0 引言

    肌肉纖維在人體動作時會因刺激發(fā)生生物離子運動而形成生物電信號，電信號經過時間和空間的疊加在皮膚表面便形成了表面肌電信號(Surface Electromyography Signal，sEMG)。sEMG可以反映肌肉的活動狀況或者肌肉的疲勞程度，在假肢、手語交流、肌肉疾病等領域具有重要的應用價值，例如可以通過檢測手指肌肉的運動狀態(tài)識別手勢從而實現手語交流；通過檢測相應肌肉的動作信號控制假肢活動；通過分解sEMG可以評判肌肉疲勞程度并據此對患者進行相應的疾病診斷、肌肉康復或訓練。

    sEMG是一種微弱的生物電信號且受到多種噪聲干擾，如何有效采集一直是sEMG研究的重要課題，本文利用銀電極的換能作用設計一種可貼于人體表面的sEMG檢測電極，銀電極將皮膚表面的生物信號轉換為可測量的電壓信號，將電壓信號放大濾波后進行模數轉換，再通過Bluetooth通信發(fā)送至其他設備，后續(xù)可經處理或顯示或作為控制信號。

1 實現方式

    如圖1所示，采集系統(tǒng)整體由五部分構成，檢測電極選取兩級放大濾波實現對信號的1 000倍放大以及保留主要的能量帶寬20 Hz～450 Hz信息^[1]，STM32F103作為控制器實現對信號的A/D轉化，并通過Bluetooth 4.0發(fā)送至PC，PC基于MATLAB平臺對數據進行處理，MATLAB以串口方式實現與Bluetooth 4.0通信，并通過中斷方式讀取接收到的數據，系統(tǒng)整體由電池供電。

1.1 檢測電極設計

1.1.1 設計原理

    sEMG是眾多肌纖維中運動單元動作電位在時間和空間上的疊加，經過皮膚等物質的阻抗和電容作用在皮膚表面通常只有1 mV左右的峰值。因此在設計檢測電極時需考慮多種影響因素，如檢測電極的設計、放置、噪聲污染等。

    檢測電極設計的基本原理是生物組織在刺激過程中會發(fā)生生物離子運動，從而形成微弱的生物電流，利用銀電極可與皮膚構成簡單的回路，將生物電信號轉化為可測量的電壓信號。根據研究表明^[2]，銀電極一般采取固定式間距效果較好，最佳的間距可設為10 mm，可較好地減少鄰近肌肉的串擾。對于電極安放，最佳放置是肌肉腹部^[3]，可以減小串擾并提高信噪比。對于噪聲污染，主要考慮生理噪聲、環(huán)境噪聲以及運動偽跡，針對不同的噪聲可采取不同的措施，通過差分放大，選取高共模抑制比的放大器，選擇合適的測量位置可以一定程度減小生理噪聲；將測量電極和放大濾波電路一體化，避免使用連接線，可以有效減小環(huán)境噪聲；而運動偽跡頻率集中在20 Hz以下，采用高通濾波器可消除運動偽跡的影響，另外系統(tǒng)采用電池供電，可減小工頻干擾。

1.1.2 實現方式

    綜合以上分析，設計了如圖2所示的電路，電路總體分為兩級放大濾波，實現1 000倍的放大以及20 Hz～450 Hz的帶通濾波。首先選取高共模抑制比的AD8220作為初級放大濾波器^[4]，AD8220具有體積微小的MSOP封裝，放大倍數由R決定，R和C可構成簡單的無源RC高通濾波器濾除低頻的運動偽跡，銀電極以差分的方式輸入以減少共模噪聲的影響，測量時注意接入參考電極并接地，然后選擇具有雙運放的AD8642構成帶通濾波器，保留帶寬20 Hz～450 Hz，濾除其他無用頻率。電路制作時盡可能選取貼片式器件以減小電路板尺寸，便于貼于皮膚表面及最大程度減小受試者的不適感。

1.2 sEMG無線傳輸

    sEMG經電路放大濾波后僅具有1 V左右的峰值，帶寬集中在20 Hz～450 Hz，而STM32F103內部集成12位模/數轉換器（Analog to Digital Converter，ADC），最短采樣時間為1 μs，足以滿足sEMG的A/D轉換。檢測電極由電池供電，選用低功耗的Bluetooth 4.0可延長設備待機時間。

1.2.1 基于STM32F103的模數轉換

    STM32F103內部集成3個12位ADC共18個通道，可測量16個外部和2個內部信號源，信號經A/D轉換后存儲在16位數據寄存器(規(guī)則通道數據寄存器或注入通道數據寄存器)中。通常ADC需要不間斷采集大量的數據，為提高效率，程序使用直接內存存取（Direct Memory Access，DMA）方式從寄存器讀取到內存中，并通過DMA請求結束事件以完成一次數據采集，此外程序采用定時器觸發(fā)方式觸發(fā)ADC并控制采樣率。

    DMA方式是將數據從一個地址空間搬運到另一個地址空間，過程中無需CPU中斷，可很大程度減小CPU中斷負載，提高采樣效率。STM32F103具有2個DMA控制器，共12個通道，其中DMA1的Channel1可參與ADC1數據搬運，在具體實現過程中程序配置好DMA的相關參數，如外設數據地址、內存地址、傳輸方向等，即可實現DMA方式。基于STM32F103 DMA方式進行ADC采集程序較為簡單，故不再詳細講解程序流程。

1.2.2 基于Bluetooth 4.0實現無線傳輸

    Bluetooth 4.0是Bluetooth STG在2010年7月7日推出的新規(guī)范，因其低功耗特性而廣受歡迎。本文選用美國TI公司CC2541芯片設計Bluetooth模塊，該模塊遵循V4.0 BLE規(guī)范，可使用AT指令、支持UART接口及SPP Bluetooth串口協議。系統(tǒng)基于STM32F103將ADC采集的數據通過Bluetooth 4.0發(fā)送至PC，該過程中STM32以UART方式與Bluetooth通信，此方式需保證STM32串口參數與Bluetooth參數（波特率、停止位、奇偶校驗位等）一致，PC以另一個Bluetooth 4.0設備接收數據，接收和發(fā)送Bluetooth間以MAC地址進行配對，配對成功后MATLAB采用中斷方式進行數據接收。

1.2.3 程序設計

    具體的程序流程如圖3所示，STM32向Bluetooth發(fā)送AT指令，并判斷響應是否為“OK”，若是則說明Bluetooth可正常進入AT指令，可通過發(fā)送AT指令配置Bluetooth參數，使之與串口參數一致；若否則提醒用戶無法進入AT模式并結束程序。Bluetooth參數配置完成后，判斷此時Bluetooth是否處于配對狀態(tài)，若否則進入查詢狀態(tài)，按照MAC地址與上位機Bluetooth進行配對。配對成功后，若PC與STM32成功握手應答，則開始發(fā)送數據。

    MATLAB將Bluetooth模擬成串口，其讀取數據的方法有查詢發(fā)和事件驅動法。然而由于接收的數據較多、時間較長，若采用查詢法，會極大地占用系統(tǒng)資源，造成程序效率低下，因此本文選用事件驅動法結合回調函數進行數據讀取。該方法需指定ByteAvailableFcnMode的值，其值通常可設為byte或terminator。若設為byte，表示當輸入緩存中的字節(jié)數達到BytesAvailableFcnCount指定的大小，則調用BytesAvailableFcn中指定的回調函數；若設為terminator，則表示可用鍵盤某個按鍵事件觸發(fā)并調用回調函數。

    PC每接收完一次數據，調用一次回調函數，回調函數會將數據換算為實際的數值（ADC采樣數據需經過計算才與實際數值相符）存入txt文件中。當一段時間內的數據發(fā)送完畢后，txt文件中則包含了此次sEMG檢測的所有數據。

2 實驗測試

    如圖4所示，測試受試對象（女，24歲）右手尺側腕屈肌以觀察握拳動作，測試掌長肌以觀察右手食指伸屈動作。進行握拳動作時要求受試對象開始時手掌處于舒張放松狀態(tài)，一段時間后開始握拳，維持時間不超過10 s，之后恢復到放松狀態(tài)，10 s后再次握拳，如此反復，直至100 s結束；進行食指伸屈動作受試對象開始五指彎曲，一段時間后伸展食指，維持時間不超過10 s，后彎曲食指，如此反復，直至100 s結束。檢測電極以STM32F103為控制器，將檢測電極采集到的數據經A/D轉換后通過Bluetooth 4.0發(fā)送至PC，PC以Bluetooth 4.0接收數據，并通過MATLAB讀取接收到的數據并對其進行直觀顯示。

    從圖4中可以觀察到，在100 s內sEMG具有約5次較大的波動，這與實際進行了5次握拳和伸屈動作的事實相符；5次波動幅值各不相同，這反應了每次的握拳和伸屈力度各不均等，動作力度越大，電壓波動越大，由此可以看出該采集系統(tǒng)可以較為明顯地反映動作次數和力度。

    對比圖4(a)和圖4(b)，前者在握拳動作持續(xù)期間電壓一直處于波動狀態(tài)，且隨著握拳力度的增加或減小，電壓波形也會劇烈或舒緩；而后者在食指伸展的瞬間電壓波動較大，但并不一直存在于食指伸展的過程中，這與實際情況相符；尺側腕屈肌在握拳動作持續(xù)期間一直處于刺激狀態(tài)，而掌長肌只在手指伸展的瞬間被刺激之后恢復常態(tài)，這也說明不同肌肉具有不同的sEMG信號特征，可反映不同的動作信號，利用該特征可通過測試不同肌肉的sEMG獲取不同的動作信號。 

3 結束語

    近年來sEMG在手勢識別、假肢控制、肌肉疾病診斷和康復等領域中呈現了越來越大的研究價值，但因其微弱和易受干擾性使得檢測存在困難。本文利用銀電極的特性，將sEMG轉換為可測量的電壓信號，基于STM32F103對其采樣后通過Bluetooth 4.0發(fā)送至其他控制設備，控制設備只需具備Bluetooth接收功能即可接收數據。sEMG包含大量表征肌肉生物特征的信息，控制設備可對接收到的信號進行分解或者特征提取，提取這些生物信息。

參考文獻

[1] ROY S H，COLE B T，GILMORE L D，et al.High-resolution tracking of motor disorders in Parkinson′s disease during unconstrained activity[J].Movement Disorders，2013，28(8)：1080-1087.

[2] DELUCA C J，KUZNETSOV M，GILMORE L D，et al.Inter-electrode spacing of surface EMG sensors：Reduction of crosstalk contamination during voluntary contractions[J].Journal of Biomechanics，2012，45(3)：555-561.

[3] ZAHEER F，ROY S H，DELUCA C J.Preferred sensor sites for surface EMG signal decomposition[J].Physiological Measurement，2012(33)：195-206.

[4] 趙章琰.表面肌電信號檢測和處理中若干關鍵技術研究[D].合肥：中國科學技術大學,2010.

作者信息:

李佳妮，王云峰

(中國科學院大學 中國科學院微電子研究所 新一代通信射頻芯片技術北京市重點實驗室，北京100029)