肌電信號-原理與應用基礎
1 - 基本概念
Electromyography (EMG) is an experimental technique concerned with the development, recording and analysis of myoelectric signals. Myoelectric signals are formed by physiological variations in the state of muscle fiber membranes. (Basmajian, J.V. & De Luca, C.J., 1985).
肌電信號(Electromyography, EMG)，是指測量引發(fā)肌肉收縮的電信號，并反應肌肉的收縮程度，在醫(yī)療、康復、運動科學等諸多應用科學領域中廣泛使用。在外骨骼領域中，肌電信號是評估外骨骼輔助有效性的重要指標之一。一般來說，我們可以從肌電信號中獲得如下信息：
時機 - 肌肉何時被激活
力量 - 肌肉收縮有多強烈
疲勞 - 肌肉能否調動它的全部力量
在生物力學中，表面肌電信號應用更為廣泛。其采用非侵入式的測量方式，電信號通過粘貼在皮膚上的電極進行獲取。與之相對的侵入式肌電信號，需要將一根探針直接插入相應的肌肉。表面肌電信號非侵入、不會限制受試者的運動，但其信號質量一般低于侵入式測量。
2 - 測量原理
如上所述，表面肌電傳感器通過測量皮膚表面的電位變化來感知肌肉收縮，這種電位變化被稱為動作電位(action potential，AP)。來自神經(jīng)細胞的肌肉激勵信號，通過運動終板傳導至肌肉的退極化區(qū)(resulting depolarization zone, 約為1-3mm2)。在初始激勵之后，運動單元的動作電位(MUAP)會沿肌纖維以2-6米/秒的速度傳遞，動作電位的傳遞過程類似于帶有負電荷的離子沿肌纖維的方向移動(如下動圖所示)。如果現(xiàn)在將一對電極沿平行肌纖維的方向放置于待測肌肉上方(如下圖)，則動作電位先后經(jīng)過AB兩個電極時，電極會測量到一個完整周期的類正弦信號。
一般情況下，多個運動單元會被同時激活，動作電位同時在多個肌纖維上傳遞，而電極測量的信號是由多個肌纖維上的動作電位合成的結果。一個典型的電極測量的原始肌電信號如下圖藍色波形所示，其由大量的動作電平合成而得；信號的幅值越高說明同一時疊加的動作電位越多，激活的肌纖維數(shù)量也越多；由于每一個動作電位產生的電壓信號積分為零，因此合成的肌電信號平均值(一段時間的積分)也基本為零。表面肌電信號非常微弱，幅值在μV到低mV范圍內，因此一般會使用1000到10000倍的放大器放大測量信號。根據(jù)相關文獻，肌電圖信號的能量分布基本上在0 ~ 500 Hz的頻率范圍內，主要成分在50 ~ 150 Hz的范圍內。
3 - 表面肌電信號的干擾與降噪
表面電極有諸多優(yōu)點，但也非常容易收到各種噪聲的干擾。下面討論一些常見的干擾類型，以及可以采用的預防和降噪方法。
a-生理噪聲(physiological noise)
生理噪音是指由身體內部生理活動所產生的，并可被表面電極接收到的電信號，例如心電信號和呼吸肌的收縮信號。對于這類干擾，可以將傳感器放置遠離干擾噪聲源的地方并使用濾波方法來減少，但避免使用陷波濾波器。
b-環(huán)境噪聲(Ambient Noise)
環(huán)境噪聲包括電氣工頻干擾70-60Hz)和電纜偽影(cable artifacts，由線纜移動而導致的信號失真)。
電磁輻射在環(huán)境中幾乎無處不在，但可以采用差動電極來減少這些干擾。表面肌電信號傳感器由兩個電極組成，它們沿著肌肉纖維以一定距離(通常為10mm)附著在皮膚上。兩個電極都記錄了基本噪聲，也記錄了具有延時的MUAPs(延時是因為電位沿著肌纖維擴散，從而首先到達第一個電極，然后到達第二個電極)。通過簡單的差分計算消除環(huán)境噪聲：
c-基線噪聲(Baseline Noise)
基線噪聲是肌電信號中最常見的噪聲之一。它屬于電化學噪聲，由電極和皮膚中鹽的離子交換所產生，當肌肉完全放松時所測量的信號主要就是基線噪聲(以及生理噪聲和環(huán)境噪聲)。由于噪聲發(fā)生在放大電路之前，所以基本無法被消除。基線噪聲的大小與電極電阻的平方根成正比，因此可以通過增加電極的表面積來減少噪聲，以及在使用肌電傳感器前做好電極和皮膚的清潔工作。
d-運動偽影(Movement Artifacts)
運動偽影也來自電極與皮膚之間的界面。一般來說，產生運動偽影的原因有兩個：
當肌肉收縮和放松時，肌肉的長度和橫截面發(fā)生變化。這導致覆蓋皮膚的拉伸和放松，進而導致皮膚電極界面的電化學平衡發(fā)生變化。
當肌肉產生一個力脈沖或從外部施加到身體上的力脈沖(例如腳跟撞擊)，脈沖也會被轉移到電極上。
這兩種情況都不可能完全消除干擾，只能通過對皮膚/電極進行良好的預處理和使用良好的過濾方法來緩解。
e-肌肉串擾(Crosstalk from Other Muscles)
當我們記錄了表面肌電信號后，我們需要注意這個信號是否會收到其他肌肉的影響。如果需要確定某一個特定肌肉的激活情況，相對獨立的肌肉能夠被較為準確的測量(如脛骨前肌)，而位于肌群中的肌肉很難被準確測量(如位于股四頭肌群中的股直肌)。即使小心翼翼地將電極放置在相應的肌肉上，信號仍然會被附近肌肉影響。通過選擇兩個差分電極之間相對較小的距離可以防止串擾，根據(jù)經(jīng)驗，兩個電極之間的距離應不超過10mm。更多關于防止串擾的方法可以在其他文獻中找到。
f-脂肪組織(Fatty Tissue)
一般來說，人體具有良好的導電性，但不同組織之間存在著很大的差異。其中脂肪組織起著決定性的作用，它類似于一個低通濾波器，過濾掉信號的高頻部分。肌肉和電極之間的脂肪組織越多，過濾的作用就越強，當脂肪厚度大于40mm，肌電信號基本無法被檢測到。這種特性也使得在不同受試者之間進行直接對比肌電信號的電壓幅值比較非常困難，所以一般會根據(jù)肌肉的最大自主收縮(MVC)的對肌電信號進行歸一化。
g-皮膚和肌肉之間的相對運動(Relative Movement Between Skin and Muscle)
當肌肉收縮時，它會在皮膚下面移動，貼在皮膚上的表面肌電傳感器的測量區(qū)域也會發(fā)生變化。一方面，肌肉的動態(tài)收縮會導致信號來源(肌肉膜)和傳感器之間的脂肪組織過濾器發(fā)生變化，從而影響信號的振幅和頻譜；另一方面，它可能導致所測量的肌肉從傳感器的視野中消失，而另一塊不感興趣的肌肉則成為了測量對象，進一步加重肌肉串擾的影響。
可以通過分析等距收縮(即沒有長度變化的收縮)來避免運動帶來的影響，這也是為什么等距收縮是研究最多的收縮類型。但在應用科學中，等距收縮對于肌肉運動的基本理解并不是那么重要，也很少發(fā)生在自然運動中。如何處理動態(tài)記錄的數(shù)據(jù)以及這對數(shù)據(jù)解釋的其他影響將在數(shù)據(jù)分析一節(jié)中解釋。
肌電信號的質量取決于傳感器的類型、放大器的質量、傳感器的放置以及電極-皮膚的接觸特性。如果您的實驗室沒有足夠的預算來購買最新的表面肌電信號和放大器，您仍然可以改善后兩點個方面。這些在準備階段中發(fā)揮著核心作用，并對數(shù)據(jù)質量有巨大的影響。
4 - 肌電信號采集的準備工作
如何在皮膚上粘貼肌電傳感器
肌電電極應該盡可能的被粘貼在肌腹的中間。肌腹的信號幅值最大，信噪比更高，且更少的受到周圍肌肉的串擾影響。每個肌電傳感器應至少使用兩個電極，通過差動電極將環(huán)境噪聲影響降低到最小。電極應該沿著肌纖維的方向排列，使得動作電位先到達一個電極，再到達另一個電極。需要特別要注意肌肉纖維的排列和羽狀角。表面肌電信號的幅值與電極間距離成正比，帶寬與電極間距離成反比，因此兩個電極之間的距離應該盡可能保持恒定以方便數(shù)據(jù)分析(如果不是由傳感器給出的話)。
如何清理皮膚
表面肌電信號的質量很大程度上取決于皮膚和傳感器之間的接觸條件。清理皮膚的目的是盡可能減少皮膚的電阻，使表面肌電信號能夠被準確地捕捉到(現(xiàn)代放大器通常設計為皮膚阻抗水平在5到50歐姆之間)。一般來說，在準備皮膚時要考慮兩點：
剃除毛發(fā)。特別是受試者有大量出汗或需要分析高度動態(tài)的運動時，剃除毛發(fā)可以防止電極松動。出于衛(wèi)生原因，請使用一次性剃須刀，使用后應立即丟棄。
清潔皮膚。去除具有高抵抗力的死皮細胞，清洗皮膚上的污垢和汗水。大多數(shù)情況下，用浸過純酒精的布輕輕擦拭皮膚就足夠了。如果有更高的需求，可以用細砂紙去除表層的死皮細胞。可以通過萬用表測量電極之間的電阻來檢查皮膚清潔是否到位，下表可以作為一個粗略評估:
為了進一步了解肌電信號的質量，建議計算和檢查信噪比(signal-to-noise ratio, SNR)：
SNR=frac{sEMG Amplitude}{Baseline Noise Amplitude}
如果信噪比不理想，嘗試檢查傳感器的粘貼或進一步清理皮膚；如果沒問題，那就開始測量數(shù)據(jù)吧！
5 - 肌電信號的后處理
這里我們使用Matlab的信號分析工具箱Signal Analyzer，介紹肌電信號的后處理方法。實驗數(shù)據(jù)是通過Delesys的無線肌電系統(tǒng)Trigo，并通過模擬量接口由dSPACE以5kHz的頻率進行采集，測量了單個男性受試者以1.25m/s的速度在跑步機上行走時比目魚肌、腓腸肌、脛骨前肌、股直肌、腘繩肌等8塊的肌電信號，你可以聯(lián)系博主下載該實驗的原始數(shù)據(jù)。
上圖展示將數(shù)據(jù)加載進Signal Analyzer并進行顯示，右側為29s至30s(約一步)的比目魚肌肌電信號。根據(jù)上面對于噪聲干擾的分析，紅色方框內的為基線噪聲，綠色方框內的為運動偽影(因為這部分信號的頻率和后面紫色框內的頻率有顯著差異)，紫色方框內為肌電的收縮信號。為了得到更有效的分析數(shù)據(jù)，挖掘肌電信號的信息，一般需要對原始肌電信號的后處理，主要涉及如下步驟：
高通濾波(High Pass Filter)
對于大部分實驗室而言，會使用數(shù)據(jù)采集卡或實時處理器，采集肌電系統(tǒng)的信號并和其他設備進行同步，并且大多數(shù)情況下會是模擬信號。不同設備間的電平基準可能存在不同，因此可能導致信號包含一定的直流偏置。如上所示的實驗數(shù)據(jù)，其直流偏置約為-0.003。這部分的誤差是由采集設備所造成的，因此并沒有被歸到上面的信號干擾中。直流偏置可以根據(jù)信號的平均值進行消除，也可以通過高通濾波器進行消除。這里采用Signal Analyzer的濾波功能，對原始數(shù)據(jù)先進行截止頻率為20Hz的高通濾波。關于截止頻率的選擇，后面有更詳細的解釋。
整流矯正(Rectification)
由于肌電信號包含大量的噪聲，所以在分析之前我們一般需要對數(shù)據(jù)進行平滑。但如上所述，原始肌電信號是雙極性的，正負電壓值的對稱分布，若直接進行滑動均值濾波，會得到一條近乎直線的信號。所以為了提取有效信息，一般會對信號進行整流校正，也就是對每個數(shù)據(jù)點取絕對值。Signal Analyzer沒有內置的信號整流功能，但可以通過Add Custom Function來添加，經(jīng)過整流后的肌電信號如下圖紫色曲線所示。
低通濾波(Low Pass Filter)
之后可以采用低通濾波對信號進行平滑，以提取信號的輪廓。在dSPACE中我們一般使用Butterworth低通濾波器，而這種形式濾波器在Signal Analyzer中沒有集成，也需要自行定義(Signal Analyzer自帶的低通濾波器非Butterworth濾波器)。論文中常用的低通截止頻率有6Hz、10Hz、15Hz，階數(shù)常為2階或4階。下面右圖展示了3種截止頻率下的濾波效果。
平滑(Smoothing)
采用低通濾波會不可避免的向信號引入延遲，從而有可能導致對肌肉活躍度有錯誤的解讀。比如上圖中6Hz濾波的紅色曲線，延時已經(jīng)非常顯著了。在后處理階段，我們可以采用smooth(特指matlab函數(shù))方法來平滑數(shù)據(jù)，而不進入延遲，但要注意這些方法無法在實時采集中使用。肌電信號常用的平滑方法是滑動均方根濾波：
T2 - T1表示平滑的時間窗口大小，在運動科學研究中大約是20ms(快速運動)到500ms(緩慢或靜態(tài)運動)。時間窗口越大，數(shù)據(jù)越平滑，但也越有可能誤解肌電信號變化趨勢。下圖對比了均方根平滑和低通濾波的效果，可以看出均方根平滑能更準確反應肌電輪廓信息。
上面所使用的均方根平滑也是一個自定義的函數(shù)，但Signal Analyzer也提供了多種其他的平滑方法，比如均值平滑、中值平滑、高斯平滑等，多數(shù)也有較好的平滑效果，例如窗口為0.1s的高斯平滑(如下所示)。
6 - 功率譜分析
在采集和處理數(shù)據(jù)時，我們需要時刻關注，信號是否反應真實的肌電。上面進行數(shù)據(jù)處理的過程中，我們基本采用經(jīng)驗和參考來進行濾波，而沒有去關注信號的頻率特性。本文第三部分部分討論了諸多的干擾形式，我們也可以根據(jù)肌電信號和噪聲的特性設計更合適的濾波器來處理數(shù)據(jù)，得到更真實的肌肉活動信息。
除了用來設計濾波器外，頻譜/功率譜分析還可以評估肌肉的疲勞程度，這將在下一部分予以介紹。
上圖展示高通濾波后(去除直流偏置對于頻譜的影響)肌電信號的功率譜，主要信號的頻率分布在0-600Hz的范圍內，這其中包含了肌電以及所有的噪聲。頻譜在20-250Hz頻段內信號最為集中；在200-500Hz頻段內有一個較寬的突起，反應一種穩(wěn)定分布的信號(這很有可能來自肌電信號)；超過600Hz后分布一個比較穩(wěn)定的白噪聲，并帶有幾個小尖峰。
為了進一步確定肌電信號和頻段，分離肌電信號和各種噪聲，可以提取出步態(tài)擺動階段到支撐前期的肌電信號，這段時間我們所研究的肌肉-比目魚肌-基本處于完全放松狀態(tài)，所測量的信號完全由各種噪聲組成。下圖展示了這些噪聲的功率譜，其主要分布在低頻段，在0-100Hz之間有較大的幅值，并隨頻率逐漸減少，同時也可以看出高頻段的幾個尖峰也都來自噪聲。兩個曲線所夾便是真實肌電信號的部分，分布在50Hz到600Hz之間。
在這篇博客的參考博客中，作者通過肌電傳感器上內置慣性傳感器的加速度數(shù)據(jù)來分析來自運動偽影噪聲的頻譜，其頻段主要分布在20Hz到50Hz之間，和我們的結果相類似。
在頻譜分析的基礎上，我們可以設計帶通濾波器對信號進行濾波，以去除噪聲的影響。但注意到噪聲和肌電信號在很大頻率范圍內的頻譜是相互疊加的，因此基本不可能將兩者完全分開，但我們也有理由相信濾除一些低頻和高頻的成分是有意義的。一些文獻使用低頻20Hz、高頻500Hz的帶通濾波，而且多數(shù)肌電傳感中已經(jīng)內置了這樣的帶通濾波電路(比如我們的Delesys)，但也有一些文獻質疑這樣會濾除太多的肌電成分。
為了增加對肌電信號和噪聲特性的理解，讓我們嘗試更激進的濾波參數(shù)。但注意這一部分的內容并沒有更多的文獻支撐，僅作為一個開放性的討論。下圖展示使用低通150Hz、高通600Hz的帶通濾波后的數(shù)據(jù)(綠色)，可以發(fā)現(xiàn)在肌肉放松階段的噪聲(基線噪聲、運動偽影)有了顯著的減少，而收縮階段的肌電信號沒有本質改變。
對帶通濾波后的信號進一步進行整流和平滑處理，可得到噪聲更小、放松階段信號更平穩(wěn)的肌電數(shù)據(jù)，如下右圖所示；但同樣可以觀察到收縮階段信號峰值有明顯衰減，表明一部分有效的肌電信號也被濾波器所濾除。
7 - 數(shù)據(jù)分析
正如本文開始所述，通過肌電信號可以得到關于肌肉的時機、力量和疲勞三種信息，它們分別對應肌電信號的時間(相位)、幅值和中值頻率。
肌肉的激活時間
一般來說，在分析肌肉的激活時間時，一般不關心肌肉的收縮類型(同心偏心等距)和收縮程度，而僅關注肌肉合適收縮和放松(開和關)。為了以一種標準化的方式確定肌肉何時被激活，會先采集一組肌肉放松狀態(tài)時的信號，并確定背景噪聲的的均值和方差；當肌電信號超過噪聲均值兩倍標準差(95%置信度)，并持續(xù)一定的時間(通常是10 - 50ms)，認為肌肉激活。這種方法也被稱為雙閾值方法，因為必須同時超過振幅閾值和時間閾值。
由于人體任何形式的運動都具有協(xié)調性變異性，即使在非常標準的運動中，不同周期的表面肌電信號也有非常顯著的差異。因此，一般會通過多次重復來描述某一運動模式。為此每個周期被劃分為固定數(shù)量的段(例如100)，每個段的數(shù)據(jù)點被平均。之后我們就可以檢查肌肉在運動周期的百分之幾被激活，以及何時完全放松。
肌肉的收縮力
可以明確的是，表面肌電信號和肌肉產生的力之間有關系，但，這個關系非常復雜，很難通過簡單的變換關系的得到。它涉及從神經(jīng)肌肉的收縮動力學、肌肉骨骼模型、人體關節(jié)的運動特性的共同影響，與最大肌肉力、肌肉收縮速度、肌肉長度、羽狀角、肌肉肌腱剛度都有關。我們可以推測，當肌電信號的幅值增加時，肌肉中產生的力量或收縮速度也會增加，但這種定性的分析有時可能無法滿足定量評估的需求。
多年來這個復雜問題始終沒有得到很好的解決，這也是為什么絕大多數(shù)的肌肉研究都集中在等距收縮，這種收縮下肌肉力和肌電信號的關系會盡可能小的受到肌肉移動、運動偽影、肌肉串擾的因素的影響。在等距收縮時，表面肌電信號和肌肉力基本成線性關系，線性度因肌肉而異。然而在人體的自然運動中基本不存在等距收縮的過程，畢竟等距收縮不會產生任何形式的運動。如果想由表面肌電信號分析非等距運動的肌肉力特性，必須將分析限制在運動接近等距收縮的時間內。例如選擇關節(jié)角速度等于零時的左右一小段時間(1%周期)，并評估平均肌肉活躍度。
在不同的實驗中，由于受試者肌肉特性、脂肪特性、皮膚特性、電極粘貼位置的不同，基本無法做到測量信號有相同的幅值等級。因此在進行幅度分析時，需要對信號進行歸一化，以保證幅值是可以對比的。在實踐中經(jīng)常使用最大主動收縮(maximum voluntary contraction, MVC)的峰值作為歸一化標準，肌電信號也就表示為MVC的百分比。但可能存在某些肌肉的MVC非常高，但在特定運動下收縮程度較小，從而使信號整體數(shù)值較低。對此也可以采用其他合適的歸一化策略，但要確保歸一化是有效的。
肌肉疲勞
個體肌肉疲勞是生物力學分析中的一個重要因素。在沒有測量肌電信號時，當肌肉不能保持一定的收縮時，才會被歸類為疲勞(這個時間點也被稱為疲勞點，point of failure)。然而，肌肉疲勞是一個漸進的過程，我們可以通過肌電信號頻率特性來獲取肌肉的疲勞信息。
表面肌電信號的功率譜分布曲線如上所示，這個圖僅是一個示意，實際頻譜不會如此光滑；另外這個頻譜采用的是正常坐標，而上一小節(jié)我們繪制的功率譜則是半對數(shù)坐標。一般情況下，我們會采用4種特征來刻畫肌電信號的功率譜特性：總功率、峰值功率(頻譜的最大值)、均值頻率(mean frequency,以功率幅值為系數(shù)的頻率加權平均)，以及中值頻率(median frequency, 將區(qū)域分成兩等份的頻率)。
當受試者持續(xù)執(zhí)行適當強度、高頻的肌肉收縮時，這些頻率參數(shù)會隨時間推移而發(fā)生變化。其中均值頻率和中值頻率會隨時間的增加而降低，反應動作電位在肌纖維中的傳導速度的下降。下圖展示的23分鐘行走過程脛骨前肌的肌電信號，并分別對開始和結束2分鐘的信號進行功率譜分析。由于該部分實驗數(shù)據(jù)的采集頻率僅有500Hz， 我們僅能得到0-250Hz范圍內的頻譜特性，但依然可以從中得到一些現(xiàn)象。可以看出，后兩分鐘肌電信號的整體能量有明顯的下降，反應在是時域上信號的幅值有明顯的降低；盡管并不是非常明顯，我們依然可以看出最后兩分鐘信號的功率分布有向低頻方向移動的趨勢，通過計算，它們的中值頻率分別為177.5Hz和164.9Hz，下降了12.6Hz。
肌肉疲勞研究有兩方面應用。首先是識別肌無力問題，以及因此所導致的運動功能障礙和疾病。二是進行力量訓練的監(jiān)測，因訓練引起的短期疲勞是肌肉生長的基本要求。
Reference
Electromyography - Basics of Practical Application
EMG II Electromyography II Muscle electrical activity
Resources - International Society of Electrophysiology and Kinesiology (ISEK)
Welcome to SENIAM
Konrad, P., 2006. The ABC of EMG: a practical introduction to kinesiological electromyography. Noraxon USA, Inc.
Luca, C.J. de, 1997. The Use of Surface Electromyography in Biomechanics. Journal of Applied Biomechanics 13, 135–163.
Luca, C.J. de, 2008. A Practicum on the Use of sEMG Signals in Movement Sciences. Delsys Inc.
Wang, J., Tang, L., E Bronlund, J., 2013. Surface EMG Signal Amplification and Filtering. International Journal of Computer Applications 82, 15–22.
