顧春榮

摘要：有別于基于圖像的計算機視覺技術和測量人體部位運動物理量的技術，肌電信號直接反映了人體的動作意圖，從中提取的相關信息可轉化為控制輪椅的信號。該文敘述了肌電信號在操控智能輪椅中的主要工作，重點和發(fā)展方向。

關鍵詞：智能輪椅；人機接口；肌電信號；特征提取；分類識別

中圖分類號：TP18文獻標識碼：A文章編號：1009-3044(2012)22-5442-04

Applications of Electromyographic Signal in Intelligent Wheelchair

GU Chun-rong

(College of Electronics and Information Engineering,Tongji university, Shanghai 201804, China)

Abstract: Differing from the image-based computer vision technique and the technique of measuring the physical caused by human parts motion, the electromyographic signal reflects the behavior intention of humans body directly. The relational messages extracted from the electromyographic signal can be converted into signals for controlling the wheelchair. This paper recites the primary works, emphasis and direction in steering the wheelchair using electromyographic signal.

Key words: intelligent wheelchair; Man-machine interface; electromyographic signal; feature extraction; classification and identification

智能輪椅作為醫(yī)療護理領域的服務機器人主要用來輔助老年人和殘疾人的日常生活和工作，是對他們弱化的機體功能的一種補償。智能輪椅是將智能機器人技術應用于電動輪椅，融合機器視覺、機器人導航和定位、模式識別、多傳感器融合及人機接口等，涉及機械、控制、傳感器、人工智能等技術。智能輪椅主要由導航系統(tǒng),運動控制系統(tǒng)和人機接口三部分組成。事實上，智能輪椅的智能更多地體現(xiàn)在輪椅與使用者之間和諧的交互上。友好的人機接口已成為實現(xiàn)智能輪椅主要功能的關鍵。

鑒于人機接口的重要性，世界各地的研究者對智能輪椅的人機接口進行了深入的研究?；谏眢w運動[1],頭部運動[2]，觸摸屏[3]，語音[4]，呼吸運動[5]，計算機視覺和生物電信號等的人機接口已經(jīng)進入人們的視野。其中基于計算機視覺的人機接口又可以細分為基于手部姿態(tài)[6]，頭部姿態(tài)[7]，眼睛凝視[8]，口形[9]，臉部方向[10]等的人機接口。由于基于單獨特征的人機接口往往具有局限性，所以在實際應用中往往會采用基于多種特征組合的人機接口[8-9][11]。

肌電信號在實際生活中已經(jīng)得到了廣泛應用。肌電信號已經(jīng)被研究用作殘障病人義肢的控制信號；另外肌電信號中包含了豐富的人體信息，比如人體動作的力量信息和位置信息等。相對于傳統(tǒng)的人機接口技術，肌電信號能直接反映人的動作意圖，其受到的外界干擾更少，輪椅操作的可靠性、安全性和人體舒適性更高。目前針對智能輪椅中基于肌電信號的人機接口的研究主要集中在如何從肌電信號中提取相關信息并將之轉換為相應的輪椅操控命令。

1基于肌電信號的人機接口系統(tǒng)的主要工作

人在做肢體運動時，肢體的特定關節(jié)運動由其對應的肌肉群控制，由相應肌群運動檢測到的肌電信號不但能反映關節(jié)的伸屈狀態(tài)和伸屈強度，還能反映動作完成過程中肢體的形狀、位置和運動等信息，這就是采用肌電信號識別人體動作的生理學依據(jù)。基于肌電信號的人機接口系統(tǒng)的主要工作依次包括信號采集，信號調理，A/D轉換，活動段檢測，特征提取，分類識別，控制指令轉換，D/A轉換，輪椅驅動。其工作重點在于信號調理，活動段檢測，特征提取和分類識別。

1.1肌電信號的采集

根據(jù)測量中所用的引導電極和安放位置的不同，肌電信號可分為針電極肌電信號NEMG (Needle EMG)和表面電極肌電信號SEMG (Surface EMG)兩種，前者是以針形電極（如圖1所示）為引導電極，后者則是以表面電極（如圖2所示）為引導電極，將其安置在皮膚表面時測量到的肌肉活動在檢測表面處的電位綜合。針電極插入人體時會對肌肉和脂肪組織造成損傷，不宜反復多次或過長時間測量，也不宜同時測量多路信號。所以一般采用表面電極來測量，其最大優(yōu)點是測量的無損傷性。表面電極具有較大的檢測表面和較低的空間分辨率，其所記錄的信號為一定范圍內肌纖維電活動的總和。一般SEMG的幅度范圍為0-1.5mV，帶寬為0.5-2kHz，主要能量集中在50-150Hz范圍內。

2結束語

肌電信號在智能輪椅中的研究已經(jīng)取得了一定的成績，但很多方面仍然需要改進和創(chuàng)新以達到更好的效果，我們可以從以下方面考慮：

1)改進信號的提取方法，最大限度提取人機交互所需的有用信息，提高源信號的提取精度和可靠性。

2)由于肌電信號本身極其微弱，非常容易受到各種干擾與噪聲的影響，因此必須解決肌電信號的預處理問題。

3)改進特征提取與模式識別的算法，在確保安全性和高識別準確率的情況下，盡量提高信息傳輸率和系統(tǒng)實時性。

4)提高人機接口系統(tǒng)的適應能力：由于人的個體差異較大，因此需要研究適應對象特點的特征選擇算法。

參考文獻：

[1] Yokota S.Hashimoto H,Ohyama Y,et al.The electric wheelchair controlled by human body motion[C].Human System Interactions,HSI 09. 2nd Conference on, 2009,23( 21):247-250.

[2] Kupetz D.J,Wentzell S A,Bu Sha B F. Head motion controlled power wheelchair[C].Bioengineering Conference, Proceedings of the 2010 IEEE 36th Annual Northeast ,2010,2(1):26-28.

[3] Montesano L,Diaz M,Bhaskar S,et al. Towards an Intelligent Wheelchair System for Users With Cerebral Palsy[J].Neural Systems and Rehabilitation Engineering. IEEE Transactions on, 2010,2(18):193-202.

[4] Nishimori M,Saitoh T,Konishi R.Voice controlled intelligent wheelchair[C].SICE,Annual Conference, 2007,340(336):17-20.

[5] Mazo M.An integral system for assisted mobility [automated wheelchair[J].Robotics & Automation Magazine, IEEE,2001,1(8):46-56.

[6] Posada-Gomez R,Sanchez-Medel L H,Hernandez G A,et al. A Hands Gesture System Of Control For An Intelligent Wheelchair[C].Electrical and Electronics Engineering, ICEEE 2007. 4th International Conference on,2007,71(68): 5-7.

[7] Zhang-fang Hu,Lin Li,Yuan Luo,et al. A novel intelligent wheelchair control approach based on head gesture recognition[C].Computer Application and System Modeling,ICCASM,2010 International Conference on,2010, V6-159-V6-163 (6) :22-24 .

[8] Matsumoto Y,Zelinsky A.An algorithm for real-time stereo vision implementation of head pose and gaze direction measurement[C].Automatic Face and Gesture Recognition,2000. Proceedings . Fourth IEEE International Conference on,2000:499-504.

[9] Jin Sun Ju,Yun Hee Shin, Eun Yi Kim,et al. Intelligent wheelchair using face and mouth shape recognition[C].Consumer Electronics,2008. ICCE 2008.Digest of Technical Papers.International Conference on, 2008,2(1):9-13.

[10] Kuno Y,Murashina T,Shimada N,et al. Intelligent wheelchair remotely controlled by interactive gestures[C].Pattern Recognition,2000. Proceedings.15th International Conference on, 2000(4):672-675.

[11] Feng Wang, Xiangshi Ren, A Survey of Human Computer Interaction Models for the Disabled[J]. Information-An International Interdisciplinary Journal,2010,3(10):585-591.

[12] Kyuwan Choi,Sato M,Koike Y.A new, human-centered wheelchair system controlled by the EMG signal[C].Neural Networks,IJCNN 06. International Joint Conference on, 2010:4664-4671.

[13] Inhyuk Moon,Myungjoon Lee,Junuk Chu,et al.Wearable EMG-based HCI for Electric-Powered Wheelchair Users with Motor Disabilities[C].Robotics and Automation, ICRA 2005.Proceedings of the 2005 IEEE International Conference on,2005,2654(2649): 18-22.

[14] Jeong-Su Han, et al. Development of an EMG-based Powered Wheelchair Controller for Users with High-level Spinal Cord Injury[C]. Proc. of Int. Conf. on Control,Automation and Systems, 2001:6-503.

[15] Lai Wei,Huosheng Hu,Kui Yuan.Use of forehead bio-signals for controlling an Intelligent Wheelchair[C]. Robotics and Biomimetics,ROBIO 2008.IEEE International Conference on,2009,113(108): 22-25.

[16] Hashimoto M,Takahashi K,Shimada M.Wheelchair control using an EOG- and EMG-based gesture interface[C].Advanced Intelligent Mechatronics,AIM 2009.IEEE/ASME International Conference on, 2009 ,1217(1212):14-17.