0fH-fL=141-m] （3）

式中：[m=R2R1+R2;f0=12πRC]。只要取m接近1時，就能得到窄帶濾波效果和高Q值，使陷波器的性能達到最佳。根據設計原理，要使f0=50 Hz，并要求m值接近1，選擇器件如下：C=33 nF，R=5.1 kΩ+91 kΩ，R1=5.1 kΩ，R2=91 kΩ，運算放大器選擇NE5532。圖5中，A1用作放大器，其輸出端作為陷波器的輸出;A2用作電壓跟隨器，與輸出端組成電壓反饋電路，在電路中引入正反饋。當信號頻率趨于0時，由于電容的阻抗趨于無窮大，則正反饋很弱;當信號的頻率很高時，由于電容的阻抗此時很小，因此C節點電壓趨于0。因此只要正反饋引入得當，就可以使中心頻率點的放大倍數增大，又不會出現自激振蕩。

1.4? 8通道同步采樣ADC電路設計

AD7606是16位8通道同步采樣模數數據采集系統。器件內置模擬輸入鉗位保護、二階抗混疊濾波器、跟蹤保持放大器、16位電荷再分配逐次逼近型模數轉換器（ADC）、靈活的數字濾波器、2.5 V基準電壓源、基準電壓緩沖以及高速串行和并行接口。該設計中AD7606與微控制器之間采用SPI接口連接。輸入范圍設置成±5 V的范圍。使用同步采樣ADC對來自信號調理與預處理電路的肌電信號進行模數轉換，簡化了多通道信號采集的設計，也使多路信號在時間上保持同步。這樣采集到的表面肌電信號就能代表同一時刻的信息。

1.5? 電源電路設計

該肌電信號采集系統需要±5 V和2.5 V電源。±5 V電源給濾波器和陷波器供電，2.5 V電源作為儀表放大器和二級放大的電壓偏置。XL6008升壓芯片的輸入電壓范圍為3.6～32 V，XL6008的輸出電壓范圍由式（4）決定。當R2=11 kΩ，R1=1 kΩ時，Vout=15 V。然后通過78M05和79M05穩壓芯片產生±5 V電源。通過電阻分壓和電壓跟隨器產生2.5 V電壓。

[Vout=1.251+R2R1] ? ?（4）

2? 信號處理

2.1? 采集實驗

表面肌電信號同步采樣系統實物如圖7所示。實驗時將表面電極貼在右上臂的肱二頭肌處。手臂做多次彎曲動作，將采集到的肌電信號通過上位機實時顯示出來。采集到的信號如圖8所示。系統的總放大倍數為4 186倍，測得的信號輸出范圍為-3～3 V。手臂靜止時信號大約穩定在0 V且干擾較小，手臂動作時信號反應較明顯。根據圖8b）的幅頻譜可以看出肌電信號的頻率主要集中在0～500 Hz之間。

2.2? 濾波去噪

經由肌電采集系統得到的原始肌電信號圖8a）所示，采樣間隔為465 μs，即采樣頻率為2 150 Hz。雖然肌電信號經過硬件電路上的濾波、去噪等一系列預處理，但仍然存在工頻噪聲、尖峰幅值等干擾?，F在對取得的原始肌電信號進行軟件濾波處理。對原始肌電信號進行離散FFT變換，得到單邊幅頻譜如圖8b）所示，可以看出50 Hz的工頻干擾較大。所以采用二階IIR濾波器作為陷波器，其幅度響應在某一頻率上為0，可以消除某個頻率分量，如50 Hz的工頻干擾。陷波后的頻譜圖如圖8d）所示。

2.3? 特征提取

采集肌電信號的目的就是獲取其包含的信息，并將這些信息作為模式識別的分類模型的輸入，完成人機交互的任務。常用肌電信號的特征有時域特征均方根（RMS）、方差（VAR）、過零點數（ZC）等;頻域特征有中值頻率、均值頻率等;時頻特征有小波包變換（WPT）、短時傅里葉變換（SFT）等。為了保證特征的連續性，采用設置時間窗+增量窗的方式提取特征。選擇時間窗為2 000個采樣點，增量窗為200個采樣點。利用Hilbert變換求出原始信號的包絡，如圖9a）所示，可以清楚地看出肌電信號的活動段。使用移窗法求出原始肌電信號的均方根特征，如圖9b）所示。信號的其余特征可以使用類似方法獲得。肌電信號的這些特征可以用于人機交互的分類和控制器中。

3? 結? 語

本文設計的8通道表面肌電信號采樣與處理系統具有體積小、成本低、無線數據傳輸和多通道肌電信號同步采集等優點。采集到的信號質量也很好，有效地抑制了共模噪聲和工頻干擾，并能實時將采集的數據傳輸給上位機。采集的肌電信號可以用于人機交互和模式識別的研究。因為多通道同步采樣的特點，擁有很好的應用前景。如果使用多塊AD7606芯片級聯可以實現更多通道信號的同步采集，為研究更多通道肌電信號提供了有效途徑。

參考文獻

[1] DISSELHORST?KLUG C， SCHMITZ?RODE T， G?NTER R. Surface electromyography and muscle force： limits in sEMG?force relationship and new approaches for applications [J]. Clinical biomechanics， 2009， 24（3）： 235.

[2] FARINA D. The extraction of neural strategies from the surface EMG [J]. Journal of applied physiology， 2004， 96（4）： 1486?1495.

[3] ZHANG X， CHEN X， LI Y， et al. A framework for hand gesture recognition based on accelerometer and EMG sensors [J]. IEEE transactions on systems man & cybernetics part a systems & humans， 2011， 41（6）： 1064?1076.

[4] BENATTI S， CASAMASSIMA F， MILOSEVIC B， et al. A versatile embedded platform for EMG acquisition and gesture recognition [J]. IEEE transactions on biomedical circuits and systems， 2015， 9（5）： 1.

[5] FARNSWORTH B D， TALYOR D M ， TRIOLO R J ， et al. Wireless in vivo EMG sensor for intelligent prosthetic control [C]// International Solid?state Sensors， Actuators & Microsystems. Xian： IEEE， 2009： 33?37.

[6] CHAN F H Y， YANG Y S， LAM F K， et al. Fuzzy EMG classification for prosthesis control [J]. IEEE transactions on rehabilitation engineering， 2000， 8（3）： 311.

[7] LI Q， WANG D， DU Z， et al. sEMG based control for 5 DOF upper limb rehabilitation robot system [C]// IEEE International Conference on Robotics and Biomimetics. Kunming： IEEE， 2006： 131?135.

[8] ZHOU Y， FANG Y， GUI K， et al. sEMG bias?driven functional electrical stimulation system for upper?limb stroke rehabilitation [J]. IEEE sensors journal， 2018， 18（16）： 6812?6821.

[9] POO T S， SUNDARAJ K. Design and development of a low cost EMG signal acquisition system using surface EMG electrode [C]// 2010 IEEE Asia Pacific Conference on Circuits and Systems. Kuala Lumpur： IEEE， 2010： 1342?1435.

[10] KHAN M H， WAJDAN A， KHAN M， et al. Design of low cost and portable EMG circuitry for use in active prosthesis applications [C]// 2012 International Conference of Robotics and Artificial Intelligence. Rawalpindi： IEEE， 2012： 1?5.