0 引言

    肌肉纖維在人體動作時會因刺激發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通信發送至其他設備，后續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?。―irect 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方式觸發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?；赟TM32F103 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規范，可使用AT指令、支持UART接口及SPP Bluetooth串口協議。系統基于STM32F103將ADC采集的數據通過Bluetooth 4.0發送至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，若否則進入查詢狀態，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，則開始發送數據。

    MATLAB將Bluetooth模擬成串口，其讀取數據的方法有查詢發和事件驅動法。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，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，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期間電壓一直處于波動狀態，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期間一直處于刺激狀態，而掌長肌只在手指伸展的瞬間被刺激之后恢復常態，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)