基于EEG-EMG混合控制方法的研究—生物机器人应用：现状、挑战与未来方向（二)

02 基于肌电图的混合控制方法综述

基于EEG-EMG的混合控制接口的基本思想是在控制方法中融合EEG和EMG信 ，信 的融合可以以许多不同的方式进行，并且可能取决于特定应用和用户能力等因素。在这个混合接口中，结合了EEG信 和EMG信 ，混合方法的应用可能有所不同，从一个简单的游戏控制应用程序，到假肢手臂控制应用程序。
这篇综述的主要目的是研究生物机器人学的应用，例如假肢和外骨骼，因此范围缩小到研究混合EEG-EMG方法在生物机器人中的应用。如前所述，有许多可能的方法将肌电图和脑电图信 结合在一种特定的控制方法内，以提高有效性。

表1 几种不同EMG-EEG混合方法的比较

震颤是典型的基于肌电信 的控制方法中的一个著名问题，震颤是一种常见的疾病，尤其是在老年人中，它会导致身体部位有节奏的摆动，尤其是上肢震颤的人，通常在日常生活活动中表现出困难。这些无意的运动产生的肌电信 并不代表用户的实际运动意图。因此，识别和消除外骨骼等生物机器人控制方法中的颤振效应具有重要意义。
一些研究，如使用主动可穿戴外骨骼抑制震颤，以及在使用动力辅助机器人时避免不必要的振动或运动。然而，最近 道了一种用于抑制震颤的新型多模态传感器融合方法。在这项研究中，我们提出一个多模态BCI介导的软体可穿戴机器人，能够由功能性电刺激（FES）来补偿上肢震颤。
在本研究中，以脑电、肌电图及惯性感测器讯 为基础，产生驱动全自动穿戴机器人的控制讯 ，这种情况下使用的混合融合方法可以归类为序列融合方法。
在这种方法中，第一步是利用C3、CZ和C4电极的表面拉普拉斯滤波记录的EEG信 来识别受试者的有意自愿运动。一旦被发现，肌电图信 就被用来识别震颤的发作，最后，利用惯性测量装置（IMU）跟踪震颤的发生参数。
图 使用EEG和EMG信 进行感知辅助上肢肢体力量辅助

有趣的是，讨论将其他传感器（如运动传感器或触觉传感器）集成到混合EEG-EMG方法中的可能性， 道了一种基于多维信息融合的外骨骼机器人智能感知系统的设计尝试。在这项研究中，我们提出了一个外骨骼机器人知觉系统的架构，利用脑电图、肌电图、足底压力传感器与光纤运动捕捉系统之间的资讯融合，设计的基本框架是利用脑电信 来判断人体运动意图的方向，并利用人体下肢四大肌肉的肌电信 来识别人体的运动模式（跑步或步行）。利用光纤运动捕捉系统测量人体的运动位置和姿态。在外骨骼机器人感知系统框架内，对每一个测量信 进行顺序处理。在设计的框架中，EEG和EMG信 没有直接结合。
一些研究小组已经提出将脑电图和肌电信 整合在控制方法中，用于生物机器人的外骨骼等应用。铭记沃克项目，研究人员提出了一种主要基于与人类运动相关的肌电图和脑电图信 的脑机一体化方法。

除了上述方法外，很少有文献提出BCIs中混合传感器融合的概念设计，在这些设计中，不仅要结合EEG和EMG信 ，还要结合其他输入，如简单开关和运动传感器的信 ，以提高信息传输速率、可用性和可靠性等。在这些方法中，混合BCI应该根据用户的偏好和/或可用性来决定输入通道，或融合通道的组合，提供辅助技术系统中最可靠的信 。
虽然这不是一个简单的生物机器人应用，但有趣的是，我们讨论了一项研究，该研究 告了一种基于P300的脑机接口的混合控制，用于严重残疾的终端用户的通信。本研究的主要目的是评估使用肌电图（EMG）和来自EEG信 的P300特征来控制辅助技术软件的混合BCI接口。用8个脑电通道（按10-20系统）和2个肌电电极分别测量EEG和EMG信 。
表 告定量绩效结果的研究比较

添加管理获取更多

本篇由BCIduino脑机接口开源 区整理或撰写。BCIduino脑机接口 区由来自北京航空航天大学、康奈尔大学、北京大学、首都医科大学等硕博发起成立，欢迎扫码加入 群，备注”BCI”，也欢迎采购BCIduino脑电模块（某宝搜索即可）