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（一）

原创

BCIduino脑机接口社区

修改于 2020-12-22 18:11:07

4710

修改于 2020-12-22 18:11:07

文章被收录于专栏：BCI脑机接口 BCI脑机接口BCI脑机接口

摘要

在过去的几十年里，生物机器人的应用，如外骨骼、假肢和机器人轮椅，已经从科幻小说中的机器发展到几乎商业化的产品。尽管肌电图（EMG）信号仍然存在一些挑战，但利用EMG信号控制此类生物机器人应用的进展是巨大的。

同样，最近发展基于脑电图（EEG）的控制方法的趋势和尝试也显示了这一领域在现代生物机器人领域的潜力，但是基于脑电的控制方法有待完善。

一种将这两种控制方法结合起来的新方法，利用每个系统的优点，减少缺点，因此可能是一个很有前途的系统。本文综述了近年来在生物机器人领域尝试或发展的基于肌电图和脑电的混合融合控制方法，并提出一些潜在的未来方向。

介绍控制方法

生物机器人领域的最新进展在许多方面都有助于改善一系列人的生活质量，对于身体虚弱、残疾或受伤的人来说，假肢、外骨骼、遥操作机器人和智能轮椅等应用或设备给他们的生活带来了一些希望。然而，控制这些设备需要复杂的技术或方法，因为它们通常与人类用户交互。

对于这些设备的主要要求，如准确性，长期可靠性和安全性是至关重要的。因此，为了满足这些要求，人们提出了许多控制方法，每种方法都使用不同种类的输入信号。

肌电图（EMG）能够直接反映人的运动意图或使用者的肌肉活动，因此在生物机器人的控制方法中，肌电图（EMG）一直是最常用的生物信号之一，许多例子，如轮椅、假肢、外骨骼/矫形器都显示了基于肌电的肌肉信号的有效性。

基于肌电的方法不能用作输入，例如，上肢完全瘫痪的人可能无法使用外骨骼等设备，因为很难从瘫痪肢体的肌肉获取控制信号。

另一方面，随着科技的进步，BCI（brain computer interface）或BMI（brain machine interface）已经吸引了生物机器人领域的关注。脑机接口可以开辟新的途径，直接解码用户的大脑信号，从而控制假肢、外骨骼或轮椅等设备；例如，即使用户的四肢不能进行任何充分的运动，他仍然可以产生指挥性的脑信号，这些信号可用于这种大脑控制接口驱动外骨骼。

在多种脑信号采集方法中，脑电图（EEG）被认为是一种无创、方便的方法，适合于实际系统。在轮椅、假肢、外骨骼等应用中可以找到实现基于EEG信号的接口的各种尝试。然而，由于EEG存在可靠性低、准确性低、用户适应性差和数据传输率低等困难，仅使用EEG信号作为主要输入的BCI/BMI在生物机器人应用中还不能完全接受。

为了克服基于EEG和EMG的控制方法的问题，结合两种系统，利用每种信号的优点并减少各自的局限性，可能是一种方法。例如，在假肢控制的情况下，基于肌电图的方法所需的一些肌肉可能不可用，在这种情况下，EEG信号可以用来补偿缺失的肌电信号。

此外，在外骨骼等例子中，肌电图信号所需的一些肌肉可能断开或麻痹，或者连接到所需肌肉的某些神经可能断开。在这种情况下，脑电图也可以用来补偿丢失的肌电信号。即使肌电图所需的所有肌肉都可用，脑电图仍然可以用来消除疲劳或意外震颤的影响。

本文主要回顾了迄今为止在生物机器人应用中提出的混合/融合EEG-EMG接口，并确定这些系统的重要设计特点和优缺点。尽管对基于EMG的控制方法或基于EEG的控制方法（使用BCI）有许多评论，但很难找到任何当前在生物机器人应用中的EEG-EMG混合方法的深入综述。

事实上，虽然已经发表了一些关于混合BCI的评论，但没有一篇文章详细介绍了混合EEG-EMG控制方法，特别是对于生物机器人的应用。一份及时的书面综述论文结合脑电图和肌电图的方法来控制这种生物机器人技术的应用，不仅有助于确定研究领域的现状，而且可以为任何有兴趣启动/开发此类系统的人提供信息。

除了对基于混合EEG-EMG的方法在生物机器人中的应用进行综述外，我们还讨论了EMG-EEG混合控制方法在生物机器人中的应用，还将提出几个可能的未来方向。

“ 嘘！悄悄插播一条小广告 ”