基于Hill模型的人机接口技术研究开题报告

1. 研究目的与意义（文献综述）

1.1 研究的目的及意义目前，因为各种事故以及疾病的影响，我国残障人士的数量逐年增多，这些人饱受因肢体不便所带来的身体和精神上的折磨，因此开发一种控制自如的仿生手臂或运动康复设备将会是对这部分人士和全社会的一个卓越贡献，而要实现这一目的，一个康复训练机构是必不可少的，同时还需要一个能够实时准确的估计人体运动意图的人机交互设备。对于人体运动意图获取的研究是近些年人机接触交互中的前沿和热点，它是人工假肢和康复设备控制不可或缺的重要部分，实时、准确、高效并且自然的让人工设备根据人体的意图来运动是一个优良的人机交互系统所追求的目标。基于肌电的人机接口具有结构简单、操作方便等特性，具有广泛的应用前景。由于生物电信号中包含了丰富的人体信息，人机接口可以提取肌电信号中蕴含的有用信息，并以之来识别人体对外界刺激的反应，再通过机械装置来完成人体的运动意图。例如某些残障者是在交通事故或其他意外事件中失去了前臂，但其中枢神经系统(Central Nervous System，CNS)未受损坏并且截肢手术后还残存部分上臂肌肉，利用肌肉电信号(Electromyography，EMG)包含的如肌肉力量、操作者的目的动作和肌肉阻抗等信息，来识别残障受试者的操作意图。使受试者控制义肢时获得与控制原手臂相同的感觉，即可以使用肌电信号作为义肢的控制信号。而几十年来的实践表明，对于骨骼肌的性质来说，Hill 方程和 Hill 模型仍然是一种良好的近似。而且，到目前为止，这也是唯一可操作的模型。从实际应用的需要来看，对于骨骼肌来说，当务之急不在于新的、更完善的理论的探索和更完备的本构关系的寻求，而在于肌肉（肌群）力的在体无创监测方法的研究，这无论对于骨和关节的受力分析、骨折的治疗的方法选择和参数优化，以及运动生物力学等都有重大的实用意义。在这方面，Hill 模型理论有可能发挥它的独特的作用。因此，对基于Hill模型的人机接口技术的研究仍然具有重要的意义。1.2 国内外研究现状在国外某些实验室中，EMG信号已经被研究用作残障病人义肢的控制信号。尽管如此，此类义肢还是难以在日常生活中为残障者所使用，主要原因是：一、硬件装置问题，如电机噪声和过大的重量。二，人机接口的算法问题，如以前在国外的大多数研究中，由于对肌电信号模式识别的精度不够高，难以充分平稳地控制义肢。从研究方法的发展上看，80年代的工作由于受到计算机能力和数学方法的限制，只能够采用诸如多元统计理论等经典的分类识别方法，算法要么无法实现实时动作识别，要么无法根据测试条件和对象的改变随时更正参数数值。进入90年代以后，随着神经网络被Anderson和Kohonen等人的重新发现，P.Parker等人迅速发现了这一算法非常适合肌电信号动作识别工作，并立即将这一方法应用到他们的工作当中。受到神经网络发展的限制，在文章中还存在问题。直到1993年B.Hudgins利用多层神经网络对按时间分段的统计特性序列进行分类，才将这一研究引向了现代的研究轨迹。但这一时期识别的特征都只局限于时域的一些统计特征。为了提高识别率，许多作者分别采用了Wigner分布，和短时傅里叶变换的方法提取非平稳信号的时变特征。随着小波分析的引入，越来越多的研究者采用这一新方法来分析解决非平稳信号的频域特征问题。近几年来还有的学者开始采用小波包分解得到的统计特征。甚至还有学者使用了分形和小波算法结合的办法来解决这个问题。但是这些算法的最大问题在于计算时间和精度之间的矛盾，既要有足够的时间提取足够的分类信息，又要有足够的时间来对这些数据进行复杂的时频域分析，同时还要能够满足操作上的透明性。随后有研究者提出不采用时频域特征，而是将数据分成非常小的时间片，并在每个时间片后判断动作，最后再对多个时间片上的结果使用“投票”算法的新方法。在医学领域人体生物电信号早已被应用到诊断当中。脑电图，心电图，肌电图已经成为医生判断病人病情的有力工具，研究人体生物电信号的科学被称为“电生理学”。然而人体仍然是一个没有完全解开的秘密，特别是对生物电信号的来源—神经系统包括脑和人体全身的神经纤维工作和传输信息的本质仍然知之甚少。医学界对于“电生理”的研究也还停留在从表面现象总结生理特点的阶段，并没有真正理解和解释各种生物电现象产生的本质。这导致了即使是在今天这样一个信息技术高度发达的时代，计算机仍然无法快速有效地获取、提炼和解释生物电信号，以生物电信号为基础的人机交互手段还不能成为主流的人机接口。也正是这个原因，生物电信号作为人-机接口还是一个充满了未知，富有挑战的研究领域，国内外在此领域的研究工作正方兴未艾。

2. 研究的基本内容与方案

2.1 研究的基本内容本课题主要完成的目标是实现基于hill模型的人机接口技术研究，即创建由人体肌电信号控制下肢康复机器人运动的人机接口。主要完成的研究内容有：(1)设计肌电信号的采集方案，使之能在强噪声环境下提取高性噪比的肌电信号；(2)研究肌电信号的噪声源，提出肌电信号去噪的方法，比较各种去噪方法的优劣；(3)研究肌电信号的特点，通过对表面肌电信号的处理提取表面肌电信号的特征；(4)研究hill模型的原理和下肢康复机器人平台的控制方法，实现对康复机器人控制的人机接口。2.2 研究目标此次设计主要完成的是结合下肢康复机器人平台和经典的hill模型，创建由人体肌电信号控制康复机器人运动的人机接口。每部分目标为：(1)能够准确的提取高信噪比肌电信号；(2)对提取的肌电信号能够准确的进行去噪的处理，获取准确的肌电信号；(3)利用matlab/simulink 工具箱对去噪后的肌电信号进行处理，提取肌肉的激活度信息；(4)以肌肉的激活度作为输入信号，通过hill模型获得肌肉力的信息；(5)创建基于肌电信号和hill模型的人机接口系统。2.3 拟采用的技术方案及措施此次设计的流程如下图1所示。

图1 设计流程图

肌电信号采集的目的是要作为驱动假肢或外骨骼的信号源，信号的准确程度很大程度上影响驱动的精确性。因此，必须采用合理的硬件设备对肌电信号进行采集和处理。在人体中的肌电信号要想被提取出来首先必须有一定的引导手段，表面电极是贴附于皮肤表面的一种信号引导设备，相对于皮下针式电极而言其无创伤性的特点更适合用于运动的人体之上。选择 sx230-1000 表面电极。sx230 是一种主动感应传感器，提供极高质量的信号并容易使用，独特的设计的放大器的阻抗10000000mohms，这就意味着无论是做静态还是动态应用领域，对皮肤不需要或只需简单的处理。采集得到的原始肌电信号需要传给 pc 机做进一步的处理。本次设计使用matlab/simulink 工具箱对肌电信号做进一步的滤波和归一化处理。simulink 是matlab 的一个附加组件，它是一个强大的建模仿真工具，几乎可以用来模拟所有的动态系统。 首先要经过截止频率为25hz 的 2 阶巴特沃斯高通滤波器的滤波处理，目的是滤除信号中的低频干扰成分；然后进行整流，即通过将信号取绝对值达到整流的效果；之后是进行截止频率为 4hz 的 4 阶巴特沃斯低通滤波处理，达到对信号的线性包络处理；最后通过除以一个随意收缩时的最大激活度值，完成归一化处理。经过 simulink 处理后的结果即为肌肉激活度。随后建立hill肌肉模型，从 1938 年 hill 建立肌肉模型以来，人们通过对肌肉的不断的探索研究，在前人的基础上提出了很多新的肌肉模型，但这些模型可以看作是 hill 模型的调整和改进。 该模型在结构上由3个主要单元组成，分别是串联弹性单元(series elastic element，se)、并联弹性单元(parallel elastic element，pe)和收缩元(contractile element，ce)。其中收缩单元代表肌纤维，并行弹性单元代表肌纤维的被动成分及其周围的弹性组织，而串行弹性单元则代表肌腱和其他与肌纤维串联的弹性组织。最后建立基于肌电信号和hill模型的人机接口系统，实现对下肢康复机器人的控制。

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，学习毕业设计研究内容所需理论的基础。确定毕业设计方案，完成开题报告。第4－5周：掌握人机接口的基本原理和常用肌电信号分析方法。第6－9周：提出肌电信号去噪、特征提取方法。第10－12周：理解Hill模型原理和下肢康复机器人平台控制方法。第13－15周：创建基于肌电信号和Hill模型的人机接口系统，进行系统测试，完成并修改毕业论文。第16周：准备论文答辩。

4. 参考文献（12篇以上）

[1] 张娴.基于肌电信号的人机交互技术研究.学位论文.2006(3)[2] 何乐生.基于肌电信号的人机接口技术研究.学位论文.2006(6)[3] 陈歆普.基于肌电信号的多模式人机接口.学位论文.2011(7)[4] 孙永森.人体膝关节生物力学模型研究.学位论文.2006(6)

[5] 丁其川, 赵新刚, 韩建达.基于肌电信号的上肢多关节连续运动估计.机器人.2014.36 (4):

469-476

[6] 郭维,王志坚,刘娟.肌肉收缩hill特性式的理论研究.生物物理学报.2010.26(3):245-250[7] 魏高峰，田丰，王冬梅等.基于hill理论及模糊算法的骨骼肌力建模与仿真.数字医学研究与应用.2011.6(11):71-74[8] 曹弋.matlab教程及实训.北京:机械工业出版社,2014[9] 侯伟民.基于表面肌电信号的生物医学人机接口研究.学位论文.2014(12)[10]a. erdemir, s. mclean, w. herzog, and a. j. van den boger.model-based estimation of muscle forces exerted during movements.clinical biomechanics.2007. 22(2): 131-154.[11]l. dipietro, m. ferraro, j. j. palazzolo, h. i. krebs, b. t. volpe, and n. hogan.customized interactive robotic treatment for stroke:emg-triggered therapy.ieee transactions on neural systems and rehabilitation engineering.2005. 13(3): 325-334.

[12]r. song, k.-y. tong, x. hu, and l. li.assistive control system using continuous myoele-