Article Info

[摘要]自适应反馈电针系统工作时，患者反馈的肌电信号（EMG）具有悬浮地平面、幅值微弱和信噪比低等缺点，造成信号采集及特征提取困难。为准确提取患者生理特征和耐针特性，本文对EMG信号产生的机理进行了研究，并建立数学模型，分析EMG信号特征。本研究设计了高精度EMG信号采集电路，采用小波变换提取EMG特征，能够为电针系统提供准确的反馈信息，保证闭环系统工作的实时准确性。

0 引言

当肌肉受到外界刺激后会在细胞膜内产生一个动作电位（Intracellular Action Potential，IAP），动作电位在神经肌肉接头处产生，并沿着肌纤维向肌肉两边传导。传导过程中，在单一肌纤维上产生单纤维动作电位（Single Fiber Action Potential，SEAP），而同一运动单位由众多纤维组成，称其为运动单位（Motor Unit，MU），经过一系列组织结构电活动后，产生运动单位动作电位（Motor Unit Action Potential，MUAP)[1-2]。肌电信号（Electromyographic，EMG）是众多MUAP在时间和空间上的叠加[3-4]，该信号能在一定程度上反映出神经肌肉的活动状况，在临床及康复医学中具有重要的使用价值。

自适应电针系统采用闭环控制方式实现对处方信号的自动调整[5]，作为系统的反馈环节，EMG信号质量直接影响着控制的有效性和精度。肌电信号具有微弱性、低频性、交变性等特点[6-7]，在时域上幅度不大于μV量级，频域上频谱主要集中在150～1000 Hz之间，此外患者自身具有导电特性，使得空间环境中的电磁场对EMG信号产生较大干扰，因此必须有效抑制共模干扰，使采集的信号不受人体电位变化影响。本文设计了共模信号采集、放大、滤波电路，将EMG信号送入数字信号处理器（Digital Signal Processor，DSP），将模拟信号转换为数字信号（A/D）后，对其进行处理及特征提取，使得微弱的EMG信号不丢失、不失真，最终获取准确的人体生理特征，报道如下。

1 EMG产生机理及数学模型

由肌电采集仪记录下来的神经肌肉系统活动生物电信号，是由电极附近不同深度、不同远近的运动单元活动时的电位变化在电极处时间和空间的叠加结果[8]。设Ik(t)为单位电脉冲，且多个脉冲间独立分布，则Ik(t)表示为：

其中为第i个单位延迟，设为电势，为冲击响应，为运动单元的耦合度，则EMG信号表示为：

根据公式(2)、(3)分析，EMG信号幅度和能量非常微弱，一般在10～1000 μV。因此对EMG信号的放大增益需要＞35 dB，带宽范围为20 Hz～1 kHz，需要滤除低频漂移和高频分量，必须对EMG信号进行幅度放大，且满足DSP中A/D转换器的电平要求（0～5 V）。由于患者身体的非绝缘特性，体外环境的工频及空间电磁场干扰都会在患者体表形成噪声，因此需滤除肌电信号的50 Hz工频干扰并保证共模抑制比＞100 dB，并对EMG信号进行滤波和屏蔽。A/D转换单元采用16位转换模块，以保证采样精度。

2 EMG采集系统设计

采集系统原理，见图1。信号采集电极A/B为悬浮于大地的一对采样电极，信号经过放大、滤波后进入模拟数字电路转换单元，最终通过数字信号处理器进行特征提取。

图1 采集系统原理框图

差分接收器的功能是将电极采集到的差分EMG信号转换成单极性对地信号，对共模信号进行抑制，且增加信号的驱动能力。差分接收电路，见图2。

图2 差分接收电路

A/B端为差分信号的输入端，为提高动态特性，选用高速运放LM119进行设计，能有效地提高输入阻抗，并对输入信号进行缓冲。R1C1耦合的主要功能是滤除高频干扰，为R2、R3、R6、R7提供静态电流，偏置LM119的工作点。当共模信号从A、B点注入时，IC1的正负端没有压差，IC1无信号输出；当A、B端存在差模信号时，由于采用双电源供电，允许的差模动态范围很大，只需很小的驱动电流即可将差分信号转化为对地的+5 V信号，驱动能力较强，具有极高的共模抑制比。

经过差分放大器的接收后，EMG信号中的共模噪声和高频干扰被滤除，为满足数字信号处理器中A/D变换器的接口电平要求，需要对微弱的接收信号进行增益放大。电针电极在检测人体表面的EMG时，会产生直流分量，采用单级放大电路会引起直流信号饱和，因此本研究采用两级放大电路，见图3。

图3 幅度放大电路

本研究选用ADI公司的运算放大器OP43，考虑放大器搭建减法器电路来消除共模信号时，对电阻的匹配要求很高。若电阻不匹配，则每个输入端的增益会有差异，直接影响共模抑制比（Common-Mode Rejection Ratio，CMPR），而OP43在宽频内具有优良的共模抑制能力。幅度放大电路需要较高的共模抑制比，电阻R4～R7用来调整第一级放大电路的增益，根据R8、R9分压电路采集到的直流偏置进行动态调整，保证了运算放大器IC2始终工作在线性区，避免了信号在放大过程中出现失真。IC3和IC4组成的互补共模抑制放大电路将第一级输出的信号进行二次放大，保证了输出信号的幅度能够达到数字信号处理器的接口要求；运算放大器IC5将两级放大后的信号进行阻抗变换，保证了对后级电路足够的驱动能力。跟随器和仪表放大器则采用另外一组电源供电。另外，在实际应用中，还需对放大电路进行屏蔽处理。

EMG信号非常微弱，一般只有μV级[9]，频率范围为1～1000 Hz，谱密度通常在30～300 Hz之间，因此EMG信号具有低频特性。由于电针从人体到设备间存在一段导线，因此环境噪声（如50 Hz工频等低频噪声）会对EMG造成干扰。经过幅度放大后，EMG信号还存在很多噪声，因此需要对EMG的噪声进行滤波，将滤波电路输出的信号进行电位底部抬升，保证进入A/D转换器的信号不存在负压。高通滤波器的工作原理，见图4。

图4 高通滤波器的工作原理

高通滤波器的截止频率在30 Hz左右，以去除检测电极上的极化直流电压。滤波器的Q值（品质因数）匹配，加入高通滤波器可以有效地减小电针电极与人体间移动造成的低频干扰。根据EMG信号的频谱，将EMG信号高通滤波器截止频率设为20 Hz。

本研究采用III阶巴特沃斯低通滤波器滤除高频干扰，其设计方法与高通滤波器相同，只是将高通滤波器中电阻与电容的位置进行了相应的调整，低通滤波器截止频率为500 Hz。

高通和低通滤波器也用于数字图像处理中频域变换。经过滤波和放大之后的表面肌电信号仍然存在零电位以下的信号，而本系统所选用的单片机内置的A/D转换器，其输入电压为0～5 V，因此需要将处理过的表面肌电信号进行电位抬升后，才输入到单片机A/D转换口，以保证模数转换的准确性。

本研究采用TI公司的TMS320F2812处理器，其拥有高速的12位A/D转换器。EMG信号经过采集、放大和滤波后将模拟信号变换为数字信号，采用逐次逼近变换方式对模拟信号进行有效处理，而TMS320F2812中的A/D能够对快速交流信号提供更好的支持，转换器是所有ADC中最通用的，这种转换器由基于电容DAC的逐次逼近转换器组成，可将高分辨率和高吞吐能力结合在一起，内部所有部件能方便地通过3个寄存器SFR接口来设置。

3 EMG信号特征提取

EMG信号经过模数转换器变换为数字信号后送入计算单元，由于EMG信号的特性为非平稳信号，采用传统傅里叶分析等方法无法反映信号细部特征，由于小波分析在时域和频域均有很好的局部显微能力，该算法能够自动调整时域和频域的观察精度[10-11]。因此本研究采用小波分析对EMG信号的特征进行提取，并进行多维空间分解，将分解出的小波系数进行AR建模，传递函数采用4阶AR模型，保证了分析性能与计算量比值效能的最大化。

分别为AR模型的分解系数，EMG的信号和噪声在多尺度空间上具有不同的特性，采用小波分析算法提取EMG时频域参数，然后用AR模型对所得到的小波系数进行建模，最后利用模式分类提取出EMG信号的特征。

4 实验结果

为验证该系统的功能，本文采用Delsys公司的高精度EMG测量仪，采集患者胫骨前肌肌电信号，并将信号送入本系统进行幅度放大、滤波、A/D转换、特征提取等处理，传送至计算机系统，显示结果，见图5。

由图5可以看出，本系统可以清晰、准确地捕捉到EMG信号的特征，并能够反映出不同处方电针方式对EMG反馈信号的影响。

5 结论

在电针系统的设计过程中，由于反馈的EMG信号幅度微小、成分复杂，因此EMG信号的采集及特征提取是最大的难点。本文设计的方法能够有效提取、反映不同电针处方信号对人体激励信号的响应波形，为电针系统的稳定准确工作提供坚实的基础。

图5 EMG信号

注：a.电针系统刺激患者双侧足三里、内关时的原始EMG信号；b～d.接收到电针系统调频、调宽、调幅指令后采集到的EMG信号。

[1] Farina D,Rainoldi A.Compensation of the effect of sub-cutaneous tissue layers on surface EMG: a simulation study[J].Med Eng Phys, 1999,21(6-7):487-497.

[2] 尤波,刘意,赵汗青,等.人体肌电信号的生理层模型[J].计算机仿真,2015,32(1):367-371.

[3] 万泽明,方强,郁磊,等.基于Gap Statistic和广义互相关的单通道SEMG分解[J].航天医学与医学工程,2014,27(2):101-106.

[4] 潘祖善.肌电信号产生机理的模型[J].上海交通大学学报,1986, (3):73-84.

[5] 薛方,王丽.一种自适应反馈电针系统研究[J].现代电子技术,2015, (24):87-89.

[6] 王建辉,张传鑫,白冰,等.上肢康复机器人实验平台肌电信号采集系统的设计[J].电子世界,2012,(11):28-30.

[7] 王美茜,刘振泽,尹苍穹,等.基于小波变换改进的上肢肌电信号降噪分析[J].控制工程,2015,(S1):8-12.

[8] Kouchaki S,Boostani R,Parsaei H.A new feature selectionmethod for classification of EMG signals[C].IEEE Proceedingsof the Artificial Intelligence and Signal Processing,2012:585-590.

[9] 胡进,侯增广,陈翼雄,等.下肢康复机器人及其交互控制方法[J].自动化学报,2013,40(11):2377-2390.

[10] 薛方,崔延超.分布式自适应反馈电针系统研究[J].中国医疗设备, 2015,30(10):33-36.

[11] 张毅,连奥奇,罗元.基于小波变换及AR模型的EMG模式识别研究[J].电子测量与仪器学报,2011,25(9):770-774.

Electromyographic Signal Acquisition and Feature Extraction of the Electro Acupuncture System

XUE Fang
Computer Teaching and Research Section, Department of Health Management, Xi’an Medical University, Xi’an Shaanxi 710021, China

Abstract：In the adaptive feedback electro acupuncture system, the Electromyography (EMG) signal has the disadvantages of suspension in the earth, small amplitude and low signal-to-noise ratio, resulting in the difficulty of signal acquisition and feature extraction. In order to extract the physiological characteristics and the characteristics of the needle, a mathematical model was studied and established in this paper to analyze the characteristics of the EMG signal. The high-precision EMG signal acquisition circuit was designed in this paper to extract the EMG features by using wavelet transformation. The circuit was able to provide accurate feedback information for the electro acupuncture system, which guaranteed the real-time accuracy in the work of the closed-loop system.