Со Со Тав У - Молодежный научно-технический вестник

реклама
# 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
Скачать