《中国组织工程研究与临床康复》杂志2011年22期

动肌电信号。

3 讨论

实验针对肌电信号特点设计了一种简单易行的检测电路，该电路能有效地放大微弱肌电信号，并能在一定范围内衰减50 Hz工频干扰信号和高频信号，为进行肌电信号的采集提供了基础。当然，本电路设计比较简单，对外界环境中的其他干扰的抑制能力有待进一步提高。

在对4种手部动作采集的基础上，实验尝

试采用小波包变换进行特征量提取，考虑到表面肌电信号的有用能量分布在10~500 Hz频率范围内，且在各子频带上的能量与原始信号的能量相比没有改变，文章计算了肌电信号在此频率范围内8个子频带投影序列的能量值，结果表明采用子频段能量值方法可以初步区分4种不同动作。从图8还可以看出，展拳和内旋动作的区别与其他动作相比，差别不够明显，如何进一步突出其差异得到更好的肌电信号识别的特征量，还有待于对信号的非线性特征深入分析。

利用本文所建立的检测电路和分析方法，可以采集多种动作肌电信号进行研究，得到更加有效的肌电信号处理方法，为研制便于携带的肢体动作肌电采集和动作控制打下一定的基础。

4 参考文献 [1] Raez MB, Hussain MS, Mohd-Yasin F. Techniques of EMG signal analysis: detection, processing, classification and applications. 2006;8(1):11-35.

[2] Lu ZN.Beijing: People’s Medical Publishing House. 2000. [3] 卢祖能Wang RC.Discussion on various methods of EMG processing for .实用肌电图学[M].北京:人民卫生出版社,2000.

the control of prostheses//Proc.of International Conference on Biomedical Engineering.Hong Kong.1996: 341-344. [4] Wang G.Shanghai:Shanghai Jiaotong Daxue. 2008.

王刚[5]

上海交通大学.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:Qiu QJ,Zhu XY,2008.

.Zhongguo Zuzhi Gongcheng Yanjiu yu Linchuang Kangfu. 2010;14(4):645-648.

邱青菊[J].中国组织工程研究与临床康复,朱向阳.基于双谱分析表面肌电信号特征的提取与模式识别,2010,14(4):645-648.

[6]

Yu J,Yang JH,Chen X,et al.Shengwu Yixue Gongcheng Yanjiu. 2009;28(1):06-10.

于擎,[7]

模式识别杨基海,陈香,等.基于BPYang DP.Shanghai Jiaotong Daxue Xuebao. 2009;43(7): [J].生物医学工程研究神经网络的手势动作表面肌电信号的,2009,28(1):06-10.

1071-1075.

杨大鹏[J].上海交通大学学报,赵京东,姜力,等,2009,43(7):1071-1075.

.基于肌电信号的人手姿态多模式识别方法

4106

卢蕾，等. 采集表面肌电信号应用于动作识别的可行性

[8] Lei M,Wang ZZ, Feng ZJ. Detecting nonlinearity of action surface EMG signal. Phys Lett A.2001; 290:297-303.

[9] De Luca CJ: Surface Electromyography: Detection and [10] Recording.1996.

Ren XY任新宇.Kexue Zhiyou. 2009;3(8):111-113.

[11] 2009,3(8):111-113.

.关于拾取表面肌电信号的电路设计和探究[J].科学之友, Li G,Zhang X.Beijing:Dianzi Gongye Chubanshe.2008. [12] 李刚Zhao ZY,张旭.生物医学电子学[M].北京:电子工业出版社,2008. 赵章琰.Hefei:Zhongguo Kexue Jishu Daxue. 2010.

[13] 国科学技术大学.表面肌电信号检测和处理中若干关键技术研究Shi GJ.Shanghai:Shanghai Jiaotong Daxue. 2008.

,2010.

[D].合肥:中时改杰[14] 大学.动作表面肌电信号的特征提取方法研究[D].上海:Qiu QJ.Shanghai: Shanghai Jiaotong Daxue. 2009.

,2008.

上海交通邱青菊[15]

通大学.表面肌电信号的特征提取与模式分类研究[D].上海,上海交Luo ZZ.Huazhong Keji Daxue Xuebao:Ziran Kexueban. 2008,2009.

36(4):72-75.

；罗志增[16]

自然科学版.基于HMM的表面肌电信号模式分类[J].华中科技大学学报:Hu X,Li L,Ren XM,et al.Zhongguo Yixue Wulixue Zazhi. 2007; ,2008,36(4):72-75.

24(3): 212-214.

胡晓[17] 医学物理学杂志,李莉,任小梅,等.基于小波系数熵的表面肌电信号识别[J].中国Liu TR.Tianjin:Tianjin Keji Daxue. 2009.

,2007,24(3):212-214. [18] 刘涛然MALLAT S.A Wavelet Tour of Signal Processing.2nd .人体表面肌电信号的特性研究[D].天津:天津科技大学,2009. ed.Washingtion: Academic Press, 1999.

[19] MALLAT S.A theory for multire solution signal decomposition:the wavelet representation.IEEE Pattern Anal and Machine Intell. 1989; 11(7):674-693.

[20] Kilby J, Hosseini HG. Wavelet Analysis of Surface

Electromyography Signals. Proceedings of the 26th Annual

International Conference of the IEEE EMBS.2004;(1): 384- 387. [21]

Liu NG,Lei M.Zhongguo Zuzhi Gongcheng Yanjiu yu Linchuang Kangfu. 2008; 12(17):3285-3288.

刘南庚[22]

[J].,雷敏.Xiao Y中国组织工程研究与临床康复基于小波和非线性指标的表面肌电信号动作特征分析,2008,12(17):3285-3288. 肖毅导报,,2009,27(21):77-81.

陈善广,Chen SG,Wang CH.Keji Daobao. 2009;27(21):77-81. ,王春慧.基于熵理论和复杂度的肌电信号分析[J].科技

P.O. Box 1200, Shenyang 110004