基于表面肌电信号的四轴飞行器控制系统的制作方法
【专利摘要】本实用新型公开了一种基于表面肌电信号的四轴飞行器控制系统，包括肌电信号获取模块、肌电信号处理模块和人机交互模块，肌电信号获取模块包括肌电信号采集模块和肌电信号存储模块，肌电信号采集模块用于对人体前臂表面肌电信号进行采集，肌电信号存储模块用于存储人体前臂表面肌电信号；肌电信号处理模块用于提取表面肌电特征值，将表面肌电特征值进行模式识别，输出控制信号；人机交互模块，通过人机交互接口发送至四轴飞行器。本实用新型的有益效果是，本实用新型设备结构简单，对人机交互环境的要求较低；利用AR模型和BP神经网络获取控制信号，通过设置合理的AR模型阶数并采用BP神经网络进行分类，获取的控制信号更加准确，该系统具有较高识别率。
【专利说明】
基于表面肌电信号的四轴飞行器控制系统
技术领域
[0001] 本实用新型涉及智能玩具控制技术领域，尤其是一种基于表面肌电信号的四轴飞 行器控制系统。
【背景技术】
[0002] 目前，肌电信号(Electromyography,简称EMG)是肌肉中运动单元的动作电位在时 间和空间上的叠加，一定程度上反映了肌肉和神经的功能状态。表面肌电信号（Surface Electromyography-表面肌电）是肌电信号（肌肉运动模式)在人体皮肤表面的综合反映， 是快捷无创检测肌肉活动的重要方法，包含了肌肉内运动神经元被激发的个数、神经电位 传导速度等信息。表面肌电可区分肌肉不同的运动模式，在生物医学、生物机械等领域具有 很好的应用价值。近年来，如何准确地获取识别分类表面肌电、实现高效的人机交互成为了 国内外研究的热点。
[0003] 1999年，Englehart的团队采用时频分析的方法(如短时傅里叶变换、小波变换以 及小波包等)提取出了肌电的特征信号。国内，上海交通大学和复旦大学合作展开了 "神经 的运动控制与控制信息源的研究"。其目的是提取神经信息，利用神经信息来控制电子假 手。中国科学技术大学神经肌肉控制实验室自2006年以来，开始研究基于表面肌电信号的 手势信号处理技术。
[0004] 在腕部动作的手势信号分类方面，前人可以给出粗略的分类结果，但在手指动作 方面，前人的分类结果错误率在20%以上，有较大的改进空间。另一方面，在利用基于表面 肌电信号的手势分类结果时，前人大多进行虚拟仿真而很少进行实际控制。
[0005] 现有技术中，手势的输入设备可分为基于数据手套的输入方式和基于图像识别的 输入方式。基于数据手套的输入方式，虽然识别率较高，但是复杂的设备和高昂的费用限制 了自身的应用。另一方面，基于图像识别的输入方式虽然成本比较低廉，但是实时性和识别 率较低，对外界环境的光线，摄像头帧率和图像采集器布设位置等要求较高。本实用新型提 出的基于前臂表面肌电信号的手势识别人机交互系统，设备简便，成本适中，对人机交互环 境的要求较低，具有较好的实时性和识别率，可以对四轴飞行器进行飞行控制。 【实用新型内容】
[0006] 本实用新型的目的是为克服上述现有技术的不足，提供一种基于表面肌电信号的 四轴飞行器控制系统。
[0007] 为实现上述目的，本实用新型采用下述技术方案：
[0008] 基于表面肌电信号的四轴飞行器控制系统，包括肌电信号获取模块、肌电信号处 理模块和人机交互模块，其中，
[0009] 所述肌电信号获取模块包括肌电信号采集模块和肌电信号存储模块，所述肌电信 号采集模块，用于对人体前臂表面肌电信号进行采集，所述肌电信号存储模块，用于存储人 体前臂表面肌电信号；
[0010]所述肌电信号处理模块，用于读取肌电信号存储模块的人体前臂表面肌电信号， 并提取表面肌电特征值，将表面肌电特征值进行模式识别，输出控制信号；
[0011]所述人机交互模块，接收肌电信号处理模块输出的控制信号，通过人机交互接口 发送至四轴飞行器。
[0012] 优选的，所述肌电信号采集模块包括肌电电极和依次连接的前端差分放大电路、 陷波器和带通滤波器，所述肌电电极贴附在操作者肌臂上，所述前端差分放大电路设置于 肌电电极上。通过采用前端差分放大电路，使得两级放大电路采用差分方式，可有效抑制共 模干扰信号。
[0013] 进一步优选的，所述前端差分放大电路包括两级放大器和缓冲电路，分别为依次 连接的第一级放大器、缓冲电路和第二级放大器。
[0014] 进一步优选的，所述第一级放大器型号为0PA2277且放大倍数为40,所述第二级放 大器型号为AD620且放大倍数为20,输入端为差分方式。通过采用型号为0PA2277的第一级 放大器且设置缓冲电路，可减少肌电信号源内阻对差分放大器影响，同时缓冲电路的设置 使得第一级放大器只具有放大差模信号的作用，差分增益可通过调节缓冲电路来实现，通 过采用型号为AD620第二级放大器，使得肌电信号采集模块具有优良的共模抑制能力。 [0015]进一步优选的，所述陷波器的工作频率为50Hz，所述带通滤波器工作频率为10-1000 Hz 0
[0016] 优选的，所述基于表面肌电信号的四轴飞行器控制系统
[0017] 本发明的有益效果是：
[0018] 1.本发明提出的控制系统，设备结构简单，成本适中，对人机交互环境的要求较 低；
[0019] 2.本发明提供的控制系统利用AR模型和BP神经网络获取控制信号，通过设置合理 的AR模型阶数并采用BP神经网络进行分类，获取的控制信号更加准确，因此，该系统具有较 高识别率，可以对四轴飞行器进行精确地飞行控制；
[0020] 3.本发明采用人机交互模块，充分提高了该系统运行地实时性。
【附图说明】
[0021] 图1是本实用新型提供的基于表面肌电信号的四轴飞行器控制系统结构示意图；
[0022] 图2是本实用新型提供的肌电信号采集模块的结构示意图；
[0023] 图3是本实用新型提供的基于表面肌电信号的四轴飞行器控制方法的流程图。
【具体实施方式】
[0024] 下面结合附图和实施例对本实用新型进一步说明。
[0025] 如图1所示，基于表面肌电信号的四轴飞行器控制系统，包括肌电信号获取模块、 肌电信号处理模块和人机交互模块，其中，
[0026] 所述肌电信号获取模块包括肌电信号采集模块和肌电信号存储模块，所述肌电信 号采集模块，用于对人体前臂表面肌电信号进行采集，所述肌电信号存储模块，用于存储人 体前臂表面肌电信号；
[0027] 所述肌电信号处理模块，用于读取肌电信号存储模块的人体前臂表面肌电信号， 并提取表面肌电特征值，将表面肌电特征值进行模式识别，输出控制信号；
[0028] 所述人机交互模块，接收肌电信号处理模块输出的控制信号，通过人机交互接口 发送至四轴飞行器。
[0029] 如图2所示，所述肌电信号采集模块包括肌电电极和依次连接的前端差分放大电 路、陷波器和带通滤波器，所述肌电电极贴附在操作者肌臂上，所述前端差分放大电路设置 于肌电电极上。通过采用前端差分放大电路，使得两级放大电路采用差分方式，可有效抑制 共模干扰信号。
[0030] 进一步优选的，所述前端差分放大电路包括两级放大器和缓冲电路，分别为依次 连接的第一级放大器、缓冲电路和第二级放大器。
[0031] 进一步优选的，所述第一级放大器型号为0PA2277且放大倍数为40,所述第二级放 大器型号为AD620且放大倍数为20,输入端为差分方式。通过采用型号为0PA2277的第一级 放大器且设置缓冲电路，可减少肌电信号源内阻对差分放大器影响，同时缓冲电路的设置 使得第一级放大器只具有放大差模信号的作用，差分增益可通过调节缓冲电路来实现，通 过采用型号为AD620第二级放大器，使得肌电信号采集模块具有优良的共模抑制能力。
[0032] 所述肌电信号采集模块的工作过程为，肌电电极采集人体前臂的表面肌电信号， 前端差分放大电路对表面肌电信号进行放大处理，然后经陷波器和带通滤波器进行网络滤 波得到滤波信号，该滤波信号传输至肌电信号处理模块。
[0033] 优选的，所述基于表面肌电信号的四轴飞行器控制系统
[0034] 基于上述表面肌电信号的四轴飞行器控制系统的控制方法，包括以下步骤：
[0035] 步骤一:在操作者前臂上敷设电极，肌电信号采集模块采集前臂表面肌电信号，并 将前臂表面肌电信号传输至肌电信号处理模块；
[0036] 步骤二:肌电信号处理模块获取前臂表面肌电信号，对前臂表面肌电信号进行预 处理，并通过AR模型提取表面肌电特征值；
[0037]步骤三:肌电信号处理模块对步骤二中的表面肌电特征值进行模式识别，获取控 制信号；
[0038]步骤四：人机交互模块接收控制信号，并通过人机交互接口将控制信号传输至执 行机构，执行机构根据控制信号做出相应的动作。
[0039]在表面肌电信号的特征提取领域，频域分析方法虽然拥有重要地位，但是它存在 着很大缺陷。运用传统的傅里叶变换方法时，需要知道信号的全部时域信息，这一点很难满 足要求;另外，信号的整个频谱特征受某一时刻变化的很大影响。这些都限制了传统傅里叶 变化在表面肌电信号特征提取中的应用。
[0040]自回归模型法(auto-regressive，简称AR模型)作为典型的参数模型法，具有频率 分辨率高的特点。AR模型要求信号满足短时平稳条件即可，即在分析的信号段内保持平稳， 表面肌电信号恰好可以满足这个限制条件。AR模型将信号分析过程中的随机性和有限的可 预测性结合起来。研究肌电信号可以通过研究AR模型的性质和白噪声通过系统的输入输出 关系来完成，得到AR模型的若干系数就可以表征肌电信号的性质。
[0041 ]优选的，所述步骤二中，通过AR模型提取表面肌电特征值的具体步骤如下：
[0042]步骤S21:建立肌电信号的AR模型；
[0043] 步骤S22:根据Yule-Walker方程，设置AR模型阶数为4，求取AR参数，所述AR参数即 表面肌电特征值。
[0044] 优选的，所述步骤三中，对步骤二中的表面肌电特征值进行模式识别，获取控制信 号具体方法如下：
[0045] 根据AR参数构建BP神经网络分类器输入，BP神经网络对分类器输入进行分类，输 出运动模式分类结果向量，并将运动模式分类结果向量作为控制信号。
[0046] 所述步骤二和步骤三的【具体实施方式】如下：
[0047]建立表面肌电信号的AR模型，模型表示如下
[0048] (1)
[0049] AT，yi衣不衣IMJ肌电信号的第i个米样值，aj表不AR模型的第j个系数，为AR参数， m表示白噪声残差，P表示AR模型的阶数。
[0050] 由Yule-Walker方程，求出AR参数，Yule-Walker方程公式如下：
[0051
(2)
[0052]由于AR模型阶数P对模式识别的性能具有很大影响。经过大量的实验证明，P选取 的太低，分辨率不够;选取的太高，谱估计会出现谱分裂现象，即出现实际中不存在的虚假 信息。
[0053]经过大量实验，当阶数P的范围为2<P<4时，信号分析和识别性能较优。当阶数P 值为4时，信号的分析和和识别性能最好。由此，本实用新型将AR模型的阶数P选取为4,得到 4阶AR系数A=[ai a2 a3 a4]T。
[0054] 将AR模型系数向量A作为BP神经网络分类器的输入，由BP神经网络对信号进行分 类，输出运动模式分类结果向量，将运动模式分类结果向量作为相应的控制信号，控制四轴 飞行器进行相应的飞行动作。
[0055] 实施例:肌电信号采集模块包括肌电电极和依次连接的前端差分放大电路、陷波 器和带通滤波器，前端差分放大电路包括依次连接的第一级放大器、缓冲电路和第二级放 大器，第一级放大器型号为0PA2277且放大倍数设置为40，第二级放大器型号为AD620且放 大倍数为20，输入端为差分方式，陷波器的工作频率设置为50Hz，带通滤波器工作频率设置 为lO-lOOOHz，AR模型阶数P设置为4。
[0056] 表1表示表面肌电信号建立AR模型获取的尺侧腕伸肌AR系数，该表中可以看出前 臂不同的动作对应的AR系数不同。
[0057]表1表面肌电信号AR系数
[0061 ]由表2看出，本发明建立表面肌电信号的AR模型，并将AR模型系数作为BP神经网络 分类器输入，BP神经网络分类识别结果如表2所示，由表2看出，本发明提出的方案对表面肌 电信号进行了正确的识别。
[0062]上述虽然结合附图对本实用新型的【具体实施方式】进行了描述，但并非对本实用新 型保护范围的限制，所属领域技术人员应该明白，在本实用新型的技术方案的基础上，本领 域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本实用新型的保护范 围以内。
【主权项】
1. 基于表面肌电信号的四轴飞行器控制系统，其特征是，包括肌电信号获取模块、肌电 信号处理模块和人机交互模块，其中，所述肌电信号获取模块包括肌电信号采集模块和肌 电信号存储模块，所述肌电信号采集模块，用于对人体前臂表面肌电信号进行采集，所述肌 电信号存储模块，用于存储人体前臂表面肌电信号； 所述肌电信号处理模块，用于读取肌电信号存储模块的人体前臂表面肌电信号，并提 取表面肌电特征值，将表面肌电特征值进行模式识别，输出控制信号； 所述人机交互模块，接收肌电信号处理模块输出的控制信号，通过人机交互接口发送 至四轴飞行器。2. 如权利要求1所述的基于表面肌电信号的四轴飞行器控制系统，其特征是，所述肌电 信号采集模块包括肌电电极和依次连接的前端差分放大电路、陷波器和带通滤波器，所述 肌电电极贴附在操作者肌臂上，所述前端差分放大电路设置于肌电电极上。3. 如权利要求2所述的基于表面肌电信号的四轴飞行器控制系统，其特征是，所述前端 差分放大电路包括两级放大器和缓冲电路，分别为依次连接的第一级放大器、缓冲电路和 第二级放大器。4. 如权利要求3所述的基于表面肌电信号的四轴飞行器控制系统，其特征是，所述第一 级放大器型号为0PA2277且放大倍数为40,所述第二级放大器型号为AD620且放大倍数为 20,输入端为差分方式。5. 如权利要求2所述的基于表面肌电信号的四轴飞行器控制系统，其特征是，所述陷波 器的工作频率为50HZ，所述带通滤波器工作频率为ΙΟ-ΙΟΟ0Hz。
【文档编号】A61B5/0476GK205540291SQ201620382919
【公开日】2016年8月31日
【申请日】2016年4月29日
【发明人】胡睿, 刘宇飞, 赵志国, 高锋, 靖向前, 张进
【申请人】泰山医学院