# 11, ноябрь 2015 УДК 004.896:007.5:62-529 Система обработки данных электромиографии Со Со Тав У., аспирант Россия, 105005, г. Москва, МГТУ им. Н.Э. Баумана, кафедра «Системы автоматического управления» Научный руководитель: Гаврилов А.И., к.т.н., доцент, Россия, 105005, г. Москва, МГТУ им. Н.Э. Баумана, кафедра «Системы автоматического управления» iu1@bmstu.ru При движении мышц генерируется электрический сигнал, который формируется скелетными мышцами и называется электромиограммой (ЭМГ)[7,9]. Сигнал можно измерить с помощью поверхностных электродов, расположенных на коже (для измерения объемной активности мышц) или с помощью игольчатых электродов вставленых в каждую конкретную мышцу (для измерения активности специфических мышечных волокон). ЭМГ-сигналы мышц человека – это важные биологические показатели, которые дают понимание движений и намерений человека. Таким образом, ЭМГ- сигналы могут быть использованы в качестве входной информации для систем мультимодального управления робототехническими комплексами [2,3,4]. Для регистрации ЭМГ-сигналов используются датчики (Muscle Sensor v3 kit), которые измеряют активность мышц с помощью электродов, и аппаратно-программное средство Arduino Uno, предназначенное для считывания аналоговых ЭМГ сигналов и передачи их в компьютер. Arduino – это аппаратная вычислительная платформа, основными компонентами которой являются плата ввода/вывода и среда разработки на языке Processing/Wiring. Полученные сигналы обрабатыватся в программе LabVIEW и далее могут передаваться на устройство специального назначения (УСН) – «повторитель движений» или биопротез. Блок-схема процесса сбора и обработки данных ЭМГ сигналов представлена на рис.1. http://sntbul.bmstu.ru/doc/817650.html ЭМГ датчики Arduino LabVIEW УСН Обработка ЭМГ сигналов Arduino Рис. 1. Блок-схема процесса сбора и обработки данных ЭМГ сигналов На риc.2 показан электронный модуль с датчиками мышечной активности [3], предназначенный для получения данных ЭМГ, который состоит из платы Arduino UNO, датчиков мышечной активности Muscle Sensor V3 kit, электродов и блока питания. 5 1 22 4 3 Рис. 2. Макет биоинформационной системы на базе датчиков мышечной активности: 1-Электронный модуль, собранный на базе Arduino с датчиками мышц, 2- Плата Arduino UNO, 3- Датчики мышечной активности Muscle Sensor V3 kit, 4- Электроды, 5- Блок питания Измерение ЭМГ сигналов на бицепсе производилось при значениях угла между плечом и локтем в диапозоне от 0 до 90 градусов с шагом 10º (рис. 3). Молодежный научно-технический вестник ФС77-51038, ISSN 2307-0609 Рис. 3. Измерение ЭМГ сигналов на бицесе при угле 0 до 90 градусов Для выделения информативной составляющей, пригодной для использования в мультимодальных системах управления, проведены экспериментальные исследования статистических характеристик поверхностных электромиограмм, зарегистрированных на бицепсе испытуемых разного возраста. Интерфейсная панель программы для обработки ЭМГ-сигналов в системе LabVIEW представлена на риc 4. Рис. 4. Интерфейсная панель программы для обработки ЭМГ-сигналов в системе LabVIEW http://sntbul.bmstu.ru/doc/817650.html Выводы Разработанное в рамках работы универсальное программно-аппаратное решение на базе LabVIEW – Arduino может быть использовано при обработке ЭМГ сигналов. Результаты обработки экспериментальных данных показали, что характеристики электромиограмм обладают достаточной информативностью, но зависят от мышечной усталости, мышечного напряжения, потоотделения и возможного сдвига датчика из-за влажности кожи. Анализ статистических характеристик поверхностных электромиограмм подтвердил возможность применения ЭМГ-сигналов в биоинформационных системах и мехатронных комплексах с элементами мультимодального управления [3,4], а также для разработки биопротезов [3,6,7]. Список литературы 1. Суранов А.Я. LabVIEW 8.20 Справочник по функциям. М.: ДМК Пресс, 2007. 536 с. 2. Съем и обработка биоэлектрических сигналов: учебное пособие / под ред. К.В. Зайченко. СПБ.: СПБГУАП, 2011. 140 с. 3. Андрианов Д.А., Гаврилов А.И. Разработка системы анализа биологических показателей человека на основе нейросетевых технологии // Молодежный научнотехнический вестник. Электрон. журн. 2012. № 03. Режим доступа: http://sntbul.bmstu.ru/doc/458150.html (дата обращения 04.12.2014) 4. Пупков К.А., Гаврилов А.И., Шахназаров Г.А. Комплексирование технологий управления в интеллектуальных системах высокой точности и надежности // Вестник Российского университета дружбы народов. Серия: Инженерные исследования. 2011. № 4. С. 60-67. 5. Carlo J., De Luca. The use of surface electromyography in biomechanics // Journal of applied Biomechanics. No. 13. P. 135-163. 6. Alan G. Outten, Stephen J. Roberts, Maria J. Stokes. Analysis of human muscle activity, Artificial Intelligence Methods for Biomedical Data Processing // IEE Colloquium 1996. No. 7. P. 1-6. 7. Khushaba R. N., Kodagoda S., Takruri M., Dissanayake G. Toward improved control of prosthetic fingers using surface electromyogram (EMG) signals // Expert Systems with Applications, 2012. No. 39. P. 12. DOI: 10.1016/j.eswa.2012.02.192. Молодежный научно-технический вестник ФС77-51038, ISSN 2307-0609