肌電訊號的處理、判讀與回授應用

EMG Signal Processing, Analysis and Feedback Application

吳苑娟(Yuan-Chuan Wu)

指導教授 ： 陳建祥

國立清華大學/工學院/動力機械工程學系/碩士(2010年)

摘要

伴隨著人體肌肉的收縮，肌電訊號會與收縮程度成正相關，並可在人體皮膚表面量測之。除肢體完全殘缺者外，運用此種肌肉收縮伴隨肌電訊號產生的特性，可以用來設計輔具的輸出參考，使輔具可以即時輸出輔助力矩於特定部位。因而此方向的輔具設計屬於「強化使用者體能型」，而非為肢體殘缺者設計的「義肢型」。
本實驗室先前有關肌電訊號應用於人體輔具之研究是以「壓力鞋-角度計模組」配合肌電訊號的運算結果，兩者互相輔助，即時對使用者作出回饋。但亦無法跳脫模組化之應用，僅能對單一動作識別。故本文藉由肌電訊號的本質、反動力學及肌肉機械學模型之探討，確立下肢肌電訊號與人體膝蓋力矩具有相關性，藉由Adaptive Neuro-Fuzzy Inference System(ANFIS)建立下肢肌電訊號與人體膝蓋力矩之模型，將肌電訊號即時換算輔具的參考力矩，給予輔具控制命令施加於膝蓋上，以期令使用者在任何膝蓋彎曲角度下，感覺較未穿輔具時輕鬆。 又反動態學之應用過於複雜，即使以簡化之靜態反動力學推算膝蓋力矩亦不夠直觀，因此本文設計一線性扭簧-角度計模組來推算力矩，作為模型學習之力矩輸入。最後輔以實驗來驗證其可行性以及實際與輔具整合之成果。

關鍵字

肌電訊號

並列摘要

無資料

並列關鍵字

EMG

參考文獻

[20]江耿鋒,胡威志,可攜式腳底壓力量測系統之研發,先進工程學刊,台灣,2008.

[1]Jun Ding, S. Anthony, Wexler and Stuart A, “Development of a Mathematical Model that Predicts Optimal Muscle Activation Patterns by Using Brief Trains,” Journal of Applied Physiology, pp. 917-925, 2000.

[2]E. Eisenberg, TL. Hill and Y. Chen, “Cross-Bridge Model of Muscle-Contraction Quantitative-Analysis,” Biophyscial Journal, pp. 195-227,1980.

[3]Dimitrije Stamenovic´, Be´la Suki,1 Ben Fabry, Ning Wang and Jeffrey J. Fredberg, “Rheology of Airway Smooth Muscle Cells is Associated with Cytoskeletal Contractile Stress,” Journal of Applied Physiology, vol. 96, pp. 1600-1605, 2004.

[5]K. Kiguchi , T. Tanaka , T. Fukuda, “Prediction of Dynamic Tendon Forces from Electromyographic Signals: An Artificial Neural Network Approach,” Journa of Neuroscience Method, vol. 78, pp. 65-74,1997.