肌电传感器运放选型

我要把所有的电生理仪器做个遍！

表面肌电（surface electromyography, sEMG）信号是神经肌肉系统在进行随意性和非随意性活动时的生物电变化经表面电极引导、放大、显示和记录所获得的一维电压时间序列信号，其振幅约为0-5000μV，频率0-1000Hz，信号形态具有较强的随机性和不稳定性。与传统的针式肌电图相比，sEMG的空间分辨率相对较低，但是探测空间较大，重复性较好.肌电图（electromyogram，EMG）是指用肌电仪记录下来的肌肉生物电图形，其实我们要的主要也是这个图。

每当肌肉收缩时，就会产生电活动，该电活动通过相邻的组织和骨骼传导，然后被相邻皮肤区域上的电极片记录下来。

你敢相信苏炳添？？？也写论文，这个图就是他的

EMG活动（以微伏为单位）与肌肉收缩量以及收缩肌的数量呈线性相关。

肌肉的肌电图和运动皮层的脑电图之间存在密切的耦合关系，这反映在信号特征的显著相关性上，例如12 – 25 Hzβ频带中的频率、功率和相位。

1.1 神经肌肉系统

神经肌肉控制系统(Neuromuscular System)主要通过大脑皮层的运动区、脑干以及脊髓等神经结构来互相传递肌肉的运动指令。当人体需要进行活动而肌肉产生兴奋时，大脑将运动指令传输至中枢神经系统并通过激活相应的运动神经元来控制肌肉组织来获得所需的活动效果；同时，通过外来信息的反馈，神经肌肉系统也不断地协调该肌肉活动的执行过程。

α运动神经元在控制人体骨骼肌活动中起到了主导作用，其通过支配骨骼肌的梭外肌纤维，使得肌纤维拥有进行收缩的功能，从而产生肌肉活动。

1.2运动单位

运动单位(Motor Unit, MU)是神经肌肉控制系统的最小功能单位。如图1 所示，运动单位由支配它的α运动神经元、轴突、肌纤维和神经肌肉接头(终板区)组成。

单位

1.3运动单位动作电位

细胞未受到刺激而处于静息状态时，细胞膜的纳离子通道关闭，只有钾离子能够顺浓度差在细胞内外进行扩散运动，当扩散达到平衡时，细胞膜内外维持一个外正内负的稳定的细胞静息电位。肌肉细胞静息电位差大约为-80 mV到-90 mV。当细胞受到激励兴奋时，细胞膜钠离子通道打开，钾离子通道关闭，此时膜外钠离子顺浓度差流入膜内，使膜内电势迅速上升至30mV左右，膜内电位由负转正，这个过程被称为去极化。细胞在受到刺激的同时，也会将细胞膜上的钠钾泵激活，进行吸钾排钠的活动以求恢复到静息状态。因此去极化的过程会十分短暂，细胞膜内外电势差迅速下降而形成后电位，这个过程被称为复极化。

肌肉细胞在受到刺激时，其膜电位由静息极化状态经历去极化和复极化的过程, 所产生的电位波动称为动作电位(Action Potential, AP)。动作电位的产生过程如图2 所示。

当动作电位沿肌纤维传播，就会形成肌纤维动作电位(Muscle Fiber Action Potential, MFAP) 。一个运动神经元同时控制着多条肌纤维，在兴奋传递到肌肉时，每一条受该神经元控制的肌纤维会同时产生相应的单纤维动作电位(Single Fiber Action Potential, SFAP)。这些单纤维动作电位沿着肌纤维传播并在检测电极处会叠加形成一个单纤维动作电位和，即运动单位动作电位(Motor Unit Action Potential, MUAP)。图3展示了运动单位动作电位的形成过程。

当中枢神经系统地不断发送活动指令或者肌肉被施加连续的刺激时，运动单位将形成持续的发放过程，产生运动单位动作电位序列(Motor Unit Action Potential Train, MUAPT)-肌肉进行等长收缩时，可以认为在同一次采集过程中肌肉组织及其与检测电极的相对位置关系是稳定的，所以同一个运动单位发放的所有MUAP波形是相对稳定的，也即是认为，每一个运动单位动作电位序列是由同一个运动单位的MUAP波形持续重复发放所形成的。

运动单位动作电位产生过程示意图

1.4肌电信号的形成

肌肉收缩时，所有参与肌肉控制的运动单位产生的运动单位动作电位序列经过肌肉、皮下脂肪以及皮肤组织等的滤波，在釆集电极处进行叠加，再综合釆集噪声的影响就形成了肌电信号(Electromyogram, EMG)。图4演示了肌电信号从形成到被检测到的整个过程。

按照采集方式的不同，肌电信号主要分为插入式肌电(Intramuscular EMG Signal, IEMG)信号和表面肌电信号(Surface EMG Signal, sEMG)。插入式肌电信号即是将电极(通常是同心圆针电极或者线电极)插入肌肉组织内部所釆集到的肌电信号。

由于是将采集电极直接插入到肌肉组织中进行采集，电极可以很好地与肌纤维进行接触，并且由于没有过多的滤波作用，插入式肌电的釆样频率可以设置得很高(一般为10 kHz以上)。因此插入式肌电信号的主要特点是受到的干扰小，信噪比高，运动单位动作电位之间区分度大。但同时也由于插入式肌电在釆集时会对受试者的身体带来创伤和不适，其应用场景受到了一定程度的限制。而表面肌电信号则是将电极置于人体皮肤表面所采集到的肌电信号, 具有无创、安全、操作简单等特点，受试者易于接受，因此有着相对于插入式肌电有着更加广泛的应用前景。但也正由于表面肌电信号是在皮肤表面进行釆集, 信号经过了肌肉、脂肪和皮下组织等的低频滤波作用，再加上电极在皮肤表面也极容易受到工频以及电极和皮肤之间位移和抖动产生的移动伪迹等噪声的干扰, 信号信噪比相对比较低，波形相似度很高。图5展示了在同一块肌肉上同时采集的低收缩力水平下的插入式肌电和表面肌电信号（信号持续长度为2 s）,可以看到两者的显著区别。

我爸以前确实是做过这个东西

直接呼叫老爸，害，这个字金贵的很

各种位点

跟信号的特性有：人体肌肉组织是皮表肌电的信号源，它发放的肌电经过皮下软组织的体电阻传输至皮肤表面，体电阻约数百欧姆，但是，表面电极与皮肤之间的接触阻抗比较高，约几千欧姆。接触电阻还受接触松紧程度、皮肤清洁程度、湿度、四季时令变化等多种因素影响，变化很大。由此可见，对于放大器来说，肌电信号源是一个高内阻的信号源。

在设计肌电信号放大电路时，着重考虑了以下问题：

1．高增益：表面肌电信号幅度约在分布μV～mV数量级之间，是一种极其微弱的信号，要将其放大到一伏左右才能方便使用，所以将放大器的增益设置在80dB。

2．高共模抑制比：表面肌电信号的采集易受50Hz工频电源及其它高频电噪声的干扰。但这些干扰信号在放大器的输入端表现为同幅同相的信号——共模信号，因此选用高共模抑制比的放大电路对干扰信号进行抑制。3．高输入阻抗：肌肉组织与电极之间的接触阻抗可能在相当大的范围内变化，天气干燥地区，接触电阻甚至高达几万欧姆，在这种条件下，即使放大器的共模比极优良，如果输入阻抗不够高，共模干扰信号也会造成输出误差。因此必须提高放大器的输入阻抗。

表面肌电信号非常微弱，从电极引导出的信号夹杂着很强的干扰信号，为了避免在干扰较强时信号进入非线性区引起严重失真，应该采用两级放大。仪用放大器作为一级放大，设计比例运算放大器作为二级放大。

表面肌电信号一般只有毫伏级电压，信号中往往夹带着低频（接近直流）和高频的干扰信号，真正有用的肌电信号大致在10Hz－500Hz之间。除此之外，50Hz的工频信号也是一个重要的干扰源，如果不去除可能会掩盖表面肌电信号，根据这些特殊要求，专用滤波器必须具有隔直、滤波功能，并且要求具有高共模抑制比和好的抗干扰性。低通滤波器采用压控电压源型二阶低通滤波器。

50Hz工频信号对表面肌电信号的采集有很大的影响，它的频率恰好在表面肌电信号能量集中的频段，且其幅度比表面肌电信号大1－3个量级，因此必须除去。双T有源滤波器电路可以选择。

如何产生呢？

sEMG信号源于大脑运动皮层控制之下的脊髓α运动神经元的生物电活动，形成于众多外周运动单位电位在时间和空间上的总和，信号的振幅和频率特征变化取决于不同肌肉活动水平和功能状态下的运动单位活动同步化、肌纤维募集，以及和肌纤维兴奋传导速度下降等生理性因素以及探测电极位置、信号串线(cross talk)、皮肤温度、肌肉长度，以及肌肉收缩方式等测量性因素的共同作用。

设计的所有框图都是这样

这个是淘宝卖的一个，真鸡儿黑，成本就50吧？敢卖300

经过处理有点像AD8548

引脚和封装是对的

还有一个AD8648

AD8648是确定的

这个封装其实有点像INA

没有细查

看看背面的通孔

这个是论文里面的一个板子

这个是控制系统的框图

这个板子是开源的，可以学习

传感器采用ADI芯片AD8221作为EMG信号进行可调放大，同时将测量滤波，整流电活动的肌肉信号输出0-Vs的伏特，输出大小取决于选定肌肉的活动量。

这个是用了精密仪表放大器

一级放大

这个是缓冲的输出

在这里，直接ADC采集就好

整流

平滑

滤波过样子是这样的

嘉立创这个一眼就是我看的这个原理图

有点丑，哈哈哈

串起来的一个调理电路

双层板

想起来了，我的板子没有眼泪珠子处理

对芯片也没有什么pcb布局上面的处理

有人推荐这个

AD8232单导联心电模块，直接搞过~

AD8232是一款用于ECG及其他生物电测量应用的集成信号调理模块。该器件设计用于在具有运动或远程电极放置产生的噪声的情况下提取、放大及过滤微弱的生物电信号。该设计使得超低功耗模数转换器(ADC)或嵌入式微控制器能够轻松地采集输出信号。

AD8232采用双极点高通滤波器来消除运动伪像和电极半电池电位。该滤波器与仪表放大器结构紧密耦合，可实现单级高增益及高通滤波，从而节约了空间和成本。

AD8232采用一个无使用约束运算放大器来创建一个三极点低通滤波器，消除了额外的噪声。用户可以通过选择滤波器的截止频率来满足不同类型应用的需要。

阿哲，好像是蛮适合肌电处理的那就用这个吧。

如果走医用的，需要通过这个认证

电极极片的基体用铜制作，表面镀银，其形式采用常用的双极型，并在两个电极中间插入了一个参考电极，也称作无关电极，以利于降低噪声，提高对共模信号的抑制能力。为了消除来自电源线的噪声，采用差动放大的方法。

肌电信号由两个电极来检测，两个输入信号“相减”，去掉相同的“共模”成份，只放大不同的“差模”成份。任何噪声如果离检测点很远，在检测点上将表现为“共模”信号；而检测表面附近的信号表现为不同，将被放大。因此，相对较远处的电力线噪声将被消除，而相对比较近处的肌电信号将被放大。其准确性由共模抑制比（CMRR）来衡量。

肌电信息在人体组织(容积导体)内的传递，会随着距离的增加而很快衰减。因此电极宜贴放在肌电发放最强的肌腹部，以减少邻近肌肉的肌电干扰(串音)。采用较小的电极可提高选择性，但会增加电极与皮肤间的接触阻抗。

另外，其实这个电极才是最大的技术点

手语是听障人士彼此沟通的桥梁。但对于不懂手语的人来说，与听障人士的交流总要借助手语翻译。

这款臂环通过采集、识别手臂运动时产生的肌电信号来识别手势。据国际在线报道，这款臂环有八个传感器，其中有六个是肌电传感器，还有一个陀螺仪、一个重力感应器。肌电感应就相当于肌肉运动的时候有一个振幅，通过这个采集的频率，我们就可以分析出是哪块肌肉或者哪个位置的振幅，找到相对应的手势，再通过陀螺仪和重力感应器来判定位置，最终确定手势。

同一个动作由不同的人来做会有差异，即使是同一个人重复做同一个动作也会不一样。那如何让电脑准确识别一个手势动作呢？这就需要反复采集肌肉电信号。据央视网报道，研发人员用了一个多月的时间完成了30个手势的录入，每人至少重复比划了一万五千多次。将常用手势录入系统后，当系统再次遇见同一个手势时，就能完成识别并将信息转化成语音。

“智能臂环”如何进行深度学习？

据《中国青年报》报道，团队在建立了手势动作的数据库之后，搭建了一个7层BP神经网络对数据速度进行训练。BP神经网络是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。经过深度学习，臂环的识别准确度已经达到95%，未来它还可能会实现和听障人士对话、写手语字幕、完成手语教学等功能。

真的假的？？？发篇论文看看呢？这个图好像渲染图