肌音信號(hào)的采樣率與截止頻率對(duì)識(shí)別率影響研究

姚佳旭，夏春明，2，章含陽，章 悅，王新平

（1.華東理工大學(xué) 機(jī)械與動(dòng)力工程學(xué)院，上海 200237；2.上海工程技術(shù)大學(xué) 機(jī)械與汽車工程學(xué)院，上海 201620）

0 引 言

肌音信號(hào)（Mechanomyography，MMG）是由肌肉運(yùn)動(dòng)時(shí)肌肉纖維尺寸變化而產(chǎn)生的一種生物醫(yī)學(xué)信號(hào)，它在測(cè)量上具有非侵入性和無創(chuàng)傷的優(yōu)點(diǎn)。肌音信號(hào)可以反映人體的一些生理狀態(tài)，在臨床醫(yī)學(xué)肌肉的健康診斷例如肌肉的力學(xué)特性、疲勞特性等方面有重要的實(shí)用價(jià)值。近年來，肌音信號(hào)在人機(jī)交互系統(tǒng)上也在發(fā)揮著巨大的作用。文獻(xiàn)[4]通過采集頭部的肌音信號(hào)實(shí)現(xiàn)了六種頭部動(dòng)作的模式識(shí)別，準(zhǔn)確率到達(dá)91%，并成功控制了模型小車的左右前后加速減速運(yùn)動(dòng)。還有基于肌音信號(hào)的外骨骼機(jī)器人、基于手部動(dòng)作識(shí)別的虛擬交互游戲等，利用肌音信號(hào)實(shí)現(xiàn)人機(jī)交互的前提是肌音信號(hào)可以準(zhǔn)確地識(shí)別出人體的動(dòng)作，而模式識(shí)別需要使用采集設(shè)備對(duì)信號(hào)進(jìn)行采集并存儲(chǔ)。其中信號(hào)采樣率和截止頻率是關(guān)鍵的部分。根據(jù)奈奎斯特采樣定理可知，采樣頻率應(yīng)大于信號(hào)最高頻率的2 倍。而肌音信號(hào)的頻率在2～120 Hz，為了遵循奈奎斯特采樣定理，采樣率應(yīng)該設(shè)置為240 Hz 以上。但在實(shí)際的數(shù)據(jù)采集過程中采樣率的選擇千差萬別，缺少相應(yīng)的理論和實(shí)驗(yàn)研究支持，如文獻(xiàn)[7]建議采樣頻率應(yīng)該為信號(hào)最高頻率的3～10 倍，可以更好地得到信號(hào)所包含的信息；文獻(xiàn)[8]指出對(duì)于最高頻率為400 Hz 的肌電信號(hào)，400 Hz 的采樣率即可實(shí)現(xiàn)與1 000 Hz 采樣率相近的識(shí)別率精度。對(duì)于信號(hào)的采樣頻率，學(xué)者們有著不同的結(jié)論。肌音信號(hào)的模式識(shí)別目前常用的采樣率為1 000 Hz，但高采樣頻率會(huì)導(dǎo)致計(jì)算的復(fù)雜性偏高，處理時(shí)間變長，難以實(shí)現(xiàn)實(shí)時(shí)處理，使得人機(jī)交互的發(fā)展受到限制。對(duì)于計(jì)算能力有限的處理器，更希望有著較少的計(jì)算量。文獻(xiàn)[11]所設(shè)計(jì)的基于肌音信號(hào)的啞語翻譯器采樣率為333 Hz，也達(dá)到了97.5%的識(shí)別率。所以，有必要探究肌音信號(hào)的采樣率對(duì)識(shí)別率的影響以及可以同時(shí)兼顧識(shí)別準(zhǔn)確性和成本效益的最優(yōu)采樣率。

肌音信號(hào)通常使用帶通濾波器以消除噪聲，使用正確的帶通濾波器對(duì)模式識(shí)別有著重要意義。根據(jù)奈奎斯特定理，一般低通濾波器的截止頻率小于或等于采樣率的一半，高通截止頻率一般是為了消除運(yùn)動(dòng)偽影。目前肌音信號(hào)所采用的高通截止頻率為2 Hz 或5 Hz，處于低頻段的信號(hào)可能包含對(duì)模式識(shí)別具有重要意義的信息。

1 實(shí)驗(yàn)設(shè)備與方法

1.1 受試者信息

本研究分別對(duì)7 名從未有神經(jīng)肌肉病史的受試者進(jìn)行了肌音信號(hào)的離線采集。其中包含5 名男性和2 名女性，年齡在22～25 歲之間。在實(shí)驗(yàn)的24 h 之內(nèi)，受試者都沒有進(jìn)行劇烈運(yùn)動(dòng)，并簽署了同意書。

1.2 實(shí)驗(yàn)和數(shù)據(jù)采集

本實(shí)驗(yàn)采用八通道ADXL354 加速度傳感器采集肌音信號(hào)，該傳感器可以實(shí)現(xiàn)，，三個(gè)方向的肌音信號(hào)數(shù)據(jù)采集，該實(shí)驗(yàn)選取傳感器軸方向的信號(hào)作為輸出。

通過NI 公司的9205 采集卡對(duì)八通道數(shù)據(jù)進(jìn)行同步采集，采樣頻率為1 000 Hz，通過A/D 轉(zhuǎn)換將信號(hào)傳輸?shù)缴衔粰C(jī)，所使用的低通濾波器截止頻率為2 Hz。本實(shí)驗(yàn)總共采集了8 個(gè)動(dòng)作，分別為握拳、伸掌、腕屈、腕伸、手腕橈偏、手腕尺偏、小臂內(nèi)旋、小臂外旋，如圖1所示。受試者要求跟隨屏幕上的動(dòng)作演示進(jìn)行相應(yīng)的動(dòng)作，以相同和舒適的用力進(jìn)行運(yùn)動(dòng)。每個(gè)動(dòng)作重復(fù)100次，每相鄰兩個(gè)相同動(dòng)作之間有一定的間隔。為了緩解肌肉疲勞，受試者在不同的動(dòng)作之間休息5～10 min。

圖1 八種手勢(shì)動(dòng)作

1.3 信號(hào)處理

動(dòng)作的活動(dòng)段分割可以從連續(xù)的信號(hào)中去除無用的信號(hào)，提取出單個(gè)的活動(dòng)段，以便后續(xù)處理。本實(shí)驗(yàn)使用指數(shù)加權(quán)平均的方法進(jìn)行活動(dòng)段分割，首先提取8 個(gè)傳感器即8 個(gè)通道內(nèi)的信號(hào)值，進(jìn)行去零漂；然后使用加權(quán)移動(dòng)平均法處理每個(gè)時(shí)刻的數(shù)據(jù)，將處理后的數(shù)據(jù)與原始數(shù)據(jù)做差，從而得到每個(gè)時(shí)刻信號(hào)的波動(dòng)情況；再使用固定長度的數(shù)據(jù)窗對(duì)信號(hào)進(jìn)行積分，從而得到信號(hào)段的能量，通過設(shè)定能量閾值，取閾值點(diǎn)前后一段的信號(hào)作為活動(dòng)段進(jìn)行后續(xù)的分析處理。具體方法如圖2所示。該方法可以有效地區(qū)分活動(dòng)段與非活動(dòng)段，不需要提取時(shí)域信號(hào)進(jìn)行頻譜分析，大大減少了信號(hào)處理的時(shí)間。

圖2 加權(quán)移動(dòng)平均法分割信號(hào)

特征提取使用每個(gè)信號(hào)段里的4 個(gè)常見的時(shí)域特征，包括均方根（Root Mean Square，RMS）、絕對(duì)平均幅值（Mean Absolute Value，MAV）、波形長度（Waveform Length，WL）和均方差（Variance，VAR）。將每一個(gè)樣本分割動(dòng)作段后提取特征，貼上動(dòng)作標(biāo)簽后隨機(jī)打亂順序。

為了得到可靠穩(wěn)定的模型，經(jīng)常使用交叉驗(yàn)證。交叉驗(yàn)證是分類時(shí)常用的方法，可以降低模型過擬合，提高分類器的泛化能力。本實(shí)驗(yàn)使用五折交叉驗(yàn)證來驗(yàn)證識(shí)別結(jié)果，取80%的數(shù)據(jù)作為訓(xùn)練集，20%的數(shù)據(jù)作為測(cè)試集。采用五折交叉驗(yàn)證法時(shí)，訓(xùn)練集會(huì)被等分為5 份，其中4 份作為訓(xùn)練對(duì)象，剩下1 份作為驗(yàn)證集，重復(fù)5次，這樣每一份都有一次機(jī)會(huì)作為驗(yàn)證集。最后用訓(xùn)練后的模型對(duì)測(cè)試集進(jìn)行測(cè)試，驗(yàn)證分類效果。

本文分別采用線性判別式分析（Linear Discriminant Analysis，LDA）、支持向量機(jī)（Support Vector Machine，SVM）、K 最近鄰（K-Nearest Neighbor，KNN）、樸素貝葉斯（Naive Bayes，NB）分類器進(jìn)行手勢(shì)識(shí)別的分類，并比較不同判別方式的優(yōu)劣。

1.4 實(shí)驗(yàn)方法

對(duì)于每一個(gè)受試者，通過1 000 Hz 的采樣率采集原始肌音信號(hào)進(jìn)行手部動(dòng)作識(shí)別，并使用Matlab 進(jìn)行數(shù)據(jù)保存和分析。為了判斷不同采樣率對(duì)肌音信號(hào)識(shí)別的影響，本實(shí)驗(yàn)對(duì)原始信號(hào)進(jìn)行重新采樣，采樣頻率在4～1 000 Hz 之間，選擇13 個(gè)不同的頻率進(jìn)行間隔選擇，然后對(duì)每個(gè)頻率下的信號(hào)重新進(jìn)行模式識(shí)別。在信號(hào)重采樣中，Matlab 使用了一定的抗混疊（低通）有限脈沖響應(yīng)（FIR）濾波器。為了判斷高通截止頻率對(duì)信號(hào)識(shí)別率的影響，本實(shí)驗(yàn)使用不同的高通截止頻率對(duì)信號(hào)進(jìn)行處理，在截止頻率為2～50 Hz 之間選取11 個(gè)截止頻率。濾波器選擇的是6 階巴特沃斯濾波器。

2 結(jié)果與分析

2.1 采樣率對(duì)分類結(jié)果的影響

在對(duì)肌音信號(hào)使用不同頻率進(jìn)行采樣時(shí)，高通濾波器截止頻率始終保持為2 Hz。不同采樣率對(duì)肌音信號(hào)手部動(dòng)作的識(shí)別率如圖3所示。

圖3 不同采樣率信號(hào)的動(dòng)作識(shí)別率

從圖3 中可以看出，LDA、SVM、KNN、NB 四種分類器的識(shí)別率均隨著采樣頻率的降低而下降，其中LDA、SVM、KNN 識(shí)別效果比較相近，但NB 的識(shí)別率在整個(gè)采樣頻率段最低，可能的原因是樸素貝葉斯的前提條件是假設(shè)各特征屬性之間是相互獨(dú)立的。但本實(shí)驗(yàn)中的4 個(gè)特征會(huì)有一定的相似度，前提條件不完全成立，并且樸素貝葉斯是通過先驗(yàn)和數(shù)據(jù)以確定后驗(yàn)的概率，從而決定如何分類，所以分類決策時(shí)可能會(huì)有一定的誤差。從圖3 中還可以看出，當(dāng)采樣頻率頻率從1 000 Hz下降到300 Hz 時(shí)，識(shí)別率從99.42%下降到98.23%，下降比較緩慢。為了驗(yàn)證下降趨勢(shì)，手勢(shì)識(shí)別率是否為顯著下降（2%以內(nèi)），本研究使用單樣本t 檢驗(yàn)判斷識(shí)別率的下降趨勢(shì)（使用SVM 算法進(jìn)行計(jì)算）。

首先建立檢驗(yàn)假設(shè)，確定校驗(yàn)水準(zhǔn)。檢驗(yàn)假設(shè)H0：當(dāng)采樣頻率從1 000 Hz 下降到300 Hz 時(shí)，分類器的識(shí)別率顯著下降，即超過2%；假設(shè)H1：當(dāng)采樣頻率從1 000 Hz 下降到300 Hz 時(shí)，分類器的識(shí)別率沒有顯著下降，即不超過2%。校驗(yàn)水準(zhǔn)為0.05。使用SVM 分類器的結(jié)果作為驗(yàn)證，隨機(jī)選取80%數(shù)據(jù)作為訓(xùn)練集，20%數(shù)據(jù)作為測(cè)試集。重復(fù)30次后，分別得到30 組1 000 Hz 頻率下的識(shí)別率與30 組300 Hz 頻率下的識(shí)別率。經(jīng)過計(jì)算相對(duì)應(yīng)每一組識(shí)別率的差值，得到樣本的均值ˉ=0.013 75，樣本方差=0.000 109 9。首先假設(shè)H0 成立，即手勢(shì)識(shí)別率下降超過2%，需要求出在假設(shè)成立條件下，隨機(jī)得到30 個(gè)樣本或比樣本更加極端的概率。由于樣本量較小，所以該統(tǒng)計(jì)量服從自由度為29 的分布，即：

式中的值為0.02。

將樣本均值和樣本方差代入上式，得到值為-3.265 4，通過查閱相關(guān)表格計(jì)算可得值為0.002 81，即比此值更極端的值發(fā)生的概率為0.002 81，小于校驗(yàn)水準(zhǔn)0.05，即拒絕原假設(shè)，選擇備選假設(shè)H1，即使用SVM 對(duì)本次數(shù)據(jù)集進(jìn)行分類時(shí)，當(dāng)頻率從1 000 Hz 下降到300 Hz，分類的準(zhǔn)確率小于2%。使用其他三種分類器也是相同結(jié)論。從圖3 中可以看出，當(dāng)采樣頻率從40 Hz 下降到10 Hz 時(shí)，分類器的識(shí)別率從95.62%下降到89.27%，發(fā)生顯著下降。根據(jù)奈奎斯特采樣定理，即采樣率要大于被測(cè)信號(hào)最高頻率分量的2 倍，可以推斷出，手勢(shì)識(shí)別所依賴的信號(hào)頻段有一部分集中在5～20 Hz。為了驗(yàn)證這個(gè)結(jié)論，對(duì)原始的肌音信號(hào)進(jìn)行頻譜分析，得到的頻譜圖如圖4所示。從圖中可以看出，肌音信號(hào)的頻率有很大一部分集中在5～20 Hz，與本研究得到的結(jié)論比較相近。

圖4 肌音信號(hào)頻譜圖

圖5是不同采樣頻率下肌音信號(hào)的波形圖。從圖中可以看出1 000 Hz與500 Hz的波形圖比較相似，300 Hz的波形圖也比較正常，但100 Hz 的波形圖與上述3 種波形圖存在較大差異。這主要的原因是隨著采樣率的下降，數(shù)據(jù)點(diǎn)會(huì)相應(yīng)地減少。在連接相鄰兩個(gè)點(diǎn)時(shí)，圖像會(huì)變得不光滑。從信號(hào)的頻譜圖也可以看出，在初始階段采樣率降低時(shí)，仍然包括大量的低頻信號(hào)，信號(hào)的損失并不大，仍然可以用于手勢(shì)識(shí)別。但當(dāng)采樣率降低到一定程度時(shí)，會(huì)損失一些較為重要的信號(hào)，使得手勢(shì)識(shí)別率降低。

圖5 不同頻率下的波形圖

為了判斷單個(gè)特征對(duì)信號(hào)的識(shí)別率，使用上文中的4 個(gè)特征和不同的分類器進(jìn)行動(dòng)作的識(shí)別，得到的識(shí)別率如表1所示。從表1 中可以看出，4 個(gè)特征的識(shí)別率都是隨著采樣率的降低而下降。當(dāng)采樣率從1 000 Hz下降到300 Hz 時(shí)，識(shí)別率緩慢下降。當(dāng)采樣率從40 Hz下降到10 Hz 的時(shí)候識(shí)別率顯著降低，這與上文4 個(gè)特征一起使用的趨勢(shì)相似。其中RMS、VAR、MAV 的識(shí)別率大致相同，WL 的識(shí)別率相對(duì)于其他3 個(gè)特征識(shí)別率較低，可能的原因是WL 是波形長度，代表了肌音信號(hào)的復(fù)雜度，8 個(gè)動(dòng)作的手勢(shì)較相近，信號(hào)復(fù)雜度差別不大，故識(shí)別率相對(duì)較低。

表1 單一特征使用不同分類算法和采樣率對(duì)識(shí)別率的影響 %

2.2 高通濾波器截止頻率對(duì)分類結(jié)果的影響

對(duì)于不同的高通截止頻率，采樣頻率保持為1 000 Hz，使用RMS、VAR、MAV、WL 四個(gè)特征。圖6 為不同高通濾波器截止頻率對(duì)不同分類器識(shí)別率的影響。

從圖6 中可以看出，分別使用4 個(gè)分類器時(shí)肌音信號(hào)的識(shí)別率隨著高通截止頻率的增加而呈下降趨勢(shì)，在截止頻率為2～5 Hz 時(shí)，識(shí)別率從99.42%下降到98.24%（以SVM 為例），下降得并不明顯，只有略微降低；截止頻率在5 Hz 之后，分類器的識(shí)別率顯著降低，其中樸素貝葉斯分類器對(duì)截止頻率的變化最為敏感，下降幅度較大。研究說明在模式識(shí)別中，肌音信號(hào)在低頻段有重要的信息，在選擇高通截止頻率時(shí)，應(yīng)選擇較低的頻率。

圖6 不同高通截止頻率的動(dòng)作識(shí)別率

3 結(jié) 語

肌音信號(hào)是一種具有非侵入式特點(diǎn)的生物醫(yī)學(xué)信號(hào)，能用來研究許多人體肌肉特征。對(duì)于不同的研究，可能所需要的信號(hào)頻帶有所不同。一些研究需要精確的肌音信號(hào)的波形，來分析信號(hào)的一些特性，如信號(hào)幅度。在模式識(shí)別和人機(jī)交互技術(shù)上，則需要信號(hào)提供能區(qū)分運(yùn)動(dòng)分類的準(zhǔn)確信息。使用較高的采樣率可以得到更多信號(hào)所包含的信息，更好地進(jìn)行分類，但也會(huì)使得處理和計(jì)算的復(fù)雜度增加，對(duì)處理器的性能要求更高。此外，較高的高通截止頻率雖然可以降低運(yùn)動(dòng)偽影，但也會(huì)造成肌音信號(hào)的丟失。

本文對(duì)7 名受試者手部8 個(gè)動(dòng)作、4 個(gè)特征和4 個(gè)分類器進(jìn)行研究，分別選取了13 個(gè)采樣頻率和11 個(gè)高通截止頻率。結(jié)果表明隨著采樣率的降低，LDA、SVM、KNN 分類器的識(shí)別結(jié)果較相似，但NB 分類器的識(shí)別結(jié)果較差。與采樣率為1 000 Hz 的識(shí)別率相比，500 Hz的識(shí)別率只降低1%左右，300 Hz 的識(shí)別率降低不到2%。當(dāng)采樣率從40 Hz 下降到10 Hz 時(shí)，分類器的識(shí)別率會(huì)顯著下降。對(duì)于高通濾波器，隨著截止頻率的增大，4 個(gè)分類器的識(shí)別率都呈下降趨勢(shì)，且在5 Hz 之后識(shí)別率會(huì)顯著下降。

研究發(fā)現(xiàn)，可以使用降低的采樣頻率采集肌音信號(hào)，并不會(huì)過度影響分類精度。與1 000 Hz 的采樣率相比，500 Hz 的采樣率可以減少一半的數(shù)據(jù)存儲(chǔ)空間和一半的處理時(shí)間，同時(shí)略微犧牲精度（約1%），這可以簡化采集設(shè)備的設(shè)計(jì)，減少采集成本；而且減少處理數(shù)據(jù)的時(shí)間，可以更好地提高人機(jī)交互的實(shí)時(shí)性。因此，在對(duì)識(shí)別精度沒有過高要求的情況下，適當(dāng)降低采樣頻率是一個(gè)非常好的選擇。此外，隨著高通濾波器截止頻率的增大，肌音信號(hào)也同時(shí)會(huì)被濾除。這表明肌音信號(hào)的低頻段有對(duì)識(shí)別率起重要作用的信息。所以建議采用截止頻率為2～5 Hz 的高通濾波器，可以有效地濾除運(yùn)動(dòng)偽影，并可以保留對(duì)識(shí)別率有用的信號(hào)頻段，同時(shí)該研究也可以為肌音信號(hào)的采集頻率選擇提供了一定的實(shí)驗(yàn)研究支持。