EEG+EMG学习系列 (2) :实时 EEG-EMG 人机界面的下肢外骨骼控制系统

@[TOC]( EEG+EMG学习系列(2):实时 EEG-EMG 人机界面的下肢外骨骼控制系统)

论文地址：https://ieeexplore.ieee.org/abstract/document/9084126
论文题目：Real-Time EEG–EMG Human–Machine Interface-Based Control System for a Lower-Limb Exoskeleton

0. 引言

在实验室条件下测试的当前配备 HMI 的康复辅助技术解决方案取得了很大的成功，但由于检测 MI 脑电图（EEG）的准确性有限以及在穿着外骨骼的患者执行运动时在线控制的可靠性，面临着一些困难。在下肢代表的情况下，仍然存在可靠地区分腿部运动意图并在 BMI 系统中区分它们的问题。针对复制外骨骼行走患者运动控制自然模式的康复技术的设计，我们展示了多模态信号的组合使用如何提高 HMI 的准确性、性能和可靠性。该系统在不同条件下操作外骨骼的健康受试者身上进行了测试。该研究还产生了多模态 HMI 数据收集、处理和分类的算法。开发的系统可以在运动过程中同时实时分析多达 15 个信号。足部 MI 是使用事件相关（去）同步效应从 EEG 信号（七个通道）中提取的。辅以反映电机意图的 EMG 信号，控制系统可以启动和区分左右腿的运动，具有高度的可靠性。分类和控制系统允许在外骨骼执行运动时在线工作。

特征提取+机器学习分类的模型

1. 主要贡献

EEG 和 EMG信号相结合
在线外骨骼控制系统

2. 提出的方法

2.1 工作框图

基于多模态 EEG-EMG HMI 的外骨骼控制系统由以下部分组成：（1）脑电和肌电信号记录模块，（2）脑电和肌电信号处理和分类器模块，（3）外骨骼控制系统，（4）下肢外骨骼。
我们基于 mHMI 的外骨骼控制系统的方案如图 1 所示。

在这里插入图片描述

2.2 脑电信号记录

使用经过认证的 NVX 52 放大器（LLC “Medical Computer Systems”，俄罗斯）记录脑电图信号。使用七个电极记录根据国际 10-10 方案排列的脑电图（C5、C3、C1、Cz、C2、C4、C6）（图 2）。与其他方案（例如，10-20）相比，这种方案提供了更密集的兴趣区域涂层。参比电极放置在耳垂上。接地电极放在额头上。信号采样率为 500 Hz。电极下的电阻不超过 10kΩ .自动测量的皮肤接触阻抗值（不超过 15kΩ ）在申请过程中进行监控以控制接触。

2.3 肌电信号记录

将一次性凝胶电极连接到 NVX 52 放大器的导线上。每个 EMG 通道使用两个电极，所有通道都有一个公共参考。每条腿使用四个 EMG 通道，记录了阔筋膜张量（MTFL）、股直肌（MRF）、股二头肌（MBF）和腓肠肌（MG） 的 EMG。图 3 显示了 EMG 电极在腿部的位置。电极在肌肉上的放置、它们根据纤维方向的排列以及它们之间的距离是根据 SENIAM 项目（用于肌肉无创评估项目的表面肌电图）的建议设置的。

2.4 外骨骼机器

图 4 所示的下肢外骨骼由科学和生产公司“MADIN”（俄罗斯下诺夫哥罗德）与罗巴切夫斯基国立大学国家研究公司（俄罗斯下诺夫哥罗德）合作设计。外骨骼旨在帮助进行康复训练或辅助行走。
在这里插入图片描述

3. 结果

3.1 基于下肢 MI 的外骨骼实时 BMI 控制

图 9 显示了仅基于足部 MI 的 BMI 对外骨骼的实时控制结果。
在这里插入图片描述

3.2 基于下肢运动执行的基于脑电图的外骨骼实时 BMI 控制

在运动执行实验中，当受试者抬起右腿或左腿时，BMI 在脑电图信号中检测到 ERD。这种情况的分类结果如图 11 所示。
在这里插入图片描述

3.3 基于下肢运动执行的基于 EMG 的外骨骼实时 HMI 控制

当外骨骼打开时，受试者的腿被固定。因此，尝试迈出一步会在肌肉中产生等长紧张。此外，即使只是站在外骨骼中，也无法让腿部肌肉完全放松。因此，在这种情况下对 EMG 模式进行分类可能很困难。使用所有 EMG 通道（一条腿 4 个），我们获得了不同受试者的分类准确率.
在这里插入图片描述

3.4 多模态 EEG-EMG HMI 性能的离线分析

与检测足部 MI 的情况不同，我们可以使用 EEG 和 EMG 信号的组合来预测真实足部运动的尝试。我们开发了两种结合脑电图和肌电图的协议：（i） 基于提取 CSP 特征的 HMI 和随后的 LDA 分类（图 15a）和（ii） 基于单独特征提取和分类的 HMI，其结果由逻辑运算符 “AND” 和 “OR” 组合（图 15b）。在这里，我们对两类使用了基于 EEG 和 EMG 的分类（1：不区分左侧或右侧的足部运动执行;2：休息），因为三类基于 EEG 的分类准确性值较低。

在这里插入图片描述