赵潇洋 王柏衡
摘要：随着人机交互系统与人类生活联系越发紧密，人们渴望有更加灵活、轻便的交互体验，探索新的人机交互方式和人机交互接口显得更为重要。因此，基于生物电信号的人机交互技术成为热门领域，该技术被广泛应用于假肢控制、临床医学、虚拟现实技术、机器人技术及运动生物力学。其中，将基于生物电信号的人机交互技术应用于机械手臂，为残障群体的正常生活提供了极大可能性。本文首先阐述了生物电信号在人机交互中的应用，然后以智能机械手臂为例，阐述生物电信号在智能机械手臂中的应用。以期为人机交互技术的发展提供一定借鉴。
关键词：生物电信号;人机交互;肌电信号;脑电信号;机械手臂
中国分类号：TP391 文献标识码：A
文章编码：1672-7053（2020）09-0028-02
1相关概念解析
1.1生物电信号
生物电信号是一种记录生物心跳或肌肉收缩的信号，其具有低振幅和低频特点，可被测量及分析。Luigi Galvani于1786年的青蛙实验中发现了肌肉与电间的关系，并于1791年对现象进行了进一步研究。随着科学的进步，生物电信号的实用性及应用空间被渐渐发现和拓展，它被广泛用于假肢控制、运动康复、艺术装置等领域。肌肉电信号（EMG）、心电信号（ECG）、眼电信号（EOG）、脑电信号（EEG）、诱发电位/事件相关电位（EP/RP）这五类生物电信号均可被表面电极所捕获。基于这类易于通过表面电极进行采集的生物电信号，并将其转化为计算机指令，即可通过交互执行机构（如机械手臂、眼动仪等）与外部环境及用户本身进行交互。本文主要关注肌肉电信号（EMG）及脑电信号（EEG）在人机交互中的应用。
1.2人机交互
人机交互（HCU）作为一门交叉学科，涵盖了计算机科学、设计学、心理学等多学科知识。Human Computer Interaction（HCI）一词由Stuart K.Card，Thomas P.Moran和Allen Newell于1980年在ACM通讯期刊中首次提出。其主要经历了早期手工业、作业控制语音及交互命令语言、用户图形界面（GUI）、网络用户界面、多通道和多媒体的智能人机交互和虚拟交互界面六个阶段。人机交互领域重点关注用户与计算机之间的接口，而近年来，随着人机交互接口的普及及生活节奏的加快，人们对人机交互形式的期待发生了深刻变化，他们期待更加自然的交互方式，更加简洁的交互界面，更加多样的交互通道以及更加智能交互技术。
2生物电信号在人机交互中的应用分析
以下主要讨论EMG肌电信号及EEG脑电信号在人机交互中的应用。
2.1 EMG肌电信号在人机交互中的应用
EMG肌电信号是由肌肉产生的一种可由表面电极捕获的电信号，它记录了肌肉受到刺激时产生收缩的电位图，其电压幅度在50μV-5mV，频率范围为2Hz-500Hz。它可以被运用到各个领域，例如艺术装置、医疗治疗、假肢控制、虚拟交互游戏等领域。其工作原理为，将电信号施加到肌肉会导致肌肉的收缩及运动，借助先进的控制电子设备和适当放置的电极，可实现捕捉微弱肌电信号。值得注意的是，所施加到肌肉上的电信号仅仅提供肌肉的运动指令，即控制信号，而不需要为实际的运动提供能量。因此，用户可以使用小型电池驱动的设备进行运动。目前研究的关键点在于：如何增强其精确性？如何提取其特征？基于EMG肌电信号人机接口技术的优势在于方便且灵活，能够快速捕捉不同的手势活动及肌肉群活动。但由于手臂活动由多块肌肉群共同作用，导致识别出的信号源精确度不高，无法完全分辨更加细微和多样的动作。为了解决由于冗余通道产生的干扰信号所导致获取的信号精度低及数据处理难度大等问题，目前通常会使用统计理论来消除信号采集过程中的冗余信号，这不仅降低了硬件的消耗成本，也优化了电极分布，为信号采集的准确性提供了一定保障。
2.2 EEG脑电信号在人机交互中的应用
EEG脑电信号由大脑活动产生，该类电信号同样可以使用表面电极进行捕获，可使用多通道数据采集设备在头皮上进行脑电信号的采集，电压幅度约为2μV-100μV，频率范围为0.5Hz-100Hz。因此，通常会在头皮上按合理分布规则粘贴110～268个头皮表面电极，電极越多，获得脑电信号越精准。基于脑信号的识别性近期正在被研究，同时有研究显示脑电及脑波信号能够用于个体识别。基于脑电信号进行人机交互的技术属于脑机接口（Brain Computer Interface，BCI）技术的一种，该技术旨在研究如何定位、协助、增强或修复人类的认知或感觉运动功能。脑机接口技术目前分为：侵入性BCI、部分侵入性BCI和非侵入性BCI三种。其中，基于脑电信号的非侵入性BCI被主要应用于假肢及环境控制领域。非侵入性BCI能使瘫痪患者或残疾患者的上肢和下肢假肢由他们的大脑所控制。在过去的几十年中，BCI技术主要集中于侵入性方法，但由于植入电极容易使患者感染或产生并发症，所以BCI技术一直在探索非侵入性（无创性）领域。非侵入性BCI技术能够满足大量人群的需求。同时，其无创性会使用户感到更加舒适自然。BCI脑机接口技术在大脑和输出设备之间建立了一条无肌肉连接的通道，辅助脊椎损坏、上下肢缺失或瘫痪的人群进行康复或行动。基于脑电信号的人机交互接口技术的优势在于，该技术具有相当广阔的应用空间，因为该技术不依赖于残余肢体肌肉群来传递信息。其局限性在于，由于大脑工作机制非常复杂，需要非常强的排除干扰算法机制来捕获微弱且复杂的脑电信号，这使得基于EEG脑电信号的人机接口技术实现难度远远超过基于EMG肌电信号的人机接口技术。
3生物电信号在智能机械手臂中的应用分析
目前，智能仿生机械手臂的研究主要基于EMG、EEG的人机交互接口进行研发。
3.1 EMG肌电信号在智能机械手臂中的应用
基于肌电信号的智能机械手臂研究主要集中在机械结构和控制源两方面。其中斯坦福大学、牛津大学等研究机构均研发了可实现精准抓握及力度适应性抓握，同时具有重量轻、灵活度高等特点。2005年，由意大利、丹麦等国家的研究小组完成的Cyberhand成为历史上第一款具有感觉的仿生手。但上述这些仿生手部属于无法应用到临床。2007年，美国芝加哥康复学院将患者手臂残余神经移植到胸部，再利用EMG肌肉电信号实现运动识别。同时，由于其增加了压力传感器，患者能够感受到物体。英国的Touch Bionics公司开发了I-Limb系统机械手臂，但仍然需要通过手术移植残臂神经，这也许对患者身体造成感染和负担。同时，精度不高也会导致机械手臂无法识别细微动作等问题。近年来，随着神经网络等技术的发展，研究领域也集中于非手术、非侵入式的机械手臂领域。这意味着能避免感染等多因素使多数患者得到满足。通过控制表面电极分布情况，优化基于神经网络的机器学习算法，增强了算法的鲁棒性，能够使机械手臂识别更多细微的动作，克服环境等客观因素的影响，使机械手臂的精确度更高，从而去除冗余噪音信号，减缓动作执行滞后性等问题。
3.2 EEG腦电信号在智能机械手臂中的应用
近年来，基于EEG脑电信号的人机交互技术主要应用于假体、穿戴式下肢（外骨骼）、矫形器、轮椅和辅助机器人设备等领域。2016年，明尼苏达大学的研究人员Jianjun Meng与Shuying Zhang等人利用BCI技术实现了在短时间内训练被试者利用他们的脑电信号来有效地控制高精度机械手臂的伸直行为，同时在之后的几个月利用该方法控制机械臂运动都保持了较高的精确度，这证实了使用BCl技术控制智能机械臂的可行性。2017年，麻省理工学院计算机科学与人工智能实验室和波土顿大学的一个团队研发了利用意识纠正机器人（合机械臂）的错误。该团队利用EEG脑电信号监测器数据，结合先进的机器学习算法，利用“意识”（脑活动）即可指挥机器人执行某动作。这项研究使该团队能够开发更多靠大脑控制的假肢及机器人。2019年，首个由心理控制的，具有连续跟踪计算机光标能力的机械臂被研发出，该突破由卡内基梅隆大学的研究团队及明尼苏达大学合作开发，这意味着它非常有助于改善肢体残疾者、瘫痪患者及运动障碍者的生活。该团队的研究领导人Bin He教授指出，使用非侵入性心理控制机器人技术已取得重大进步，随着神经解码技术的进步，非入侵性机械手臂将发生重大改变。通过采用先进的传感技术及机器学习（自我学习算法），改变了曾经机械手臂“追随”大脑或肌肉命令而产生的滞后感，代之以平滑且连续的方式执行命令。
4结语
本文主要分析了采用非侵入性方式即可捕获的生物电信号：肌肉电信号（EMG）、脑电信号（EEG）。另外涉及眼电信号（EOG）、诱发电位/事件相关电位（EP/RP）等常用信号，为其他研究领域提供人机交互技术的使用方向。最主要总结了肌肉电信号（EMG）及脑电信号（EEG）各自的优势和局限性以及两种基于不同生物信号的智能机械臂的研究情况。未来，随着传感器技术的发展，基于生物电信号人机交互技术的产品将呈更加轻巧、灵活的发展趋势。
