表面肌電信號(SEMG)利用粘貼在人體肌肉表面的Ag-AgCl電極片，測量肌肉活動時的放電信號。它不同于針電極插入肌肉的測量方法，具有簡單易用、無創傷、無痛苦的優點，能有效反映肢體運動信息。它可以被用在臨床醫學研究與診斷、康復工程、機器人等領域[1]。

    現有肌電采集儀具有通道數目較少、所測數量少、測量受連接電纜的束縛等缺點，因此，本文提出了一種無線肌電采集裝置，以STM32F103作為處理器，利用nRF24L01作為射頻無線收發模塊，不但可克服以上缺點，還具有穩定可靠、傳輸距離遠、數據量大等優點。在助力機器人應用中，可以實時采集人在上樓梯、遠距離行走時的SEMG。目前，該裝置已經被用于助力機器人的助力效果評價中[2]。
1 工作原理
    系統結構框圖如圖1所示。16個通道的肌電信號通過差分電極，經過射極跟隨電路緩沖后，經放大、濾波、電平抬升后供STM32F103進行采集。STM32F103內部的切換開關分時選通每個通道，由于切換速度高，可認為采集是同步進行的。STM32F103將SEMG進行數字濾波后,通過nRF24L01發送至接收端。接收端將數據通過USB接口發送至上位機軟件。STM32F103具有最高128 KB的Flash，最高20 KB的SRAM，主頻可以達到72 MHz，具備二個SPI同步串行接口，一個USB2.0全速接口。它自帶A/D轉換器，具有16通道、1 μs轉換速度、12 bit采樣精度，可完成16通道的SEMG數據采集。通道數目越多，可測量的數據點就越多，所反映肌肉塊的數據信息也就越多。多通道可以構成陣列式電極，運用相關算法，可對復雜肢體運動進行識別。雖然MSP430單片機采樣頻率可以達到200 kS/s，但受制于晶振的工作頻率及串口傳輸速率的瓶頸,無法做到8通道以上的高速SEGM采集。

    nRF24L01作為采集儀的收發模塊,是一種工作于2.4 GHz的無線工業級的通信芯片, 它的最高傳輸速率為2 Mb/s，具有內置硬件CRC檢錯和點對多點通信地址控制，抗干擾能力強?；赪IFI的無線文件傳輸系統，對于嵌入式系統，配置雜，功耗較高。使用工業級無線模塊nRF24L01做無線收發任務，配置簡單，功耗低。
2 系統硬軟件設計
2.1 SEMG的前端調理
    SEMG非常微弱，幅度一般為0.1~5 mV，常常淹沒在大量噪聲中，極易受到干擾。要先進行首級放大后才能進行濾波，放大電路選用高共模抑制比、低輸入偏置電流的儀表運放INA111。對于毫伏級小信號的放大，運算放大器選擇特性優良的OPA4277，其參數為：偏置電壓10 μV，偏置電流1 nA，溫漂±0.1 μV/℃，電源抑制比130 dB，靜態電流0.79 mA，單雙電源供電，軌對軌輸出。前3個參數可防止SEMG淹沒在器件本身的噪聲中，高電源抑制比可避免由電源波動引起的噪聲干擾，低靜態電流可減少鋰電池供電時的功耗?？紤]到SEMG頻帶為10~500 Hz,故設計-3 dB截止頻率范圍為10~500 Hz的帶通濾波器，濾除SEMG夾雜的低頻和高頻的干擾信號，再進行末級放大。取INA111差分信號的平均值，做積分運算，運算結果作為參考電極——浮地(Float GND)，可有效地抑制共模干擾。電路圖如圖2所示。

    電路中僅做帶通濾波還不夠，還需針對50 Hz的工頻陷波，可選方法很多。有源T型陷波器雖然理論與設計成熟，但對元件的對稱性要求極其嚴格，元件精度直接影響中心頻率與Q值，調試非常困難；用UAF42通用濾波器構成的陷波器，可以使50 Hz工頻衰減40 dB[3]，但是對于多通道的數據采集系統來說，每個通道都加一片UAF42及外圍電路,硬件顯得過于龐雜。結合STM32F103的數據處理速度快的特點，直接用數字濾波，可以簡化系統設計、降低成本。使用FIR濾波器可以設計到高階，而且線性相位性能好，詳細過程在后面介紹。
2.2 SEMG數據采集與發送
    參考文獻[4]介紹了一種96通道的陣列式SEMG采集與測量系統，ADC轉換速率高達1 MHz。有研究表明，SEMG 作為一種微弱的生物電信號，其頻率分布在10～500 Hz，且絕大部分集中在20～150 Hz之間[5]。根據香農定理及工程實踐經驗，將STM32F103的采樣頻率定為1 kHz，已經能夠較好滿足實際需求。每次A/D轉換結束后,使用DMA方式將轉換后的數據依次移至數據緩沖區,數緩沖區填滿后,將4 KB數據無線發送到接收模塊。
    SEMG數據發送工作流程如下：采集模塊接收到PC機發送的采集命令參數后，解析命令的具體功能，如開始采集、發送數據、停止采集、濾波、修改采樣頻率等。采集模塊將數據按Modbus協議格式打包成數據幀，通過SPI接口傳給nRF24L01自動發送。如果采集模塊接收到重傳命令，重新傳遞數據。
2.3 SEMG數據接收
    接收模塊的STM32F103在上電后，完成系統時鐘配置與初始化片外設備,并從nRF24L01讀取數據,進行CRC校驗，若數據出錯，則命令發送模塊重傳。若數據正確，放入DMA中，等到數據緩沖滿4 KB時，將數據打包，通過STM32的USB接口，發送到上位機軟件，進行實時顯示與存儲。意法半導體公司專門為STM32F103 提供USB固件驅動程序庫，簡化了應用開發流程。首先，使用DriverStudio中的Driver works編寫USB 驅動程序，生成“*.inf”與“*.sys”文件。然后，當接收端與PC機連接時，PC機自動加載USB驅動程序，上位機軟件用CreateFile 函數打開設備，用ReadFile 從WDM中讀數據，用WriteFile寫數據給WDM。利用TeeChart Active控件，實現數據的可視化輸出。為減小文件大小、提高讀寫速度，防止出現死機與丟包現象發生，數據被以二進制文件“*.dat”的形式存儲在硬盤中。最后，當應用程序退出時，用CloseHandle關閉設備。
3 工頻濾波
    使用較好的差分電極和高共模抑制比的儀表運放，可減少工頻噪聲。但是它的帶寬較窄，難以充分抑制。工頻干擾主要集中在以50 Hz及其倍頻上,如100 Hz、150 Hz、…、450 Hz。為了把工頻干擾從SEMG中濾除，本文設計了線性遞歸的梳狀陷波器。IIR濾波器的計算量小，但沒有線性相位;FIR濾波器雖有線性相位,但其所用階次高，帶阻濾波器的系數也非整數，所以乘加運算量大，無法實時處理SEMG。如果采用簡單整系數濾波可以用IIR的結構實現FIR濾波器。采用全通網絡減去帶通網絡方法得到帶阻網絡。
    帶通濾波器的轉移函數為：
    
    根據轉移函數，求出時域方程，STM32處理器將采集數據放到循環隊列中與時域方程的各項系數進行乘加運算，得到濾波后的SEMG，再通過無線傳輸方式發送到上位機。為了驗證濾波器的設計效果,用120 Hz、210 Hz兩種正弦波疊加，并添加50 Hz及其倍頻干擾，來模擬SEMG。濾波前后對比如圖3所示?？煽闯鰪秃闲盘柦浵莶ê?，工頻成分極大地衰弱，陷波器窄阻帶很好地保護了其他有效頻帶內的模擬SEMG。

4 SEMG的特征提取

    可通過時域與頻域的方法來提取特征參數，對SEMG進行模式識別。時域方法計算時域SEMG信號的方差和均值，由于個體差異、電極片粘貼位置、肌肉發力強度、測量時間、引入噪聲等因素，導致計算結果存在很大差異，適用性和可靠性均不佳[6]。頻域方法是指計算SEMG的平均功率頻率和中值頻率。由于功率譜波形穩定好，提取的頻域特征也相對比較穩定，有利于進行SEMG的模式識別。嘗試使用功率譜比值法也獲得了較好的效果。
    先從采集的SEMG 中找出功率譜的最大值f0，然后，計算出f0附近某個指定寬度±n區域的面積，再除以功率譜整個總面積P， 得到功率譜特征比值K。具體定義如下:
  
    經過實驗，當n取為15 Hz，特征值的區分度較好。分子P0為功率譜在f0±15 Hz的面積，分母P取在20-450 Hz內功率譜面積。得到的兩路SEMG功率譜比值如表1所示。從表1看出，利用橈側腕屈肌、尺側腕屈肌和肱橈肌、掌長肌屈肌這兩組功率譜比值來區分腕內外轉動與手腕上下揚。手腕作相對運動時，對應肌肉存在大小差異。比如手腕上揚時，肱橈肌功率譜比值大于掌長肌，下揚時肱橈肌的功率譜比值小于掌長肌。

    本文將STM32F103處理器應用到肌電采集裝置中，通道數目多，數據處理能力強。采用nRF24L01收發數據，傳輸量大，可靠性高。針對信號調理電路在工頻消噪這一環節上的不足，設計了50 Hz梳狀陷波器,能有效濾除工頻。采用的功率譜比值法提取簡單手勢的SEMG特征，有較好的識別效果。

參考文獻
[1] 姚松麗,章亞男,張震.利用選擇性肌電信號控制踝關節神經運動康復裝置[J].上海大學學報,2009,15(3):245-250.
[2] 向馗,李濤,宋全軍,等.面向外骨骼助力的肌張力信息實時獲取[J].華中科技大學學報,2011,39(2):259-263.
[3] 顏良, 陳儒軍, 劉石,等． 基于UAF42通用濾波芯片的50 Hz陷波器設計[J]．儀器儀表學報,2006,27(8):924-927.
[4] NAGATA K, MAGATANI K, et al. Monte carlo method for evaluating the effect of surface EMG measurement placement on motion recognition accuracy[C]. 31st Annual International Conference of the IEEE EMBS Minneapolis, Minnesota, USA, September 2-6,2009:2583-2586.
[5] RONAGER J, CHRISTENSEN H. Power spectrum analysis of the EMG pattern in normal and diseasedmuscles[J].Neurol. Sci, 1989,94(1-3):283-294.
[6] 李耀宇,郭凌菱,雷英杰．肌電信號的波幅直方圖統計處理[J].生物醫學工程雜志,1995,12(3):237-240.