57Научные междисциплинарные исследования 2. Черникова И. В. Междисциплинарные и трансдисциплинарные
методологии и технологии современной науки : учебное пособие / И. В.
Черникова. — Томск : ТГУ, 2018. — 86 с.
УДК 621.3.08
Алиханов Алексей Ревазович Alikhanov Alexey Revazovich
Аспирант PhD student Маслаков Максим Петрович Maslakov Maxim Petrovich
К.т.н., доцент Ph.D., associate professor ФГБОУ ВО «Северо-Кавказский горно-металлургический институт (государственный технологический университет)» "North Caucasian Mining and Metallurgical Institute (State Technological University)"
РАЗРАБОТКА СИСТЕМЫ РЕГИСТРАЦИИ НЕРВНЫХ ИМПУЛЬСОВ МЫШЕЧНЫХ ВОЛОКОН, ДЛЯ СИСТЕМ УПРАВЛЕНИЯ В ПРОТЕЗИРОВАНИИ КОНЕЧНОСТЕЙ
DEVELOPMENT OF A SYSTEM FOR REGISTRATION OF NERVOUS IMPULSES OF MUSCLE FIBERS FOR CONTROL SYSTEMS IN
PROSTHETICS OF LIMBS
Аннотация. Ежегодно на территории Российской Федерации более 8000 человек нуждаются в протезировании в результате травм и врожденных патологий верхних конечностей. Одним из наиболее распространенных решений в этой ситуации является протезирование косметическим или тяговым протезом, не позволяющим восстановить функцию утраченной руки. В статье рассмотрены методы обработки сигналов ЭМГ и представлена разработанная принципиальная схема устройства обнаружения и управления для использования в активных механических протезах.
VIII Международная научно-практическая конференция
Abstract. Every year on the territory of the Russian Federation more than 8000 people need prosthetics as a result of injuries and congenital pathologies of the upper limbs. One of the most common solutions in this situation is prosthetics with a cosmetic or traction prosthesis, which does not allow restoring the function of the lost arm. The article discusses methods of processing EMG signals and presents a developed schematic diagram of a detection and control device for use in active mechanical prostheses.
Ключевые слова: электромиограмма (ЭМГ), вейвлет-преобразование, потенциала действия, протезирование.
Keywords. electromyogram (EMG), wavelet transform, action potential, prosthetics.
ЭМГ-сигнал (электромиограмма) - это сигнал электрической активности мышцы, он представляет собой суперпозицию последовательностей потенциалов действия (ПД) отдельных двигательных единиц (ДЕ) [1]. Потенциал действия, являясь основой нервного импульса, может быть определен как единичный сигнал, отправляемый мотонейроном к мышце. Типичная форма ПД приведена на рис. 1 [2]. Двигательная единица (ДЕ) - это совокупность мышечных волокон, которые иннервируются одним мотонейроном, и сам этот мотонейрон [3].
Action potential
Threshold с/ S Я i t щ/ 10» ° \1 / Failed \ = / initiations* Resting state
Stlmulust \ ■ Refractory/ \ period /
0 1 2 3 4 5
Time (ms)
Рис. 1. Типичная форма потенциала действия
На рис. 2 приведено схематическое изображение, иллюстрирующее процесс возникновения ЭМГ-сигнала [4].
Научные междисциплинарные исследования
Рис. 2. ЭМГ-сигнал как суперпозиция последовательностей ПД
Отдельные потенциалы действия сливаются в так называемую интерференционную активность, регистрируемую поверхностной электромиографией. Поверхностная (surface EMG) - это ЭМГ, полученная с помощью электродов, надетых на поверхность кожи (неинвазивно). Другой метод регистрации электрической активности мышц - игольчатая ЭМГ (intramuscular EMG) - предполагает инвазивный подход, когда электроды имплантируются непосредственно в мышцу. Это дает возможность фиксировать сигналы отдельных моторных единиц. Однако, независимо от типа используемой ЭМГ, миографический сигнал имеет сложную структуру, зависящую от анатомических и физиологических свойств конкретной мышцы [1], и его «статистические свойства» меняются со временем [5], то есть ЭМГ динамика - нестационарный процесс. Описанные особенности сигналов ЭМГ приводят к методам их обработки.
Первый этап обработки сигналов ЭМГ - их фильтрация. Ее использование необходимо для избавления от высокочастотного шума и низкочастотных артефактов движения (они могут возникать, например, из-за смещения электродов). Из [6] известно, что миографические сигналы не содержат постоянной составляющей, их спектр, как правило, ограничен частотой 500 Гц,
VIII Международная научно-практическая конференция а типичные амплитуды находятся в диапазоне 0,01-50 мВ. Следовательно,
после регистрации миографические сигналы необходимо пропустить через
полосовой фильтр и усилить в 103-105 раз [6]. После фильтрации сигнал ЭМГ
также необходимо выпрямить, так как при дальнейшем анализе учитываются
только положительные значения сигнала, причем предпочтение отдается
двухполупериодному выпрямлению [1], которое позволяет избежать
уменьшения мощности сигнала. Рассмотрим возможность определения
мышечной активности с помощью ЭМГ. При сокращении мышцы амплитуда ее
миограммы увеличивается, поэтому для обнаружения начала и конца
сокращения используются методы порогового обнаружения. Для простейших
приложений может применяться однопороговый подход, значение которого
выбирается на основе отношения сигнал / шум. В конце ХХ века эффективность
этого метода была признана неудовлетворительной [1] из-за сильной
зависимости результатов дальнейшей обработки от одноразового выбора
порога. На практике используются методы с двухпороговой обработкой [1]. Два
независимых порога дают свободу настройки детектора (например, на основе
допустимых ошибок обнаружения первого и второго рода), а также исключают
слишком частое обнаружение событий из-за сильной осцилляции сигнала ЭМГ.
Преобразование Фурье позволяет анализировать сигналы в частотной области. Однако при работе с данными электромиографии такой подход оказывается неуместным: «Нестационарный характер сигнала ЭМГ делает неэффективным использование спектрального анализа на основе преобразования Фурье, поскольку данный метод анализа не позволяет получить информацию о изменение спектральных характеристик сигнала во времени »[5]. Оконное преобразование Фурье (Short-Time Fourier Transform, STFT) лишь частично решает проблему, «сужая её» до границ окна [1, 5, 7]. Для анализа подобных нестационарных сигналов необходимо рассматривать их на плоскости частота - время. Используем вейвлет-преобразование (wavelet transform), разработанное в конце прошлого века. В отличие от преобразования Фурье, здесь вместо гармонических функций используются функции особого
Научные междисциплинарные исследования рода, называемые вейвлетами. Бесконечно осциллирующая базисная функция в преобразовании Фурье ограничивает возможность традиционного спектрального анализа с точки зрения временной локализации спектральных характеристик [5]. Вейвлеты, напротив, хорошо локализованы как по времени, так и по частоте [8]. В соответствии с [9], вейвлеты, образующие базис вейвлет-преобразования, представляют собой набор смещенных во времени функций, образуемых из одной и той же «материнской» функции у(^) (прототипа), сдвинутой во оси времени, то есть {у^-Ь)}. Чтобы обеспечить частотный анализ, базисная функция должна иметь еще один аргумент - масштабный коэффициент, который является аналогом частоты в Фурье-анализе. Тогда базисные функции для частотно-временного анализа будут иметь вид (пример на рис. 4):
ф(- - = ф ,а,Ь ЕЯ
\а а/ \ а /
где масштабный коэффициент а введен как делитель ^ причем масштабированию подвергается также и сдвиг Ь. Это позволяет «сохранить относительную "плотность" расположения базисных функций по оси t при расширении или сжатии самой функции [9]. Благодаря этому вейвлет-преобразование обеспечивает высокую детализацию по времени на высоких частотах и сравнительно низкую детализацию - на низких (рис. 3).
со
Рис. 3. Пример вейвлетов при различных масштабах и их схематичные изображения в плоскости время-частота
VIII Международная научно-практическая конференция
а) б) в)
Рис. 4. Пример базисных функций вейвлет-преобразования: а) положительный сдвиг и малый масштаб; б) материнский вейвлет - нет сдвига и единичный масштаб; в) отрицательный сдвиг и большой
масштаб
Непрерывное вейвлет-преобразование функции ДГ) определяется следующим образом:
1 Гт П-Ь\
СМТг(а, Ь) = — I /т (——) дХ
\ а /
Зачастую представление функции через её непрерывное вейвлет-преобразование избыточно, и в практических задачах гораздо более широкое применение находит дискретное вейвлет-преобразование [8, 9]:
(п,к) = а02 I f(t)ty(a-nt — b0k)dt, а0,Ь0 = сош1
•}-<Х1
БШТг(п,к)= а02 I ¡(1)^(а-п
Как правило, масштабный параметр a0 выбирается равным двум [9], и тогда появляется возможность реализовать дискретное вейвлет-преобразование с помощью каскада фильтров с прореживанием (рис. 5) [8]. В этом случае на выходе фильтров получаются вейвлет-коэффициенты Am (п) - для низкочастотной половины спектра входного сигнала - и Dm (п) - для высокочастотной половины. Каждую из этих последовательностей можно
Научные междисциплинарные исследования вычислить как свертку с импульсной характеристикой соответствующего
фильтра:
Лт(п) = ^ Am-1(i)g(2n - i),
i
Dm(n) = ^Am-i(i)h(2n - i),
где т -уровень разложения, п -номер отсчета, х(п) -отсчеты входного сигнала, А0(п) = х(п), а g(n) и ^п) - импульсные характеристики ФНЧ и ФВЧ соответственно для выбранного материнского вейвлета. При этом от терминов время-частота переходят к терминам времямасштаб, где под масштабом понимается уровень разложения [5].
Рис. 5. Каскад фильтров для выполнения дискретного вейвлет-
преобразования
Восстановление исходного сигнала производится по формуле: Ат-1(п) = - п)Ат{Г) + к(21- п)От(1))
Таким образом, реализуется условие «perfect reconstruction» - дискретное вейвлет-преобразование не приводит к потере информации. В то же время, можно опустить некоторые коэффициенты во время реконструкции, чтобы получить описание входного сигнала в терминах интересующего масштаба.
VIII Международная научно-практическая конференция Наличие многих уровней декомпозиции позволяет проводить
многомасштабный анализ (multiscale/multiresolution analysis), который по
отношению к выпрямленным ЭМГ-сигналам позволяет наблюдать
низкочастотные тренды, несущие наибольший объем информации.
Основываясь на вышеизложенном, была разработана схема
электрическая принципиальная, устройства детектирования и обработки
сигналов ЭМГ, а также управления исполнительными механизмами. Принцип
работы устройства: интегральный блок формирования сигнала ЭМГ производит
измерение и предварительную фильтрацию малых биопотенциальных сигналов
и передает сигнал на микроконтроллер, который обрабатывает полученный
сигнал и в зависимости от его значения управляет драйверами двигателей.
Драйверы двигателей непосредственно управляют двигателями и
контролируют угол поворота ведомой шестерни редукторных механизмов
(имеются ввиду механизмы используемые в двигательной системе активного
протеза). На рис. 6 приведена структурная схема устройства.
Рис. 6. Структурная схема устройства
Основным вычислительным ядром устройства, является микроконтроллер фирмы Atmel-ATmega328. Датчик биопотенциалов основан на микросхеме AD8232. Драйверы двигателей основаны на микросхеме ЛЛ51880. Принципиальная схема устройства приведена на рис. 7.
Научные междисциплинарные исследования
Рис. 7 - Принципиальная схема устройства
Библиографический список:
1. Reaz M.B.I., Hussain M.S., Mohd-Yasin F. Techniques of EMG signal analysis: detection, processing, classification and applications // Biological procedures online. — 2006. — Vol. 8, no. 1. — P. 11-35.
2. Action potential [Электронный ресурс], Wikipedia, the free encyclopedia.— URL: https://en.wikipedia.org/wiki/Action_ potential (дата обращения: 09.11.2020).
3. Motor unit [Электронный ресурс], Wikipedia, the free encyclopedia.— URL: https://en.wikipedia.org/wiki/Motor_ unit (дата обращения: 10.12.2020).
4. Decomposition of surface EMG signals / Carlo J De Luca, Alexander Adam, Robert Wotiz et al. // Journal of neurophysiology.—95 2006.— Vol. 96, no. 3.— P. 1646-1657.
5. Кузнецов С.Ю., Попов Д.В., Боровик А.С., Виноградова О.Л. Использование вейвлет преобразования для анализа поверхностной ЭМГ [Электронный ресурс], Научный журнал «Физиология мышечной деятельности».—URL:http://phmag.imbp.ru/articles/ Kuznetcov.pdf (дата обращения: 09.12.2020).
6. Самойлов В.О. Медицинская биофизика : учебник для вузов.— 2-е изд.— СПб. : СпецЛит, 2007.
VIII Международная научно-практическая конференция
7. Canal M.R. Comparison of wavelet and short time Fourier transform methods in the analysis of EMG signals // Journal of medical systems.— 2010.— Vol. 34, no. 1.— P. 91-94.
8. Добеши И. Десять лекций по вейвлетам.— Ижевск : НИЦ «Регулярная и хаотическая динамика», 2001.
9. Новиков Л.В. Основы вейвлет-анализа сигналов. Учебное пособие. — СПб. : ИАнП РАН, 1999.
© А.Р. Алиханов, М.П. Маслаков, 2020
