11、仿生手肌电控制中的模式识别技术解析

仿生手肌电控制中的模式识别技术解析

1. 引言

人类的手是功能与控制方面的精密典范，能让我们完成各种日常任务。然而，手部缺失会给截肢者的生活带来巨大影响，使其与周围环境脱节。据统计，印度约有2360万残疾人，其中近20%存在行动障碍，包括因意外、病理或先天性原因导致单侧或双侧上肢截肢的患者。这些患者大多生活在农村或欠发达地区，社会和经济状况不佳，生活质量、信心和自尊下降，社会接受度低，人力资源也有所损失。因此，开发低成本、高功能的假肢来替代缺失的肢体显得尤为重要，这能帮助截肢者掌握日常、工作和社交活动所需的技能，减少依赖，提高生活质量，增强社会接受度。

仿生假肢是人类手部的功能替代品，虽然近年来有了很大发展，但与自然手的能力仍有很大差距。目前，大多数仿生手通过采集截肢者肌肉的肌电信号进行控制，这些信号经过滤波、放大、处理和分类后，识别用户意图并向终端设备发送指令，使仿生手做出类似人类手部的动作。

2. 肌电图（EMG）

肌电图（EMG）信号包含了执行特定任务时运动单元激活的神经信息，与直接神经记录的信息不同，它是多个运动单元动作电位的叠加，与脊髓向肌肉传递的神经信号密切相关。通过将电极连接到受试者手部表面即可采集EMG信号。靶向肌肉再支配技术强调了表面EMG记录作为大脑输入源的概念，将到达缺失肢体肌肉的神经重新路由到辅助肌肉，从而确定参与者的运动意图。

EMG接口将与自愿收缩相关的肌肉活动进行分类，并将其与设备的预期功能相连接，为用户提供了一种简单直观的与仿生设备通信的方式，用户只需能够收缩或伸展一些骨骼肌即可。EMG信号的采集方法有两种：表面电极采集（sEMG）和肌内电极采集（iEMG）。sEMG简单无创，已在假肢控制中应用多年，但需