0 引言

    肌肉纤维在人体动作时会因刺激发生生物离子运动而形成生物电信号，电信号经过时间和空间的叠加在皮肤表面便形成了表面肌电信号(Surface Electromyography Signal，sEMG)。sEMG可以反映肌肉的活动状况或者肌肉的疲劳程度，在假肢、手语交流、肌肉疾病等领域具有重要的应用价值，例如可以通过检测手指肌肉的运动状态识别手势从而实现手语交流；通过检测相应肌肉的动作信号控制假肢活动；通过分解sEMG可以评判肌肉疲劳程度并据此对患者进行相应的疾病诊断、肌肉康复或训练。

    sEMG是一种微弱的生物电信号且受到多种噪声干扰，如何有效采集一直是sEMG研究的重要课题，本文利用银电极的换能作用设计一种可贴于人体表面的sEMG检测电极，银电极将皮肤表面的生物信号转换为可测量的电压信号，将电压信号放大滤波后进行模数转换，再通过Bluetooth通信发送至其他设备，后续可经处理或显示或作为控制信号。

1 实现方式

    如图1所示，采集系统整体由五部分构成，检测电极选取两级放大滤波实现对信号的1 000倍放大以及保留主要的能量带宽20 Hz～450 Hz信息^[1]，STM32F103作为控制器实现对信号的A/D转化，并通过Bluetooth 4.0发送至PC，PC基于MATLAB平台对数据进行处理，MATLAB以串口方式实现与Bluetooth 4.0通信，并通过中断方式读取接收到的数据，系统整体由电池供电。

1.1 检测电极设计

1.1.1 设计原理

    sEMG是众多肌纤维中运动单元动作电位在时间和空间上的叠加，经过皮肤等物质的阻抗和电容作用在皮肤表面通常只有1 mV左右的峰值。因此在设计检测电极时需考虑多种影响因素，如检测电极的设计、放置、噪声污染等。

    检测电极设计的基本原理是生物组织在刺激过程中会发生生物离子运动，从而形成微弱的生物电流，利用银电极可与皮肤构成简单的回路，将生物电信号转化为可测量的电压信号。根据研究表明^[2]，银电极一般采取固定式间距效果较好，最佳的间距可设为10 mm，可较好地减少邻近肌肉的串扰。对于电极安放，最佳放置是肌肉腹部^[3]，可以减小串扰并提高信噪比。对于噪声污染，主要考虑生理噪声、环境噪声以及运动伪迹，针对不同的噪声可采取不同的措施，通过差分放大，选取高共模抑制比的放大器，选择合适的测量位置可以一定程度减小生理噪声；将测量电极和放大滤波电路一体化，避免使用连接线，可以有效减小环境噪声；而运动伪迹频率集中在20 Hz以下，采用高通滤波器可消除运动伪迹的影响，另外系统采用电池供电，可减小工频干扰。

1.1.2 实现方式

    综合以上分析，设计了如图2所示的电路，电路总体分为两级放大滤波，实现1 000倍的放大以及20 Hz～450 Hz的带通滤波。首先选取高共模抑制比的AD8220作为初级放大滤波器^[4]，AD8220具有体积微小的MSOP封装，放大倍数由R决定，R和C可构成简单的无源RC高通滤波器滤除低频的运动伪迹，银电极以差分的方式输入以减少共模噪声的影响，测量时注意接入参考电极并接地，然后选择具有双运放的AD8642构成带通滤波器，保留带宽20 Hz～450 Hz，滤除其他无用频率。电路制作时尽可能选取贴片式器件以减小电路板尺寸，便于贴于皮肤表面及最大程度减小受试者的不适感。

1.2 sEMG无线传输

    sEMG经电路放大滤波后仅具有1 V左右的峰值，带宽集中在20 Hz～450 Hz，而STM32F103内部集成12位模/数转换器（Analog to Digital Converter，ADC），最短采样时间为1 μs，足以满足sEMG的A/D转换。检测电极由电池供电，选用低功耗的Bluetooth 4.0可延长设备待机时间。

1.2.1 基于STM32F103的模数转换

    STM32F103内部集成3个12位ADC共18个通道，可测量16个外部和2个内部信号源，信号经A/D转换后存储在16位数据寄存器(规则通道数据寄存器或注入通道数据寄存器)中。通常ADC需要不间断采集大量的数据，为提高效率，程序使用直接内存存取（Direct Memory Access，DMA）方式从寄存器读取到内存中，并通过DMA请求结束事件以完成一次数据采集，此外程序采用定时器触发方式触发ADC并控制采样率。

    DMA方式是将数据从一个地址空间搬运到另一个地址空间，过程中无需CPU中断，可很大程度减小CPU中断负载，提高采样效率。STM32F103具有2个DMA控制器，共12个通道，其中DMA1的Channel1可参与ADC1数据搬运，在具体实现过程中程序配置好DMA的相关参数，如外设数据地址、内存地址、传输方向等，即可实现DMA方式。基于STM32F103 DMA方式进行ADC采集程序较为简单，故不再详细讲解程序流程。

1.2.2 基于Bluetooth 4.0实现无线传输

    Bluetooth 4.0是Bluetooth STG在2010年7月7日推出的新规范，因其低功耗特性而广受欢迎。本文选用美国TI公司CC2541芯片设计Bluetooth模块，该模块遵循V4.0 BLE规范，可使用AT指令、支持UART接口及SPP Bluetooth串口协议。系统基于STM32F103将ADC采集的数据通过Bluetooth 4.0发送至PC，该过程中STM32以UART方式与Bluetooth通信，此方式需保证STM32串口参数与Bluetooth参数（波特率、停止位、奇偶校验位等）一致，PC以另一个Bluetooth 4.0设备接收数据，接收和发送Bluetooth间以MAC地址进行配对，配对成功后MATLAB采用中断方式进行数据接收。

1.2.3 程序设计

    具体的程序流程如图3所示，STM32向Bluetooth发送AT指令，并判断响应是否为“OK”，若是则说明Bluetooth可正常进入AT指令，可通过发送AT指令配置Bluetooth参数，使之与串口参数一致；若否则提醒用户无法进入AT模式并结束程序。Bluetooth参数配置完成后，判断此时Bluetooth是否处于配对状态，若否则进入查询状态，按照MAC地址与上位机Bluetooth进行配对。配对成功后，若PC与STM32成功握手应答，则开始发送数据。

    MATLAB将Bluetooth模拟成串口，其读取数据的方法有查询发和事件驱动法。然而由于接收的数据较多、时间较长，若采用查询法，会极大地占用系统资源，造成程序效率低下，因此本文选用事件驱动法结合回调函数进行数据读取。该方法需指定ByteAvailableFcnMode的值，其值通常可设为byte或terminator。若设为byte，表示当输入缓存中的字节数达到BytesAvailableFcnCount指定的大小，则调用BytesAvailableFcn中指定的回调函数；若设为terminator，则表示可用键盘某个按键事件触发并调用回调函数。

    PC每接收完一次数据，调用一次回调函数，回调函数会将数据换算为实际的数值（ADC采样数据需经过计算才与实际数值相符）存入txt文件中。当一段时间内的数据发送完毕后，txt文件中则包含了此次sEMG检测的所有数据。

2 实验测试

    如图4所示，测试受试对象（女，24岁）右手尺侧腕屈肌以观察握拳动作，测试掌长肌以观察右手食指伸屈动作。进行握拳动作时要求受试对象开始时手掌处于舒张放松状态，一段时间后开始握拳，维持时间不超过10 s，之后恢复到放松状态，10 s后再次握拳，如此反复，直至100 s结束；进行食指伸屈动作受试对象开始五指弯曲，一段时间后伸展食指，维持时间不超过10 s，后弯曲食指，如此反复，直至100 s结束。检测电极以STM32F103为控制器，将检测电极采集到的数据经A/D转换后通过Bluetooth 4.0发送至PC，PC以Bluetooth 4.0接收数据，并通过MATLAB读取接收到的数据并对其进行直观显示。

    从图4中可以观察到，在100 s内sEMG具有约5次较大的波动，这与实际进行了5次握拳和伸屈动作的事实相符；5次波动幅值各不相同，这反应了每次的握拳和伸屈力度各不均等，动作力度越大，电压波动越大，由此可以看出该采集系统可以较为明显地反映动作次数和力度。

    对比图4(a)和图4(b)，前者在握拳动作持续期间电压一直处于波动状态，且随着握拳力度的增加或减小，电压波形也会剧烈或舒缓；而后者在食指伸展的瞬间电压波动较大，但并不一直存在于食指伸展的过程中，这与实际情况相符；尺侧腕屈肌在握拳动作持续期间一直处于刺激状态，而掌长肌只在手指伸展的瞬间被刺激之后恢复常态，这也说明不同肌肉具有不同的sEMG信号特征，可反映不同的动作信号，利用该特征可通过测试不同肌肉的sEMG获取不同的动作信号。 

3 结束语

    近年来sEMG在手势识别、假肢控制、肌肉疾病诊断和康复等领域中呈现了越来越大的研究价值，但因其微弱和易受干扰性使得检测存在困难。本文利用银电极的特性，将sEMG转换为可测量的电压信号，基于STM32F103对其采样后通过Bluetooth 4.0发送至其他控制设备，控制设备只需具备Bluetooth接收功能即可接收数据。sEMG包含大量表征肌肉生物特征的信息，控制设备可对接收到的信号进行分解或者特征提取，提取这些生物信息。

参考文献

[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] 赵章琰.表面肌电信号检测和处理中若干关键技术研究[D].合肥：中国科学技术大学,2010.

作者信息:

李佳妮，王云峰

(中国科学院大学 中国科学院微电子研究所 新一代通信射频芯片技术北京市重点实验室，北京100029)