【数字化处理】仿生假体控制中肌电信号的数字化处理研究（Matlab代码实现）

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码及文献

💥1 概述

文献来源：

只要对生理信号进行适当的数字处理，就可以从生理系统控制生物机器人系统，例如假肢，用户通过这种数字处理在一定程度上控制生理信号，就像肌电图信号一样。生物信号以滤波技术为条件，也可以通过适当的数学技术（例如IAV）提取信号的特征，这可以实现所述目标，此外，还允许应用控制方法，例如生物信号大小的分类，以便它为生物机器人系统提供特定的响应。
应该注意的是，EMG信号包络的计算是一个至关重要的过程，因为可以设置控制阈值，从而可以更轻松，更精确地控制机电系统。允许以这种方式利用生物身体的电生理信号，在机械系统中执行定义的运动，以实现用户所需的功能。
这项工作表明，有可能使用“不可用”的生物信号，因为它们在获得时包含的噪声量。一旦完成适当的处理，就会在允许以所需方式控制的设备中使用最佳信号。此外，这种发展适用于截肢者的日常生活，这使得启用丢失的功能，例如，执行机械臂的运动，它可以完成特定任务以实现个人目标，例如将食物送到嘴里或写信。

利用Live Script的特性，本文档将展示如何执行数字信号处理(DSP)的复杂数学计算，例如傅里叶变换或MATLAB提供的强大工具的数字滤波器的设计和应用，从而从生物信号(生物信号)作为肌电图(EMG)信号的相关性中推断信息，肌电图信号是由传感器获取的生物肌肉的电位。

这些信息将用于控制作为假体的生物机器人系统，通过使用激活阈值分类使用表征和控制技术。

📚2 运行结果

部分代码：

figure
plot(t,EMGf1,'k')
title('Filtered EMG signal (4Hz a 500Hz)')
xlabel('Time(s)'),ylabel('Magnitude(mV)'),grid on
xlim([0 time])
EMGF1=fft(EMGf1);
figure
plot(f0*(0:N-1),abs(EMGF1),'g')
title('Frequency spectrum of the filtered EMG signal (4Hz a 500Hz)')
xlabel('Frequency(Hz)'),ylabel('Energy'),grid on
xlim([0 1500])

cb=57;
ca=63;
[b,a]=butter(3,[cb*2/fm ca*2/fm],'stop');
EMGf2=filter(b,a,EMGf1);
EMGF2=fft(EMGf2);

figure
plot(t,EMGf2,'k')
title('Filtered EMG signal (4 a 500Hz - 60Hz)')
xlabel('Time(s)'),ylabel('Magnitude(mV)'),grid on
xlim([0 time])
figure
plot(f0*(0:N-1),abs(EMGF2),'g')
title('Frequency spectrum filtered EMG signal (4 a 500Hz - 60Hz)')
xlabel('Frequency(Hz)'),ylabel('Magnitude'),grid on
xlim([20 100])

figure
plot(t,EMGR,'r')
hold on
plot(t,EMGf2,'k')
title('Comparison between Raw EMG and EMG Filtered Signal in time')
xlabel('Time(s)'),ylabel('Magnitude(mV)'),grid on
xlim([0 time])
legend('Raw EMG','Processed EMG')

figure
plot(f0*(0:N-1),abs(EMGF),'r')
hold on
plot(f0*(0:N-1),abs(EMGF2),'k')
title('Comparison between Raw EMG and EMG Filtered Signal in frequency')
xlabel('Frequency(Hz)'),ylabel('Magnitude'),grid on
xlim([0 1000])

figure
T=linspace(0,time,W);
plot(T,EMGE_MAV,'-g*')
hold on
plot(T,EMGE_RMS,'-mo')
plot(T,EMGE_IAV,'-k')
title('MAV vs RMS vs IAV')
xlabel('Time(s)'),ylabel('Normalized Magnitude'),grid on
xlim([0 time])
legend('MAV','RMS','IAV')