抑制上肢病理性震颤的功能性电刺激系统研究

《抑制上肢病理性震颤的功能性电刺激系统研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

硕士学位论文抑制上肢病理性震颤的功能性电刺激系统研究RESEARCHONFUNCTIONALELECTRICALSTIMULATIONSYSTEMFORSUPPRESSINGPATHOLOGICALTREMOROFUPPERLIMB辛未哈尔滨工业大学2016年6月 国内图书分类号：TP242.2学校代码：10213国际图书分类号：681.5密级：公开工学硕士学位论文抑制上肢病理性震颤的功能性电刺激系统研究硕士研究生：辛未导师：赵杰教授申请学位：工学硕士学科：机械电子工程所在单位：机电工程学院答辩日期：2016年6月授予学位单位：哈尔滨工业大学 ClassifiedIndex:TP242.2U.D.C:681.5DissertationfortheMasterDegreeinEngineeringRESEARCHONFUNCTIONALELECTRICALSTIMULATIONSYSTEMFORSUPPRESSINGPATHOLOGICALTREMOROFUPPERLIMBCandidate：XinWeiSupervisor：Prof.ZhaoJieAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：MechatronicsEngineeringAffiliation：SchoolofMechatronicsEngineeringDateofDefence：June,2016Degree-Conferring-Institution：HarbinInstituteofTechnology 哈尔滨工业大学工学硕士学位论文摘要病理性震颤是一种常见于老年人的疾病，常伴随于帕金森、脑卒中风等疾病发生，罹患的病人在日常生活中某些部位如上肢、腿部会出现不由自主地节律性的抖动，给生活带来极大的不便和痛苦。常规的治疗手段如手术和药物均有费用高、副作用大等缺点，故研究一种新型的抑震方式具有很大的实际意义。本文以功能性电刺激器（FES）抑震为方法，对抑震系统进行了理论研究，并以实验验证了FES抑震系统的可行性。首先，分析了抑震系统反馈信号的要求，提出了一种基于CPG的限频带线型拟合算法（BLC-CPG），用于对肘关节角度进行分离。BLC-CPG算法具有极小的相位滞后，解决了控制系统对反馈信号的时效性需求；同时分离算法具有拟合精度高、分离后高低频耦合度低等特点，满足了抑震系统对反馈信号精度的要求。通过与其他分离算法的对比，验证了BLC-CPG分离算法的优越性，并通过对实测病人信号的分离，验证了BLC-CPG算法的可行性。设计了FES抑震系统的控制系统。选择了改进的单神经元自适应PID控制算法作为控制器；设计加权二次型目标函数学习规则对控制算法进行了改进，并仿真验证了改进学习规则后的作用效果；引入了基于人体免疫系统的免疫调节器，用以改变系统总输出增益K，改善了控制系统的动态特性。建立OpenSim软件和Simulink软件的联合仿真平台，对设计的控制系统进行仿真，并将与其他控制算法进行对比，验证了控制系统优越的控制效果。设计了功能性电刺激器。首先对功能性电刺激器各项参数指标进行分析，确定了设计目标；然后从硬件的角度设计了电刺激的架构，包括模拟恒流输出部分、控制部分和电源部分，对各部分进行了分析设计与验证；从软件的角度确定了电刺激器的软件架构和流程，设计了与上位机通讯的电刺激指令集。并制作刺激器实物，实测其输出结果，验证了功能性电刺激器的性能。最后进行FES抑震系统综合实验。首先建立了实验平台，搭建了MYO信号采集系统，并建立了人体上肢坐标系，数学转化得到了肘关节角度；提出了抑震率和震颤波动度两个指标对抑震效果进行评价；实验从开环和闭环两个角度进行，分别以静止性震颤、勺子吃饭震颤、佩戴眼镜震颤三个部分进行了抑震实验，并将实验结果进行对比分析，得出了抑震实验结论。关键词：病理性震颤；BLC-CPG信号分离算法；单神经元自适应PID；功能性电刺激器-I- 哈尔滨工业大学工学硕士学位论文AbstractPathologicaltremorisacommondiseaseintheelderly,oftenassociatedwithParkinson,strokeandotherdiseases.Partofthepatient'sbodysuchaslimbsandlegscanproducerhythmicshakinginvoluntarily.Conventionaltreatmentssuchassurgeryanddrugshaveahighcost,sideeffectsandothershortcomings,sothestudyofanewtremorsuppressingapproachhasgreatpracticalsignificance.Inthispaper,FunctionalElectricalStimulation(FES)systemisstudiedtheoreticallytosuppressthetremor,andfinallythefeasibilityofFEStremorsuppressingsystemisverifiedbyexperiments.Firstly,thefeedbacksignalofthetremorsuppressingsystemisanalyzed,andabandlimitedlinearcombineralgorithmbasedonCPG(BLC-CPG)isproposedtoseparatetheelbowangle.BLC-CPGalgorithmiswithminimalphasedelay,whichsolvethetimelinessrequirementofthefeedbacksignalthatrequiredbycontrolsystem.Besides,BLC-CPGalgorithmhashighaccuracyoffitting,andthehighandlowfrequencyofsignalseparatedbyBLC-CPGalgorithmhavelowcoupling,whichmeettheaccuracyrequirementsofthefeedbacksignal.Comparedwithotheralgorithm,theBLC-CPGalgorithmshowsitsgreatsuperiority,andfinallyreal-measuredsignalisemployedtotestthefeasibilityofBLC-CPGalgorithm.ThecontrolsystemofFEStremorsuppressingsystemisdesigned.ImprovedsingleneuronadaptivePIDisemployedasthecontroller.Weightedquadraticobjectivefunctionlearningruleisproposedtoimprovethecontrolalgorithm,andthesimulationresultsshowtheeffectofimprovement.Animmuneregulatorbasedonthebody'simmunesystemisemployedtoadjusttheoverallgainKofcontrolsystem,whichimprovesthedynamiccharacteristicsofthecontrolsystem.Aco-simulationplatformwithOpenSimandSimulinkisbuilttosimulateandverifythecontrolsystem.Thecontrolsystemiscomparedwithothercontrolalgorithmtoverifyitsadvantageouseffects.ThestimulatorofFESsystemisdesigned.Firstly,theparametersofFESareanalyzed,andthedesigntargetisdetermined.Then,thestructureofstimulatorisdesignedfromthepointofviewofhardware,includingtheconstantcurrentoutputpart,thecontrolpartandthepowersupplypart.Andfromthepointofviewofsoftware,thesoftwarearchitectureandprocessaredetermined,andtheFESInstructionSetwhichisforcommunicationofhostPCandstimulatorisdesigned.Finally,thestimulatorismadeintopracticalityandtheoutputofstimulatorismeasuredtoverifytheperformanceofthestimulator.Finally,thesyntheticexperimentofFEStremorsuppressionisconducted.First,-II- 哈尔滨工业大学工学硕士学位论文theplatformofexperimentisbuilt.ThesignalacquisitionsystemofMYObandisbuilt,andthehumanupperlimbcoordinatesystemisestablished,sotheangleofelbowjointcanbeobtainedbymathematicaltransformation.TremorSuppressionRate(Rst)andFluctuationofTremor(Dflu)areproposedtoevaluatetheeffectofFEStremorsuppressionsystem.Thewholeexperimentareintwoperspectivesofopen-loopandclosed-loop.Threepartsofexperimentareconductedrespectively,includingstatictremorsuppressingexperiment,eatingwithaspoontremorsuppressingexperimentandwearingglassestremorsuppressingexperiment.Finally,thedatafromexperimentisanalyzed,andtheconclusionsofFEStremorsuppressionsystemaredrawn.Keywords:Pathologicaltremor,BLC-CPGalgorithm,SingleneuronadaptivePID,FES-III- 哈尔滨工业大学工学硕士学位论文目录摘要......................................................................................................................IAbstract.................................................................................................................II第1章绪论...........................................................................................................11.1课题来源及研究的目的和意义...................................................................11.1.1课题来源...............................................................................................11.1.2课题研究的背景和意义.........................................................................11.2国内外研究现状及分析...............................................................................21.2.1国外研究现状........................................................................................21.2.2国内研究现状.........................................................................................61.2.3国内外文献综述的简析.........................................................................81.3课题主要研究内容.......................................................................................9第2章肘关节角度信号分离算法的设计与验证...............................................112.1引言…………………………………………………………………………...112.2肘关节角度信号特征分析..........................................................................112.3信号分离算法分析与对比..........................................................................122.4限频带CPG线型拟合算法（BLC-CPG）................................................142.4.1中枢模式发生器CPG的概念.............................................................142.4.2CPG的选择与分析..............................................................................152.4.3BLC-CPG滤波算法的设计..................................................................172.5BLC-CPG算法的仿真验证及对比.............................................................192.5.1多频率叠加信号拟合与分离...............................................................192.5.2不同分离算法分离结果对比...............................................................192.5.3BLC-CPG处理实际震颤信号..............................................................222.6本章小结....................................................................................................23第3章FES抑震系统控制方法的研究................................................................243.1引言…………………………………………………………………………...243.2控制系统需求及控制策略分析.................................................................243.3改进的单神经元自适应PID控制算法.....................................................253.3.1传统PID控制算法..............................................................................253.3.2单神经元自适应PID控制算法..........................................................25-IV- 哈尔滨工业大学工学硕士学位论文3.3.3有监督的Hebb学习规则....................................................................273.3.4改进的加权二次型目标函数学习规则...............................................283.4变增益K免疫调节器................................................................................303.4.1人体免疫调节的基本原理..................................................................303.4.2免疫调节器..........................................................................................313.5控制系统仿真平台的建立.........................................................................333.5.1OpenSim与Simulink联合仿真平台的建立.......................................333.5.2FES电刺激强度与肌肉活化度的转换................................................343.6控制算法仿真实验结果.............................................................................353.7本章小结....................................................................................................38第4章功能性电刺激器的设计..........................................................................404.0引言…………………………………………………………………………...404.1人体阻抗的研究.........................................................................................404.2FES各项参数的确定..................................................................................424.2.1FES刺激模式的确定...........................................................................424.2.2FES刺激波形的确定...........................................................................424.2.3FES其他参数的确定...........................................................................434.3FES的硬件设计..........................................................................................444.3.1模拟恒流输出部分的设计..................................................................444.3.2FES控制部分的设计...........................................................................474.3.3供电电源部分的设计..........................................................................484.4FES的软件设计..........................................................................................484.5FES电极的选择..........................................................................................504.6FES的实现与验证......................................................................................504.7本章小结....................................................................................................51第5章FES抑震系统实验的研究.......................................................................525.1引言............................................................................................................525.2FES抑震系统平台的建立..........................................................................525.2.1采集系统的建立..................................................................................535.2.2肘关节角度的转换算法......................................................................535.2.3上位机系统的建立..............................................................................555.3实验策略的确定与验证.............................................................................555.3.1抑震实验策略的设计..........................................................................555.3.2抑震性能评价指标..............................................................................56-V- 哈尔滨工业大学工学硕士学位论文5.4开环抑震实验及结果分析.........................................................................575.4.1开环静止性震颤抑震实验..................................................................575.4.2开环意向运动抑震实验......................................................................585.4.3开环抑震实验结果分析......................................................................605.5闭环抑震实验及结果分析.........................................................................615.5.1闭环静止性震颤抑震实验..................................................................615.5.2闭环意向运动抑震实验......................................................................625.5.3闭环抑震实验结果分析......................................................................645.6本章小结....................................................................................................64结论...................................................................................................................65参考文献...............................................................................................................67攻读硕士学位期间发表的学术论文......................................................................72哈尔滨工业大学学位论文原创性声明及使用授权说明........................................73致谢...................................................................................................................74-VI- 哈尔滨工业大学工学硕士学位论文第1章绪论1.1课题来源及研究的目的和意义1.1.1课题来源本课题研究的内容来源于国家自然科学基金项目“面向病理性震颤的变阻尼抑震机理与方法的研究”。（60975067）1.1.2课题研究的背景和意义震颤指人体的某一个或几个特定位置的肌肉进行重复性松弛与收缩造成肢体表现出的规律性、交替性和类正弦式往复摆动的动作。从病理学的角度进行分析，人体的震颤又可分为生理性震颤和病理性震颤[1]。生理性震颤是位于正常肢体上的一种下意识的、节律性的微小动作。其属于一种正常的、低震幅、高频率的特发性颤动，频带一般为8~12Hz。在日常生活中不容易发觉这一种现象，几乎不会影响人们的日常活动[2]。其诱发因素主要包含人体极度紧张、疲劳或者恐惧等，去除或抑制这些刺激因素时，震颤会消失或减弱。而病理性震颤是一种可由多种疾病引起的病态表现，多见于老年人发病。患者身体的一定位置如手臂、腕部会发生不受控制的抖动，其频带为2-12Hz，抖动比较明显，对正常的运动行为如进食、喝水、穿衣服等均会产生较大影响，从而降低了病患的生活水准。病理性震颤主要分为三类，即静止性震颤、指向性震颤和姿势性震颤。静止性震颤：肢体处于静止不动时，会发生下意识的震颤，常见于手指和手腕，而震颤会在患者运动的时候消失和减退。其抖动状态有节律，多见于帕金森或中风患者。指向性震颤：指向性震颤往往在患者做特定目标动作时出现，随着身体接近目标位置，其现象变得越明显[3]。指向性震颤通常振幅比较大，且不具有固定的特征。多见于多发性硬化、小脑病变等疾病。姿势性震颤：姿势性震颤当患者主观地保持特定的姿势时出现[4]，且会随着不同姿态的变化而改变振幅。相比于前两种震颤，这种震颤的发病率较高，同时在临床上呈家族性发病。病理性震颤的频率与幅值视患者的具体情况而定，与患病的种类和患病时间相关。通过临床数据统计，上述三种常见的病理性震颤的频率和最大震幅度可以归纳为如表1-1所示[5]。-1- 哈尔滨工业大学工学硕士学位论文表1-1震颤频率与幅度震颤类型震颤频率（Hz）震颤幅度（°）静止性震颤3-620指向性震颤2-515姿势性震颤5-8，4-12，3-1125现阶段临床治疗病理性震颤主要有两种，即手术治疗和药物治疗[6]。两种治疗方法均面临着费用高、副作用大等缺点。因此，研究出一种新型的、无创伤、无副作用的治疗手段的意义尤为明显。针对抑制病理性震颤的新型治疗手段，主要的发展方向有两个：抑震机器人抑震和功能性电刺激器（FunctionalElectricalStimulation，FES）抑震。针对于病理性震颤的抑震机器人是通过设计一种穿戴式机械结构，来对多个自由度的震颤运动进行阻碍，分为主动式抑震和被动式抑震两种。主动式抑震是一个变阻尼系统，采集人体的震颤信号，通过控制器输出信号来改变抑震系统的阻尼，从而达到抑制震颤的目的；被动式抑震结构比较简单，采取恒定的阻尼来进行抑震。抑震机器人具有抑震效果较好、技术上成熟、易于实现等优点，被国内外学者广泛研究。但是存在着结构过于庞大不够便携、穿戴麻烦、对意象动作具有干扰抑制等缺点。功能性电刺激器抑震是一种结合生物医学学科的抑震手段，其主要原理为产生一定的刺激电流，对受试者的特定肌肉进行电刺激，产生阻抗力矩，对震颤进行抑制[7]。功能性电刺激器占据空间小、携带方便、易于隐蔽不影响正常生活、可利用锂电池供电、刺激效果可同过电路参数的调节而改变、刺激效果良好。但其开发过程涉及多个学科领域交叉，比较复杂，就目前可查阅的文献来看，均仍处于实验阶段。病理性震颤疾病多发于中老年人，而近年来，我国的老龄化现象开始凸显，随着时间的推移，老龄化现象会愈发严重，罹患病理性震颤人群的比重势必将会增加，而病理性震颤给患者的生理、心理上带来的痛苦是不言而喻的，因此，寻找到合适的抑震方法具有重大的意义。1.2国内外研究现状及分析1.2.1国外研究现状针对医疗用功能性电刺激，Liberson医生在1961年首次成功地将功能性电刺激这一方法应用到中风病人的治疗中。中风偏瘫患者在经过功能性电刺激的治疗后，症状得到缓解，足下垂现象被部分矫正。Liberson医生为功能性电刺激器在医疗领域的先驱，其后续发展均是在此基础上进行的。在1962年，-2- 哈尔滨工业大学工学硕士学位论文Moe等人发表论文《FunctionalElectricalStimulationforAmbulationinHemiplegia》，正式提出“功能性电刺激”这个名词并一直沿用至今，其定义也随之确定[8]。Rebersek在1973年研发的FES系统被用于手部抓握功能康复，这是FES系统第一次应用于这一领域。该系统有三个通道，其作用是刺激手指的屈伸拮抗肌，使其产生抓握动作。除此之外，该系统能通过多种传感器调节FES刺激强度的大小[9]。ETHZ-ParaCare研制的神经假体能够对由中风等疾病引起的偏瘫进行矫正，从而恢复部分行动功能。其电刺激器对主要运动肌肉进行刺激的同时又能够对周围辅助运动的肌肉进行刺激，使电刺激激励的运动更加平滑和自然[10-11]，其FES系统如图1-1所示。图1-1ETHZ-ParaCare团队开发的FES系统Nathan团队开发的HandMaster系统[12]被用于康复医疗，其主要的对象为中风导致的偏瘫患者。该系统包含了三个表面电极和两个手动控制按钮，其中一个位于FES上，另一个位于支架上。当患者按下FES上的控制按钮之后，电刺激器会刺激相应肌肉，使手掌产生伸展动作，间隔一段时间后，FES刺激反方向肌肉，使手掌产生握紧动作，从而完成一组康复训练动作。当支架上的控制按钮被按下时，康复训练停止。HandMaster系统及佩戴方式如图1-2所示。图1-2HandMaster系统及佩戴示意图NozomuHoshimiya团队[13]研制了一套具有反馈功能的FES系统，并利用患者的呼吸信号对FES系统进行了控制。该系统面向上肢偏瘫患者，由上位机、显示模块、下位机和呼吸传感器组成，将患者的呼吸信号作为反馈，来控制FES电刺激的刺激强度，并成功地使偏瘫病人模拟出喝茶等日常生活中的简单动作。除此之外，该团队研制了一套精密的采集系统，能够对受试者的对手指、手腕-3- 哈尔滨工业大学工学硕士学位论文以及肘部肌肉肌电信号的精确采集，其FES系统如图1-3所示。a）FES系统实验过程b）控制指令图图1-3NozomuHoshimiya团队FES系统及控制指令图ElizabethHardin团队[14]研制了一款面向中枢神经损伤病人的FES系统。该系统包含8个刺激通道，采用植入式电极，能够对双侧髂腰肌、阔筋膜张肌、胫前肌和腓骨长肌等肌群进行电刺激，从而对患者进行步态训练。该系统性能良好可靠，经过12周的训练，患者的最大步行距离由14米增加到了309米，最大行进速度提高了10倍。FES系统及训练实验如图1-4所示。图1-4ElizabethHardin团队的FES系统及训练实验加拿大的Prochazka教授是首位应用FES技术对病理性震颤进行抑制的学者。1992年，Prochazka教授提出了通过FES电刺激来抑制人体腕部和上肢肘部的病理性震颤，同时以采集得到的关节角度作为反馈信号进行电刺激强度的调节。Prochazka教授采集了多位实验者对于FES电刺激的频率响应，并基于此完善了电刺激的相关理论[15]，其原理框架及控制系统框图如图1-5所示。a）FES系统分析图b）抑震系统框图图1-5Prochazka团队的闭环FES抑震系统法国的Poignet教授团队[16]提出了一种FES抑震理论，即通过调节关节刚-4- 哈尔滨工业大学工学硕士学位论文度进行抑震，并自主设计了一套FES抑震系统。其原理为使用FES控制一对拮抗肌，增强震颤关节的刚度，从而达到抑震目的。该系统可以对病理性震颤特征进行实时预测，并把震颤运动和意向运动分离开，如图1-6所示。a）FES系统框架图b）信号分离结果图图1-6Poignet团队的FES抑震系统框图及信号分离图南洋理工大学的张定国团队[17]经过多年的研究，验证了外骨骼机器人和功能性电刺激这两种方法对病理性震颤的抑制的可行性。其团队开发的病理性震颤抑震系统，能够将意向运动信号与震颤信号分离，并取得良好的抑震效果，如图1-7所示。a）FES系统实物图b）FES控制系统框图图1-7南洋理工大学的FES抑震系统西班牙的J.A.Gallego提出了利用Hilbert-Huang变换来分解病理性震颤的关节角度信号[18]。Gallego将运动信号分解为震颤信号和意象运动信号，并将改进的EEMD分解算法应用在信号分解中，取得了良好的效果。EduardoRocondeLima团队设计了一种集成了多个陀螺仪的关节角度采集系统用以采集人体运动的关节信号，并进行了临床试验，获取了病理性震颤病人的运动信号进行分解，分离出了震颤信号与意象运动信号[19]，采集系统如图1-8所示。a）角度采集系统b）角度采集及分离实验图1-8Eduardo团队的信号采集系统示意图及实验图-5- 哈尔滨工业大学工学硕士学位论文1.2.2国内研究现状80年代中期，我国开始了功能性电刺激技术的研究。清华大学首先进行了功能神经电刺激的相关的理论研究[20-21]，并在其面向上肢应用的研究中，进行了一系列相关性实验。哈尔滨工业大学的姜洪源团队[22-23]从2005年开始对基于FES技术的脚踏车系统进行了研制，并对其控制系统进行了分析与设计。以运动效率为目标函数，并采用了骨骼肌肉模型对其进行优化设计，并研制出FES脚踏车系统平台，进行了一系列实验。其装置与控制系统框图如图1-9所示。a）FES脚踏车平台b）FES脚踏车系统架构图图1-9哈尔滨工业大学FES脚踏车系统华中科技大学黄涛[24]研制了一款面向偏瘫病人康复的表面阵列电极功能性电刺激器。其FES具有4个通道，能够实现多通道同时输出，并能够实现电荷的平衡，同时阵列电极能够保证电刺激电流的均匀性。应用有限元的方法对人体手臂的电场进行了仿真，从而得到了最佳电刺激点，以此来优化阵列电极布置的最佳位置。并通过多项实验验证了位置选择的准确性以及电刺激器的功能性。其FES系统和实验结果如图1-10所示。a）FES系统实物图b）刺激电流输出结果图1-10华中科技大学FES系统及实验测试结果天津大学研制了一种用于下肢功能康复的电刺激系统，该系统与脑机接口结合，采集受试者的脑电信号，并通过滤波算法将杂波滤除掉，进而利用脑电信号控制电刺激强度[25]。其团队将采集得到的脑电信号进行分析与处理，提取出特征信息，得到运动控制指令，进而控制FES对肢体进行电刺激。同时，刺激过程产生的运动和感觉信息通过神经通路完整地反馈给大脑，实现了闭环-6- 哈尔滨工业大学工学硕士学位论文运动控制，其过程如图1-11所示。a）脑机接口FES系统实物b）FES系统构成图图1-11天津大学的基于脑机接口的FES系统浙江大学开发了一种基于脑电信号作为反馈信号的FES刺激系统，实现了大鼠大脑海马区θ节律波峰和波谷的智能估测功能。刺激系统可以通过预测获知波形相位，并依此输入特定的电刺激信号[26]，如图1-12所示。图1-12浙江大学EEG反馈FES刺激系统框图上海交通大学张伟[27]对FES电刺激理论进行了深入研究。考虑了生理学、人体动力学等多种因素，建立了人体腕部的骨骼肌肉非线性模型，并通过仿真验证了模型的准确性。以肘关节角度信号作为反馈，设计了高通滤波器，从而将意向运动信号滤除。将传统PID与模糊PID控制器引入抑震系统，并以建立的腕部模型作为被控对象进行仿真，评价了两种控制器的作用效果。其实验内容与实验平台如图1-13所示a）FES抑震实验b）上位机显示界面图1-13上海交通大学FES实验内容与平台上海交通大学姚鹏[28]在利用功能性电刺激技术抑制腕部震颤做了大量研究工作，建立了基于Hill模型的人体腕关节骨骼模型。并针对腕关节单自由度抑震和多自由度抑震，提出了两种控制策略，即单输入的PID控制算法和多输-7- 哈尔滨工业大学工学硕士学位论文入的LQR控制算法。在国内率先以真实病人为对象做了临床型实验，取得了一定的效果，如图1-14所示。a）FES抑震系统实验b）FES控制系统框图图1-14上海交通大学的抑制腕关节震颤FES系统台湾大学的Han-ChangWu团队[29]研制出的FES电刺激系统具有较强的适应性。由于其采用了元素包络法，理论上能够产生用户预设任意的刺激波形，来满足不同场合下的需求。该系统具有4个输出通道，并能够通过将采集的模拟信号作为反馈信号，实现闭环控制，其系统框架如图1-15所示。图1-15Han-ChangWu团队FES刺激器硬件结构1.2.3国内外文献综述的简析FES在国内外的研究和应用均比较广泛。而针对于生物医疗方向，FES在医疗康复上的应用较多且较成熟，如被广泛使用的心脏起搏器就是FES最为成熟的一种应用。目前被广泛应用的FES的设计理念多是从单一的电刺激器出发，而随着医学工程的发展，FES的设计更趋向于系统化，更强调与使用者进行交互，即对整个刺激信号的分析、产生、作用、反馈来进行整体考虑，从而设计出理论基础更全面、刺激效果更好、可调整型更强的FES系统。近年来，国外的研究学者均倾向于这个方向的研究，并取得了一定的成果。我国在FES的研究上起步比较晚，并且在最初的研究中，是以医疗康复为主。针对于FES系统的研究，我国的研发水平尚且较低，文献较少，但近几年该情况得到明显改善，尤其是一些归国的团队的参与，为我国FES系统的研究注入了新的活力。-8- 哈尔滨工业大学工学硕士学位论文而关于病理性震颤抑震系统中的信号分离算法，国外的几个主要团队对此做出了一定的研究，提出了主流的分离算法并在此基础上做出了多种改进，但是在实际应用上仍有一定不足。而国内在此方面的研究仍属于起步阶段，需要很多工作要做。总的来说，国内外对于FES的研究均侧重了不同的方向，以医疗康复居多，而通过FES电刺激来对病理性震颤抑震的应用还属于一个比较新颖的方向。国内外的几个团队在这个方向做了一些值得肯定的工作，并针对于理论分析做了一些验证性实验，取得了一定的成果。综上，国内外对FES系统的研究仍处于实验阶段，有着很好的研究前景，尤其是是针对于病理性震颤的抑震方向，仍有很多的工作要做。FES针对于病理性震颤的抑震方向的实际应用价值非常高，值得国内外的学者进行进一步探究与实验。1.3课题主要研究内容本课题为抑制上肢病理性震颤的FES系统研究，课题以抑制病理性震颤为目的，功能性电刺激为手段，并结合抑震系统的关键性技术进行综合研究，得出一套具有可行性的FES抑震系统。课题的主要研究内容包括以下四个部分：（1）关节角度信号分离算法的研究FES抑震系统以肘关节的震颤角度作为反馈量进行闭环抑震。采集的肘关节角度具有意向运动信号和震颤信号两个分量，需要将意向运动信号滤除。传统的滤波器具有时滞性，无法满足反馈信号的时效性。本文提出一种BLC-CPG分离算法，能够在保证将震颤信号与意向运动信号充分分离的同时满足时间上的极小滞后。此外，对BLC-CPG算法进行仿真验证，将其与现有的算法进行对比，并对实际的病理性震颤信号进行了分离。（2）FES抑震系统控制器的设计FES抑震系统是一个恒0输入的抗扰系统，且被控对象根据受试者的变化相差较大。为了能够适应随着人体参数变化的被控对象，本文采用了具有自适应特性的单神经元PID控制器，并根据FES抑震系统的特点，改进了单神经元的学习算法，将加权二次型目标函数作为学习规则，提高了单神经元的自适应速率和准确性。同时，为了同时满足系统的快速调节性和降低超调两个要求，引入了免疫调节器控制系统的总输出增益，改善了控制系统的动态特性。此外，搭建了OpenSim和Simulink联合仿真实验平台，对FES抑震系统进行了仿真及对比，验证了所设计的FES控制系统的可行性。（3）功能性电刺激器的设计设计并制作了功能性电刺激器。首先从-9- 哈尔滨工业大学工学硕士学位论文控制系统及人体生理结构需求上进行分析，确定了功能性电刺激器的各项性能指标参数，包括刺激模式、刺激波形、频率和脉宽、极限电流电压等；接下来对控制器的硬件进行设计，以压控横流电路作为核心回路，并加入数模隔离换向部分来实现双向刺激功能，以STM32为下位机控制核心，增加蓝牙通讯，实现与上位机的通讯；最后对功能性电刺激器的软件进行了设计，确定软件架构并设计控制指令集。（4）FES抑震系统综合实验设计了FES抑震系统实验来验证抑震系统的实际作用效果。搭建了肘关节角度采集系统，并对人体上肢建立坐标系，对采集信号进行了数学转换，得到肘关节角度；建立了上位机系统，确定了实验策略并加以验证，并提出了以抑震率和震颤波动度为指标的抑震系统评价方案。FES抑震系统实验从开环和闭环两个层面进行，分别以静止性震颤抑震实验、勺子进食震颤抑制实验、佩戴眼镜震颤抑制实验为实验内容，对抑震系统的作用效果进行了评价和分析。课题的研究内容框架如图1-16所示。信号分离算法对比BLC-CPG算法提出信号分离算法BLC-CPG算法仿真与验证BLC-CPG算法分离实际信号单神经元自适应PID控制器学习规则的改进算法抑震控制系统免疫调节器联合仿真平台建立控制系统仿真与对比验证课题研究内容人体阻抗分析FES电刺激器参数确定FES电刺激器FES硬件平台设计FES软件架构及指令集设计采集系统的建立上位机系统的建立抑震系统实验开环抑震实验及结果分析闭环抑震实验及结果分析图1-16课题主要研究内容框架-10- 哈尔滨工业大学工学硕士学位论文第2章肘关节角度信号分离算法的设计与验证2.1引言FES抑震系统需要将肘关节的震颤角度作为反馈信号，构成闭环控制系统，实时调节系统输出，从而达到最佳的抑震效果。罹患病理性震颤的病人在日常生活中肘关节运动角度信号包含两部分，即震颤信号和意向运动信号，故需要通过分离算法将两部分信号分开，提取出FES抑震系统所需的震颤信号。常规的滤波器由于原理上的限制，不可避免的具有较大的时滞性，无法满足抑震系统的时效性，对后续的控制系统的作用效果将造成很大影响。故本章提出一种基于CPG的肘关节角度分离算法BLC-CPG，能够有效的将信号分离并且具有较小的相位滞后。本章对BLC-CPG算法进行理论分析与推导，对其分离效果进行仿真，并与主流分离算法进行了对比；最后，应用BLC-CPG分离算法对实际病人的病理性震颤信号进行分离，验证其作用效果。2.2肘关节角度信号特征分析本章分析的对象为人体的上肢肘关节角度信号。对于罹患病理性震颤的患者来说，其肘关节角度信号为两部分信号的叠加，即意向运动部分和震颤部分。意向运动是指人正常运动，如喝水、挥手等行为产生的肘关节角度变化，其频率与个体和行为差异相关，但通常频率较低，均值在1Hz以下，频带范围一般认为在0.48-2.47Hz之间，信号的幅值与意向运动的种类相关。单一行为意向运动多为无规律非周期性信号，相对于病理性震颤信号，意向运动为低频信号。病理性震颤信号可视为一种类简谐信号，其频带在3-12Hz之间。根据不同的发病机理，震颤的频率有所不同，而震颤幅值视病变种类和病变程度而定，最高可达±25°。震颤信号采集分离θ意向运动信号关节角度信号图2-1关节角度信号构成分析图-11- 哈尔滨工业大学工学硕士学位论文根据上述分析，结合实验中实际测得的病理性震颤患者的肘关节角度信号可知，人体上肢肘关节角度信号具有以下两大特点：（1）肘关节角度信号个体间差异性较大首先，人体在结构上具有一定差异性，且不同个体间由于运动行为习惯不同，所产生的意向运动信号也有一定差异；此外，不同的病变产生的震颤信号在频率和幅值上又有很大差别，故叠加产生的肘关节角度信号在个体上的差异非常明显。（2）肘关节角度信号在同一个体上存在时变性针对同一个体，不同的运动目的产生不同的意向运动，故不同的意向运动信号存在差异；震颤信号的频率虽然根据病变情况基本固定，但是在不同时刻随着人体状态的变化会产生小范围波动，且震颤信号的幅值会随着肘关节所处的不同角度位置产生剧烈变化，故叠加产生的肘关节角度信号在同一个体的不同时刻上变化也比较明显。综上，病理性震颤患者的上肢肘关节角度信号，是一个由非周期时变信号与类简谐信号叠加的信号，且信号在个体间差异较大，在同一个体上存在明显的时变性，这些特性为信号的分离带来了一定难度。2.3信号分离算法分析与对比由于抑震系统要求控制信号具有较高的实时性，要保证拟合与分离出的信号与原始信号存在极小的相位滞后，故传统的滤波器不能满足抑震系统的要求。常用的滤波算法多数是基于最小均方算法（LMS）基础上衍生出来的滤波算法，早期的算法有固定主频的傅里叶线性拟合算法（FourierLinearCombiner，FLC）[30-31]，在此基础上，又引出了可以自适应变频的加权傅里叶线性拟合算法（Weighted-FrequencyFourierLinearCombiner，WFLC）[32]，以及目标可以覆盖到一段频带的限频带多重傅里叶线性拟合算法（BandlimitedMultiple-FourierLinearCombiner，BMFLC）[33-35]。下面将以上几种滤波算法做简要对比。FLC算法的思想是采用固定主频的正余弦信号组作为基底，通过迭代实时修正各个基底的权值，从而实现原始信号的拟合。FLC的数学表达见式（2-1）、（2-2）和（2-3）。sin(nkT),n1,2,...,M0x(2-1)nkcos((nM)kT),nM1,M2,...,2M0TyWX(2-2)kkkkWW2X(2-3)k1kkkFLC是一种自适应滤波算法，在原始信号频率已知并且保持固定时，能够有效的分离出震颤信号和意向运动信号。FLC的思路简单清晰，针对单一已知频率的分析效果非常好，但是由于其基底的主频固定不变，可视为陷波滤波器，-12- 哈尔滨工业大学工学硕士学位论文若原始信号频带稍有偏离，对滤波效果的影响会非常大，因此FLC滤波算法的鲁棒性较差。WFLC是在FLC基础上改进的基底主频可变的滤波算法。WFLC增加了一个基频修正参数，能够在迭代的过程中进行修正，追踪原始信号频率的变化，其数学表达见式（2-4）-（2-7）。ksin(r0t),n1,2,...,Mxt1(2-4)nkkcos((rM)),nM1,M2,...,2M0tt1TyWX(2-5)kkkkWW2X(2-6)k1kkkM0k10k20kr(rkxMrKMrKxrk)(2-7)r1WFLC具有很强的拟合能力，能够较好的追踪原始信号，并且能够适应原始信号的频率变化所带来的影响，拟合信号精度高，具有很好的鲁棒性，是一种很理想的拟合算法。但是由于WFLC的基波频率是变化不定且不受约束的，所以在信号分离时，分离得到的不同基底所对应的信号在频带上具有很大重叠，无法将高低频信号有效的分离开，故其只适用于信号的拟合，不能够用于信号的分离。BMFLC同样也是在FLC基础上改进得到的，它避免了使用不受控制的变频基底，而是将原始信号所在的频带进行N点等分，每个等分点设置一个固定频率的基底，构成一组基底向量，对原始信号进行拟合与分离，其的数学表达见式（2-8）-（2-10）。21sin((kTn)),1,2,...,nM0xM(2-8)nkcos((kT(1)nM)),1,2,...,221nMMM0MTyWX(2-9)kkkkWW2X(2-10)k1kkk由于BMFLC的基频固定，故其能够对对原始信号进行拟合和分离。其频率拟合范围为一段频带，信号拟合与分离前，需要对频带进行预估，只要原始信号在这一频带间变化，均具有良好的拟合效果，拟合精度决定了信号分离的效果。在原始频带的覆盖下，BMFLC分离效果较好，是应用比较广泛的一种信号分离算法。对常用信号分离算法对比如表2-1所示。-13- 哈尔滨工业大学工学硕士学位论文表2-1分离算法优缺点对比表分离算法优点缺点FLC结构简单主频固定、鲁棒性差WFLC拟合精度高主频时变，不能做信号分离BMFLC分离效果好基底固定且有限2.4限频带CPG线型拟合算法（BLC-CPG）本文提出一种基于BMFLC的信号拟合与分离算法，限频带多重CPG线型拟合算法（BandlimitedLinearCombinerBasedonCPG，BLC-CPG）。它继承了BMFLC的优势，并且相对于BMFLC，具有以下两个优点：（1）BLC-CPG算法可提供丰富基底，提高拟合精度。BMFLC所用的基底为频率固定的三角函数，具有很大的局限性。通过对患者的肘关节角度信号采集及后期处理分析可以发现，患者的震颤信号并非严格的简谐信号，而是类简谐的周期性信号，且不同的疾病带来的震颤波形往往不同，个体间也存在差异。BMFLC提供的基底函数频率和数量均固定，不能严格满足傅里叶级数的展开条件，故拟合效果会受到影响，因此也影响了信号分离的精度。BLC-CPG算法引入了CPG，振荡器具有多种形式，且通过修改相应参数即可以改变CPG的震荡波形，这为基底函数提供了丰富的形式，可以对其进行充分选择来适应不同的震颤信号，增加信号分离精度。（2）CPG基于仿生学提出的，其出现和发展均是依托生物学的角度进行的，而人体震颤也是生理性行为。除此之外，CPG最早的提出是为了控制“屈肌”和“伸肌”进行节律性运动，病理性震颤也是由一对拮抗肌的交替运动产生的，与CPG的原理同源。故引入CPG能够将单纯的数学问题与生理行为相结合，增加信号分离算法与生物学的关联。2.4.1中枢模式发生器CPG的概念中枢模式发生器（CentralPatternGenerator，CPG），最早是在1966年由[36]Shik等人基于动物的节律运动行为提出的。生物体中的呼吸、心跳、移动等节律运动，均是通过CPG的控制来实现的。CPG通过神经元之间相互抑制的作用关系，产生运动控制信号，使相应的执行器（肌肉）产生周期性的运动行为。如，人类的行走和呼吸，均可在不受意识的刻意控制下进行，这就是CPG作用下的具体表现。生物中的CPG控制过程是由脑干下发调节信息，CPG自发产生稳定的周期信号作为运动控制信号，如图2-2所示。人为建立的CPG模型将其抽象为数[37-38]学模型，通常分为两种，即基于神经元的模型和基于非线性振荡器的模型。-14- 哈尔滨工业大学工学硕士学位论文高级运动控制指令高级运动大脑皮层高级运动指令信号大脑中枢神经CPG运动指执行器令信号（肌肉）简单节律运动图2-2生物中枢振荡器模式图2.4.2CPG的选择与分析常用的CPG模型有Kuramoto模型、Hopfield模型、vanderPol模型等[39]，由于vanderPol模型的结构较简单，容易进行线性化分析，对BLC-CPG的后续分析带来很大的便利，故选择vanderPol震荡模型作为本文滤波算法的CPG。vanderPol模型是由荷兰电气工程师范德坡在研究电子管震荡电路时提出的数学模型，其具体表达式如（2-11）所示。222xxpx()0x(2-11)式中x——系统的振幅；——系统的阻抗系数；——系统的振动频率。令p=1，将系统改写成状态方程形式如式（2-12）所示。xy(2-12)2yxy(1x)运用等倾线的方法绘制出vanderPol方程的相图，由图2-3可知，vanderPol振子经过若干周期后会收敛到一个稳定的极限环上，并且随着阻抗系数值的减小，极限环越趋向于一个圆，形成稳定的类简谐周期性信号，由此可以验证，基于vanderPol振子的CPG能够满足BLC-CPG算法的要求。x'=ya=0.5x'=ya=0.3x'=ya=0.1x'=ya=0.12y'=a(1-x2)y-xy'=a(1-x)y-xy'=a(1-x2)y-xy'=a(1-x2)y-x55554444333322221111y0y0y0y0-1-1-1-1-2-2-2-2-3-3-3-3-4-4-4-4-5-5-5-5-5-4-3-2-1012345-5-4-3-2-1012345-5-4-3-2-1012345-5-4-3-2-1012345xxxxa）=0.5极限环b）=0.3极限环c）=0.1极限环d）=0.1极限环求解图2-3不同下的收敛特性-15- 哈尔滨工业大学工学硕士学位论文为了便于后续参数的调整，现将vanderPol振子进行线性化。由上述分析可知，将其进行三角函数线性化的前提是收敛于近似圆形的极限环，即<<1，取=0.1，并对振子进行修正[40]，得到式（2-13）。22xbxxx(1)0(2-13)0式中b——幅值调节系数；——非线性摄动系数；——线型系统固有频率。0利用双变量多尺度法对上式进行求解，得到方程的二阶近似解如式（2-14）。3baxacos()sin3()000032(2-14)322ab522[cos5()(8)cos3(aa)]000010243式中——相位初值；02——时间尺度变量，有(1)t；2a——周期解震动幅值，2。a4tb()be2a0对求解进行近似线性化，因=0.1<<1，故可以忽略上述解的后两项极小量，得到近似解如式（2-15）所示。2(2-15)xtcos()004tbbe()2a0令t→∞，则可以得到基于vanderPol振子的CPG输出的线性化方程如式（2-16）所示。2xt()cos()t00b(2-16)2yt()sin()0t00b为了验证线性化的正确性，取=1，b=1，绘制CPG输出如图2-4所示。0图2-4CPG原始输出-16- 哈尔滨工业大学工学硕士学位论文如图所示，经历了几个调整周期后，x和y的输出趋于稳定，在稳定周期内，CPG的输出可以看做是以2为振幅，2π为周期的类简谐信号，并且x与y成π/2的稳定相位差，均与前文的线性化理论分析结果相吻合。2.4.3BLC-CPG滤波算法的设计由前文分析可知，人体运动信号为低频无规律的意向运动信号和高频的周期性震颤信号叠加而成。BLC-CPG是通过已知的基底对原始信号进行充分拟合，进而将意向运动和震颤分离，获取单一的震颤信号。针对某病患个体，可认为其震颤频率在一个较窄频带内变化，设f表示bw目标频带，则可得式（2-17）。ffff[,](2-17)bw00s将目标频带等分为M份，其中每个等分点所表示的频率值对应于一个CPG的振荡频率，因此可获取并设此CPG的振荡频率与等分点所对应的频率一致，（M+1）个振荡器共同对高频振荡信号进行拟合，其频带分布如图2-5所示。CPG-0CPG-MCPG-CPG-CPG-1CPG-2(M-2)(M-1)...f0f0+fs/Mf0+2fs/Mf0+(M-2)fs/Mf0+(M-1)fs/Mf0+fs图2-5震颤频率频带等分图若设第n个CPG的两个正交输出量为xt()和yt()，则原始信号的高频部nn分可以用（M+1）个CPG的输出的权值叠加表示，如式（2-18）。MXtremor()taxtnn()bynn+M+1()t(2-18)n0根据意向运动信号的非周期特性，为了达到拟合精度，选用常数z作为拟0合非周期信号的基底。BLC-CPG的设计思想是将权向量Wk与常数基z0及各个CPG输出的乘积叠加作为信号的拟合值，同时将拟合值与实际值的差值作为反馈输入用于实时修正权值向量W，实现对目标信号自适应拟合，进而实现信号高频和低频部分的k[41]W，迭代关系式如式（2-19）所示。分离。本节选用LMS算法，调节权向量kWW2X(2-19)k1kkk-17- 哈尔滨工业大学工学硕士学位论文代入式（2-18），整理可以得出BLC-CPG拟合信号的过程如式（2-20）-（2-27）所示。xkT(),nM0,1,2,...,nXykTnMMM(),1,2,...,21(2-20)nknM1z,2n2M0xt()yt()(2-21)nn22yt()bxyt(1)()()xt(2-22)nnn0nnnff(2-23)00nsMTyWX(2-24)kkKKWWX2(2-25)kkk1kMXktremorWxkT()(1)W(y)(2)kT()knkn+M1(2.26)n0MXkintentionWz()(3)k0(2.27)n0式中X()k，X()k——k时刻分离得到意向震颤信号和意向运动信号；tremorintentionxt()yt、()——第n个CPG的两个正交输出；nnX——第n个基底在k时刻的输出值；nk——第n个CPG的振荡频率；0nk——k时刻实际信号与拟合值的偏差；——拟合收敛系数，值越大收敛越快。BLC-CPG滤波算法以CPG的输出作为基底，应用迭代更新各个基底权值的方式对原始信号进行充分的拟合，并能依据基底频率的不同将拟合信号进行分离，其整体架构如图2-6所示。z0waXintentionx0(t)w01CPG-0y0(t)w02x1(t)w11CPG-1+y1(t)w12×Xtremor...xM(t)wM1+CPG-M×Xky0M(t)wM2+εk×yk图2-6BLC-CPG滤波算法架构图-18- 哈尔滨工业大学工学硕士学位论文2.5BLC-CPG算法的仿真验证及对比2.5.1多频率叠加信号拟合与分离基于MATLAB以验证BLC-CPG对不同频率叠加信号的分离能力。首先构造一个由两种频率叠加且幅值可变的正弦信号，应用BLC-CPG对其进行拟合与分离。构造信号如式（2-28）所示。12sin(2)16sin(52),ttt9.5S(2-28)8sin(2)35sin(52),ttt9.5BLC-CPG运算结果如图2-7和图2-8所示。图2-7BLC-CPG拟合结果与误差图2-8BLC-CPG信号分离结果由图示可以看出，BLC-CPG对构造的原始信号拟合精度很高，仅在起始位置和信号幅频突变时刻有误差量，其余部分误差非常小；在高拟合精度的前提下，BLC-CPG能够很好地将原始信号中高频部分和低频部分分离开。可以验证，BLC-CPG算法具有对不同频率的叠加周期性信号的拟合与分离能力。2.5.2不同分离算法分离结果对比将BLC-CPG的信号分离与拟合效果与前文分析的几种算法进行对比。构造一段原始信号，该信号包含低频部分和高频部分：低频部分为0.1Hz的正弦信号；高频部分为变频的正弦信号，前2秒为3Hz，第3秒由3Hz渐变过度到6Hz，并维持6Hz频率3秒，第7秒再由6Hz渐变回3Hz，并维持2秒结束。此构造信具有代表性，能够观测出不同算法的拟合和分离效果。MATLAB运行结果如图2-9、2-10、2-11所示。-19- 哈尔滨工业大学工学硕士学位论文a）信号拟合结果b）信号分离结果c）分离信号频谱图图2-9FLC+WFLC算法信号拟合与分离结果a）信号拟合结果b）信号分离结果c）分离信号频谱图图2-10BMFLC算法信号拟合与分离结果-20- 哈尔滨工业大学工学硕士学位论文a）信号拟合结果b）信号分离结果c）分离信号频谱图图2-11BLC-CPG算法拟合与分离效果将拟合信号与原始信号的拟合误差、相位滞后以及分离的低频频带和高频频带四个参数作为评价指标。其中计算分离算法处理结果如表2-2所示。表2-2分离算法的仿真结果分离算法拟合误差相位滞后（°）低频频带（Hz）高频频带（Hz）（%）FLC+WFLC26.3%3.50-4.242.15-16.33BMFLC14.7%2.80-0.282.68-15.86BLC-CPG5.8%2.20-0.192.71-15.12图2-9是FLC与WFLC算法结合处理模拟信号的结果。由于WFLC拟合基底的频率可随拟合信号的主频而变化，其只能够实现信号的拟合但无法对信号进行分离，故将WFLC算法实时拟合输出的频率作为FLC算法拟合基底的拟合频率，以便进行信号的拟合与分离。由拟合结果可以看出，在经过一段时间的调整后，FLC拟合的精度能够满足要求，但是其调整时间过长，且在调整周期内，误差较大，难以满足要求；由分离结果可得，在调节过程中，由于高频部分波动较大，并与低频部分产生耦合，使得WFLC实时更新拟合频率时，导致分离效果较差图2-10是BMFLC算法。在信号拟合上，BMFLC的拟合精度较高，调节-21- 哈尔滨工业大学工学硕士学位论文时间快，前期和信号突变期无需过多调整周期即能达到稳定，且在信号突变时无超调，过度稳定，仅在高频部分误差有上升。误差的大小由所设的频带等分点个数n有关，n越大，误差越小，但带来的计算量越大，需要在实际工程中在误差与效率间寻求一个平衡点。在信号分离上，BMFLC能够较好的对高低频进行分离，不同频段信号耦合叠加度较低。图2-11是BLC-CPG算法。在信号拟合精度上，BLC-CPG最高，误差仅为5.8%，调节时间快并且更稳定，调整周期不明显，原始信号突变对其误差影响较小，误差很低且变化均匀，拟合信号实时性高，相位滞后仅为2.2°。在信号分离上，BLC-CPG能够有效的将高频和低频分离开，频段间耦合与叠加很小，分离出来的信号稳定，频带与叠加前的原始信号相符。2.5.3BLC-CPG处理实际震颤信号上文分析均为BLC-CPG处理构造信号的的结果。为了验证BLC-CPG实际信号的拟合与分离能力，现引入一段实测的信号，实测信号为患有帕金森病人的抬臂-回落运动的肘关节角度信号，利用BLC-CPG算法进行拟合与分离结果如图2-12所示。图2-12BLC-CPG实际信号拟合结果如图2-12所示，在信号拟合方面，BLC-CPG算法拟合效果较好，拟合误差为7.9%，虽然与构造的理想信号相比，实际信号拟合误差增大，但是仍然处在适用范围；在信号跟跟随性方面，黑色曲线为BLC-CPG信号分离所得到的意向运动信号，棕色曲线是实际滤波得出的意向运动，与黑色曲线对比可知，BLC-CPG算法的实时性很好，相位滞后小，仅为2.7°。在高低频信号的分离上，由图2-13可以看出，BLC-CPG分离特性较好，分离出的曲线平滑稳定，低频与高频部分耦合度低、重叠度小，由频谱图可以直观的观察出这一结果。-22- 哈尔滨工业大学工学硕士学位论文a）信号分离结果b）分离信号频谱图图2-13BLC-CPG实际信号分离结果2.6本章小结本章提出了基于CPG的BLC-CPG信号分离算法，能够对病理性震颤的肘关节角度进行分离，得到单一的意向运动信号和震颤信号。BLC-CPG分离算法具有拟合精度高、分离后高低频耦合度低、相位滞后小等特点，满足FES抑震系统的需求。本章对BLC-CPG算法进行了分离效果仿真，并与主流分离算法进行了对比分析，将拟合误差、相位滞后、分离低频频带和高频频带为评价指标，定量地对分离算法进行了评价。最后，通过对实际帕金森病人运动信号的分离，验证了BLC-CPG分离算法在实际应用中的可行性。-23- 哈尔滨工业大学工学硕士学位论文第3章FES抑震系统控制方法的研究3.1引言控制系统是FES抑震系统的重要部分，其特性直接决定着FES抑震系统抑震效果的好坏。为了更好的确定控制系统的设计准则，本章首先对控制系统需求及策略进行分析。选择改进的单神经元PID算法作为控制系统的控制算法，并根据系统需求，设计加权二次型目标函数学习规则，对单神经元PID的学习规则进行改进，为了满足系统的快速响应和减小超调两个要求，引入基于生物免疫学的免疫调节器，调整系统的总输出增益K，并对免疫调节器的建立过程进行推导。为了验证控制系统的可行性，本章建立OpenSim软件与Simulink软件联合仿真平台，将OpenSim人体上肢模型作为被控对象，对控制系统进行仿真，并通过与其他控制算法的对比分析，验证控制系统的可行性与优良的控制效果。3.2控制系统需求及控制策略分析FES抑震系统是一个位置控制系统。震颤的产生可以认为是一对拮抗肌共同作用效果，抑震系统的作用原理为电刺激拮抗肌，使其产生与震颤力矩相反的平衡力矩，抵消震颤力矩。针对病理性震颤的抑制，最理想的情况是抑震后的震颤幅度为0，故控制系统的期望输入应恒为0。系统的反馈量为实际的震颤角度，由采集系统采集得到关节运动角度，通过第2章的分离算法实时地将意向运动和震颤运动分离开，得到的实际震颤角度即为控制系统的反馈。控制系统的偏差通过控制器的调节输出一个控制量，控制执行器FES的输出，进而对人体进行电刺激。控制系统的实际被控对象为人体上臂，整个控制系统如图3-1所示。人体上臂拮肘关节角度0+×控制器FES电刺激器刺激电流I抗肌期望震颤角度-震颤信号关节角度分离意向运动信号图3-1控制系统框图FES抑震控制系统是以人体上臂做为被控对象，数学模型复杂并具有一定的非线性，不同被控个体间的运动学与动力学特性差异较大，且同一个体在不-24- 哈尔滨工业大学工学硕士学位论文同运动状态下也具有一定的时变性，因此需要控制算法具有一定的自适应性，能够在线优化参数来满足被控对象的变化。控制系统可以看做是以震颤作为扰动信号的位置抗扰系统，故需要具有一定的快速性来响应扰动并抑制。除此之外，由于被控对象为人体，考虑到刺激电流过大带来的不适感，控制系统不能够带来过大的超调。3.3改进的单神经元自适应PID控制算法3.3.1传统PID控制算法传统PID算法在经典的控制领域得到了广泛的应用，成熟应用的控制系统大部分均为PID算法及其演化算法。传统PID具有实现简单、适应性强、稳定[42]性好、可靠性高等特点，经过时间检验已经成为经典控制理论重要的一部分。传统的PID控制算法是以系统偏差做比例，微分和积分，相加得到控制信号，输入到被控对象中的一种算法，其连续控制规律如式（3-1）所示。1tTdet()Dut()Ket[()()etdt](3-1)PT0dtI式中K——比例系数；PT——积分时间常数；IT——微分时间常数。D传统PID中，各个环节的作用如下：（1）比例环节能够将系统偏差成比例的放大，使系统快速的响应，迅速消除偏差，但是系数过大会带来较大的超调。（2）积分环节对系统偏差进行积分，有效消除控制系统稳态误差。（3）微分环节对系统偏差进行微分，能够预测偏差变化，在系统偏差动作之前进行超前抑制，加快响应速度，减少调节时间。将上述连续PID控制规律进行离散化，并写出其增量形式，得到离散表达式如式（3-2）所示。uk(uk1)Kek()[()ekKek(1)]Kek()[()2(ekek1)(2)](3-2)PID3.3.2单神经元自适应PID控制算法传统PID算法无法自适应地在线调节三个控制参数，根据前文分析，传统PID算法对于本系统适用性较差，故需要一种能够自适应调节的PID算法。在智能PID算法中，较为常用的有神经网络PID控制算法、模糊PID控制算法、[43-44]遗传PID控制算法等，均各有优缺点。比较有代表性的是神经网络PID控制算法，由于其较强的自适应能力和记忆与容错能力被广泛应用，并且其作用-25- 哈尔滨工业大学工学硕士学位论文规律基于仿生学，与本课题研究内容相契合，故选择神经网络PID控制算法作为FES系统控制算法。神经网络PID，依据结构的不同分为两类：一类是在常规PID中加入神经网络模块，通过学习算法（如BP算法、RBF算法等）来调节PID控制器的三[45-47]个参数，实现自适应功能；第二类是单神经元PID，将神经元和PID控制器融合，以PID的三个输入作为神经元的输入，与对应权值做积后作为神经元的输出，并通过学习规则更新权值，实现PID参数的在线自适应，两种算法对比如表3-1所示。表3-1单神经元PID与神经网络PID特性对比表对比项目单神经元PID神经网络PID自适应速率较快较慢单次迭代计算量较小较大任意函数拟合度一般较好在一个采样周期内，FES系统需要完成分离算法与控制算法的计算，故需要控制算法计算量不能过大。传统的神经网络PID由于包含若干层神经元，计算量比较大，对系统的快速响应会有影响，除此之外，单神经元的自适应速率较快，能够快速地适应被控对象的变化。建立单神经元模型如图3-2所示。x1ω1x2ω2AuΣKx3ω3学习算法图3-2单神经元结构模型其中x为单神经元的一个输入，为其对应的权值，A为神经元的输出，ii与单神经元增益K做积得到神经元最终输出u，写成向量形式如式（3-3）所示。TuKWX(3-3)单神经元的输入向量和权值向量包含三项，如式（3-4）、（3-5）所示。Xxxx(,,)(3-4)123W(,,)(3-5)123依上文分析，离散PID的三个原始输入量分别三个时刻的系统偏差量，即ek()、ek(1)、ek(2)。若将三个偏差量的线型组合作为单神经元的输入，即可将神经元视为一个离散增量型的PID控制器。且由于其权值能够进行迭代更-26- 哈尔滨工业大学工学硕士学位论文新，故单神经元PID控制器具有自适应特性，其中输入向量X如式（3-6）所示。xekek()(1)1XxTek()(3-6)2xekek()2(ek1)(2)3单神经元PID系统框图如图3-3所示，其中状态变换器负责对系统偏差进行记录和线型组合。x1状ω1态r+×e变x2ω2ΣAKu被控对象y-换器x3ω3学习算法图3-3单神经元PID系统框图3.3.3有监督的Hebb学习规则根据神经网络的学习算法，单神经元的学习规则可以根据有无教师信号分[48]为三类，即有监督的学习规则、无监督的学习规则和强化学习规则。其中被广泛应用的是有监督的Hebb规则。有监督的Hebb规则是基于神经心理学家D.o.Hebb在1949年提出的理论产生的，该理论的内容是：当细胞A的一个轴凸足够接近地刺激细胞B并反复[49]或持续地激励它时，使得A作为激励与B的细胞的连接权值被增大。其数学表达式如式（3-7）所示。()kokok()()(3-7)ijij式中()k——i、j两神经元之间连接权值的迭代后的增量；ijok()——神经元的激励值；i——学习速率。引入教师信号dk()表示系统的期望输出，将dk()ok()作为监督信号对学iii习规则进行监督，得到有监督的Hebb学习规则如式（3-8）所示。()k[()dkokokok()]()()(3-8)ijiiij针对于本课题，将有监督的Hebb规则进行整理，得到结果如式（3-9）-（3-13）所示。'Tuk()uk(1)KWX()k()k(3-9)-27- 哈尔滨工业大学工学硕士学位论文WW(+1)kkekuk()()()()kX(3-10)3'WW()kk()/k|()|i(3-11)i1xekek()(1)1XTxek()(3-12)2xekek()2(ek1)(2)3W()[()kk()k()]k(3-13)1233.3.4改进的加权二次型目标函数学习规则有监督的Hebb学习规则是依据神经激励程度理论并加入监督的教师信号进行整合得来的，实验验证具有一定效果，但是由于其目标明确性较低，收敛较慢，不能够带来最优的迭代效果。故本课题提出一种加权二次型函数作为学习的目标函数的方法，对单神经元PID学习规则进行改进。确定目标函数如式（3-14）所示。122E()ey(3-14)2式中，——相应的权重系数；e——系统的整体偏差量；y——输出角度的变化率。目标函数E的含义是系统偏差和系统输出变化率的非负加权和。系统控制的目标是使E降低，其中e的减小代表系统输出偏差小，跟随性和抗扰性较强；因FES控制系统为恒0值输入的抗扰系统，故希望y也足够小，使输出维持在0附近并具有较小的变化率，减小系统的超调以及在大扰动下的输出变化趋势，因此，最理想的情况是E减小并趋近为0。为了使权向量W能够沿着使E减小的方向变化，在选择W的迭代规则时，使W沿E的负梯度方向进行搜索，具体规则如式（3-15）所示。E(3-15)iii为学习速率，即权值更新速率，将表达式带入整理得到式（3-16）。iEyuiiyui122[(ry)y](3-16)2yxiiyuyy[(ry)y]xiyui-28- 哈尔滨工业大学工学硕士学位论文由于被控对象是人体模型，其数学表达式未知，故yu/无法得到精确的数值解。但是由于的迭代变化主要关心的是趋势是否正确，对精度要求不i高，故可以用符号函数sgn(/)yu近似代替yu/，并通过对学习速率的调i整来弥补符号函数所带来的误差。将改进的学习规则离散化，并结合单神经元PID，得到完整的数学迭代表达式如式（3-17）-（3-22）所示。'Tuk()uk(1)KWX()k()k(3-17)WW(+1)k()k{[ek()[()2(ykyk1)yk()yk(1)(3-18)(yk2)]}()sgn[Xk]uk()uk(1)3'WW()kk()/k|()|i(3-19)i1xekek()(1)1XTxek()(3-20)2xekek()2(ek1)(2)3W()[()kkkk()()](3-21)1231,x0sgn()x(3-22)-1,x0在Simulink中建立改进学习规则的单神经元PID模型如图3-4所示，以不同时刻的系统偏差量作为控制器输入，其中算法核心部分利用Matlab中的S-Fuction模块编写。图3-4单神经元PIDSimulink模型仿真验证改进的单神经元学习规则在控制系统中的作用效果。在Simulink中建立仿真模型，选择同一被控对象，分别用有监督的Hebb学习规则和改进-29- 哈尔滨工业大学工学硕士学位论文的加权二次型目标函数学习规则作为单神经元PID的学习规则，针对阶跃响应，仿真结果如图3-5所示。a）改进学习规则仿真结果对比b）PID参数优化结果对比图3-5改进学习规则和有监督Hebb学习规则仿真结果对比由仿真的时域结果可以看出，改进的加权二次型目标函数学习规则能够显著地降低控制系统的超调，并且减小系统达到稳态的时间。在自适应PID参数调节上可以看出，改进的学习规则的调节能力强，调节速度快，能够快速达到稳定。故可验证对于单神经元PID控制器，改进的加权二次型目标函数学习规则具有更优越的效果。3.4变增益K免疫调节器单神经元PID控制器具有自适应的功能，能够根据被控对象的变化调节权值，但是其权值的迭代输出经过归一化处理后为相对量，因此总控制量u(k)的输出还与控制器的增益系数K的取值有关。当K取恒值时，较小的K值使系统响应过慢，系统的抗扰能力较弱，无法有效的消除震颤信号；而过大的K值带来系统的超调较大，从而产生较大刺激电流使人体产生不适。故本文采用可变[50]增益K，借鉴人体生物免疫调节的机制引入免疫调节器来对控制器的增益系数K进行调节。3.4.1人体免疫调节的基本原理免疫调节器是基于人体的生物学免疫机理提出的。人体的免疫系统非常强大，能够迅速地对外来入侵进行响应，并且能够根据入侵的情况实时地对免疫反应进行调节，达到最优的免疫反应效果，是一个自适应性强、鲁棒性好的控制系统。人体体液免疫系统主要由淋巴细胞和抗体两部分组成，抗体具有专一性，能直接作用抵御入侵抗原，淋巴细胞分为由胸腺产生的T细胞和由骨髓产生的-30- 哈尔滨工业大学工学硕士学位论文B细胞，B细胞的作用是产生特异性抗体，T细胞又可分为TH细胞和TS细胞。入侵人体的抗原首先被APC（抗原呈递细胞）识别消化，并激发胸腺产生TH细胞，TH细胞对B细胞的产生有促进作用，能使免疫系统在短时间内产生大量抗体，迅速抵御入侵，与此同时，APC还能够缓慢的激活TS细胞，TS细胞能够抑制B细胞的作用，并能够减少相应抗体的产生，在免疫过程的中后期起重要作用，能够防止产生大量抗体对人体的伤害。整个过程中免疫系统以入侵抗原的数量作为指标，通过调节TS细胞和TH细胞来达到初期快速响应、中期减小抑制、末期趋于平稳三个控制状态，免疫过程如图3-6所示。抗原抗原失活清除抗原浓度与抗原结合识别活化TH淋巴细胞促进作用浓度APC细胞产生抗体抑制作用B淋巴细胞TS淋巴细胞图3-6人体体液免疫流程图将免疫过程抽象成数学表达式，并可认为免疫调节过程是迭代进行的，将其离散化，其表达式如式（3-23）-（3-25）所示。Yk()X[k()Xk()](3-23)BTHTSX()kkpk()(3-24)TH1X()kkf[Ykdpk()]()(3-25)TS2B式中XTH(k),XTS(k)——TH细胞和TS细胞的作用因子；pk()——k时刻抗原浓度；Yk()——k时刻B细胞的浓度。B式（3-25）中的fYkd[()]为抗体作用非线性函数，代表在(k-d)时刻抗体B对抗原的作用效果，与B细胞的浓度和其变化率相关。3.4.2免疫调节器[51]将免疫控制器与人体体液免疫系统相对应，可将系统的偏差信号ek()看做免疫系统的抗原浓度pk()，将调节器的输出的uks()看做免疫系统B细胞浓度Yk()，则根据前文分析，免疫调节器可表达为如式（3-26）所示。B-31- 哈尔滨工业大学工学硕士学位论文uk()=(1kfYkd[()])()uk(3-26)sB式中uk()——上一级单神经元PID控制器的输出；k——单神经元PID控制器的增益系数；——免疫过程判断系数。当系统偏差ek()e时，=-1，为免疫反应的初期，免疫调节器起促进作max用，输出增益变大，使系统快速响应；当系统偏差eeke()时，=1，为minmax免疫过程的中后期，免疫控制器起抑制作用，减小增益，降低系统超调；当系统偏差ek()e时，=0，免疫反应停止，系统保持原始设定增益k，控制器min无作用，控制系统稳定输出。免疫调节过程如图3-7所示。u(k)+us(k)系统原始增益K-e(k)λ偏差判断×f[u(k-d)]非线性免疫u(k-d)η延时环节调节函数f图3-7免疫调节器控制框图其中非线性免疫调节函数的选择为非负偶函数，表达式如式（3-27）所示。2fx()1(3-27)xxee其中代表免疫调节系数，不同的带来的免疫调节函数的非线性作用域不同，能够带来不同的调节速率，增大可带来快速的调节速率，但是容易使免疫控制器饱和，如图3-8所示。图3-8免疫调节函数-32- 哈尔滨工业大学工学硕士学位论文在Simulink中建立免疫调节器的模型，如图3-9所示。图3-9免疫调节器Simulink框图3.5控制系统仿真平台的建立3.5.1OpenSim与Simulink联合仿真平台的建立OpenSim是Stanford大学NCSRR中心开发的一款开源的免费软件，由VisualC++编写内核，Java编写用户界面。软件面向的是人体的肌肉骨骼建模与动态仿真，被全球数百个小组研究支持，开发团队拥有大量的生理学与解剖学专家和基础生物研究者。软件提供已经建立好的人体骨骼与肌肉模型，参数均经过大量科学实验获得，数据准确可靠，被世界范围内的研究人员广泛使用，人体上肢骨骼与肌肉模型如图3-10所示。FES控制系统的被控对象是人体上臂，其参数具有复杂性和时变性，建立的模型往往不够准确，故采用OpenSim中的人体模型做被控对象，通过与Simulink进行联合方针，来验证控制算法的可行性。图3-10OpenSim人体上臂模型OpenSim能够实现人体运动学仿真，模型通过输入肘关节的初始位置和肌肉活化度随时间的变化量，能够实时地计算出肘关节角度的变化。定义肱二头肌和肱三头肌的肌肉活化度为联仿真输入，肘关节角度为联合仿真输出，通过-33- 哈尔滨工业大学工学硕士学位论文VisualC++编写接口函数与Matlab通讯，在每一个仿真步长里调用OpenSim模型，进行联合仿真，仿真过程原理如图3-11所示。定义接口的C++类调用Matlab接口Matlab主程序类定义S函数调用通过Mexplus宏定义Mex接口调用生成.mex64实现联合仿真动态链接库调用OpenSim模型Simulink模型初始化联合仿真过程图3-11联合仿真平台的建立过程3.5.2FES电刺激强度与肌肉活化度的转换OpenSim的输入为肌肉活化度，故需要将模型的上一级FES的电刺激强度转化为肌肉活化度。将电刺激的脉冲频率和刺激强度作为两个影响因子，依据Ca2+动力学转化为肌肉活化度，并考虑电刺激的疲劳[52]，得到如图3-12所示的转换关系。幅值Am刺激强度因子FES电刺激脉冲肌肉活化度a×Ca离子动力学肌肉疲劳因素频率f脉冲频率因子图3-12刺激强度转活化度模型其中刺激强度因子可记为，可以表示为有具有死区和饱和的分段函数如r式（3-28）所示。0IIminIImin(3-28)=IIIrminmaxIImaxmin1IImax式中I——肌肉响应的最小电流；minI——肌肉响应的截止电流；maxI——刺激电流的大小。脉冲频率因子可以记为，并引入波形系数，如式（3-29）所示。f-34- 哈尔滨工业大学工学硕士学位论文2()f=(3-29)f21()fCa2+动力学模型描述的是肌肉在收到刺激信号与做出刺激动作的延时，其延时的产生是因为Ca2+在肌肉化学反应中的运动状态的改变，可用一个一阶微分方程来描述，如式（3-30）所示。2daaaqqqdt(3-30)acdarf式中a——未考虑疲劳的肌肉活化度；q——肌肉受电刺激响应时间常数；ac——肌肉受电刺激放松时间常数。da由于FES电刺激采用同步招募法对肌肉进行刺激，故容易引起肌肉的疲劳，从而会降低肌肉的出力。因此需要考虑疲劳因素对其影响，引入疲劳修正函数fitt()，其表达式如式（3-31）所示。dfit()()fit()fita(1)[1ffit()]afminqqdtTfatTrec(3-31)f2()f(1)()100式中fit——电刺激的最小舒适度；minT——疲劳时间常数；fatT——疲劳恢复常数；rec——修正系数。故考虑疲劳因素的电刺激强度转换为肌肉活化度输出如式（3-32）所示。at()atfitt()()(3-32)q3.6控制算法仿真实验结果根据前文对仿真模型系统的分析，建立最终的Simulink仿真系统模型如图3-13所示。-35- 哈尔滨工业大学工学硕士学位论文肱二头肌控制器单神经元免疫调节器刺激强度转肌肉活PID控制模块控制模块化度模块叠加模块震颤信号切换模块OpenSim模型联合仿真接口肱三头肌控制器图3-13仿真系统模型在进行仿真实验之前，采集人体病理性震颤的肌电信号，将其转化为肌肉活化度，并将控制器与被控对象断开，向被控对象输入震颤信号，观察原始震颤角度。采用三种不同的控制器做抑震效果仿真，并观察仿真结果：（1）采用传统PID控制器，手动调节PID控制器的几个参数，得到抑震效果曲线。（2）采用改进的单神经元自适应PID控制器，PID三个参数初始值为一定范围内的随机数。（3）在单神经元PID控制器的基础上加入免疫调节器。三个控制器的抑震仿真结果如图3-14所示。a）原始震颤角度b）传统PID抑震仿真结果-36- 哈尔滨工业大学工学硕士学位论文c）单神经元自适应PID抑震仿真结果d）免疫调节单神经元自适应PID抑震仿真结果图3-14抑震仿真结果对比由仿真结果可以看出，相比于手动修正且参数固定的传统PID控制器，单神经元PID控制器由于其自适应性，能够根据模型修正PID参数，抑震效果较好，但是在震颤的起始位置和震颤角度变化较大的位置，系统的超调较大。引入免疫调节器后，依据免疫控制规则，调节器能够根据偏差的大小来修正系统总的增益系数K，使系统能够快速响应的同时又减小超调，故系统的抑震效果平稳，无过大超调，且抑震率也有小幅度提升。单神经元PID参数自适应结果如图3-15所示。图示为归一化的PID参数，由图像可以看出，对于给定小范围内的随机PID参数初始值，单神经元能够根据模型对其自整定，整定速率较快，并且在达到平稳后，对于外界环境变化，单神经元PID能够实时地微调自身参数，提高系统的性能。a）肱二头肌PID控制器参数自适应b）肱三头肌PID控制器参数自适应图3-15单神经元PID参数自适应结果免疫调节器的调节效果如图3-16所示。设定系统无调节时的增益值K=1，下图表示了总增益系数随着时间的变化。由图像可知，在系统初始时及突变量较大时，免疫调节使得输出增益K迅速增大，对扰动进行补偿；同时超调量过-37- 哈尔滨工业大学工学硕士学位论文大时，免疫调节器又能迅速减小K值，使系统平稳；系统偏差小于阈值时，免疫控制器无作用，从而保持了系统的稳定。a）肱二头肌免疫调节增益K结果b）肱三头肌免疫调节增益K结果图3-16免疫调节器增益K调节结果肱二头肌和肱三头肌的总输出活化度如图3-17所示。活化度包含两个部分：一部分是由人体神经信号引发的震颤引起的活化度，一部分是由FES输出引起的抑震活化度，图示为两部分活化度的叠加输出。图3-17肱二头肌和肱三头肌肌肉活化度3.7本章小结本章设计了FES抑震系统的控制系统。FES抑震系统是以0为恒输入的抗扰系统，被控对象依据患者变化而变化，且在同一患者下存在时变性，故选择具有自适应功能的单神经元PID控制器作为抑震系统的控制器。根据FES抑震系统的特性，设计了加权二次型目标函数学习规则，对单神经元PID的学习规-38- 哈尔滨工业大学工学硕士学位论文则进行了改进，并通过仿真验证了改进后学习规则的作用效果。为了满足系统的快速响应和减小超调这两个要求，引入了基于人体免疫系统调节的免疫调节器，用以改变系统总输出增益K，并对免疫调节器的作用原理进行了推导与验证。由于被控对象的复杂性和时变性，难以建立准确的数学表达式加以描述，故以OpenSim软件中的人体上肢模型作为被控对象，建立OpenSim软件和Simulink软件的联合仿真平台。对设计的控制系统进行仿真验证，并与多种控制算法进行对比与分析，验证了控制系统的可行性以及优越的控制效果。-39- 哈尔滨工业大学工学硕士学位论文第4章功能性电刺激器的设计4.0引言功能性电刺激器是FES抑震系统的执行器。FES的设计需要满足以下几个要求：（1）可编程性，FES的刺激波形能够通过程序做修改，满足不同的实验要求和电刺激要求；（2）实时反馈性，作为闭环控制系统，FES可以通过某一通讯协议与上位机实时通讯，接收来自上位机控制系统发出的控制指令，改变FES的刺激强度；（3）便携性，抑震系统要求尺寸小巧，方便携带。设计功能性电刺激器首先需要确定其技术性能指标。本章分析了人体皮肤阻抗，将其等效成电路模型并通过实验验证模型的准确性，然后从刺激模式、刺激波形、频率和脉宽、极限电流和电压等几个方面分析了电刺激器的指标。从硬件的角度设计电刺激器的模拟恒流输出部分、控制部分和电源部分。从软件的角度设计电刺激器的软件架构和通讯指令集，并进行了电刺激制作功能性电刺激器的实物并对输出波形进行了验证。4.1人体阻抗的研究功能性电刺激器通过表面式电极贴片直接作用在人体上，与人体的皮肤、肌肉构成一个电流回路，故需要对人体阻抗进行定量化研究，作为FES参数选择的依据。根据课题研究内容的需要，将人体阻抗看作皮肤阻抗与内部阻抗的串联。因皮肤阻抗的构成比较复杂，现主要对人体的皮肤阻抗进行分析。人体皮肤是[53]由表皮层、真皮层和皮下组织共三部分组成，其具体结构如图4-1所示。汗腺孔角质层表皮层真皮层皮下组织图4-1人体皮肤结构图人体皮肤的真皮层和皮下组织导电性较好，可以看作是纯电阻，且阻值相对较小，主要的皮肤阻抗分布在表皮层上。表皮层的最外层是角质层，可以被看做是一层很薄的绝缘膜，与电刺激器的贴片电极和真皮层一起，构成了一个-40- 哈尔滨工业大学工学硕士学位论文电容层。人体的汗液里含有金属离子，为纯导体。由于汗腺孔的存在，使得电极与真皮层间又存在纯电阻，故人体的皮肤阻抗具有复杂的构成形式，需要对[54-55]其进行物理等效。常用的等效模型有如下三种，如图4-2所示。（1）弗莱贝尔加（H.Freiberger）等效电路模型模型将皮肤电阻看作阻容并联型结构，其余内部电阻看作纯电阻。（2）斯艾德巴姆（R.Scherbaum）等效电路模型斯艾德巴姆提出了通过成分对人体阻抗进行分析的思路，将组织液归类为构成人体的电阻部分，而将皮肤电容和神经系统构成人体的阻容部分。（3）比格麦尔（G.Biegelmeier）等效电路模型比格麦尔基于人体实验提出了一种等效模型，并且分别以直流、工频和高频进行人体试验加以论证。RRpRpRpRpRsRsCpCpCpRaRzCpCpRza）弗莱贝尔加等效电路b）斯艾德巴姆等效电路c）比格麦尔等效电路图4-2三种等效电路模型其中，弗莱贝尔加等效电路模型与理论分析最为接近，并且以其简洁、便于计算分析的特性被广泛应用。本文选择弗莱贝尔加等效电路模型作为人体阻抗等效模型进行分析，可得人体阻抗等效模值大小如式（4-1）所示。Rp||2ZR(4-1)s21()RCpp其中，各个参数分量与皮肤位置、皮肤完整情况、皮肤干燥情况等多种因素有关。角质层越厚，电容的容值越大，汗腺不发达的皮肤比汗腺发达的皮肤阻值小，干燥的皮肤阻值大于湿润皮肤，且皮肤破损对阻抗的影响是非常大的，会给皮肤阻抗值带来急剧的下降。本文提出的电刺激器作用部位为人体上肢，且实验在常温正常湿度下进行。故选择参数：Rs400，Rp600，Cp与电极与皮肤的接触面积有关，通常22取0.02Fcm/~0.06Fcm/，根据实验中所选电极片大小，本文提出的阻抗模型中CF1.5，则人体阻抗模型的等效阻抗大小如式（4-2）所示。p600||4002Z(4-2)4213.2410本文研究对象是肘关节的拮抗肌对，即肱二头肌和肱三头肌。电刺激电极片为表面凝胶湿式贴片电极，且两个电极片的粘贴距离为8cm。通过实验，人体在不同频率激励下的阻抗结果如图4-3所示。-41- 哈尔滨工业大学工学硕士学位论文图4-3人体电阻阻值测试实验结果由上述实验结果可以看出，在低频部分，实验值和理论值计算结果比较吻合，高频部分误差相对较大，但考虑到电刺激器刺激频率范围处于吻合区间内，因此阻抗等效模型符合本文的要求。4.2FES各项参数的确定设计FES系统，首先要确定技术指标要求，即刺激模式、刺激波形、输出电压、输出电流等。现对FES各项参数进行分析，确定技术指标。4.2.1FES刺激模式的确定电刺激器从刺激模式上来讲可以分为两种，即恒压电刺激和恒流电刺激。恒压电刺激的优点是响应速度快，可看作无调节时间，刺激信号能够及时加载到人体上，而且在电路未接通时电压稳定，能够起到对电路的保护作用。但是由于人体阻抗的复杂性，恒压电刺激的输出不能够保证电流在人体内部的稳定。相反，恒流电刺激达到稳定电流需要一定调节时间，但是恒流电刺激效果稳定，可以减少对电极片的要求，并且不易造成对人体有损伤的电荷积累。因此，本文选择恒流电刺激作为FES的刺激模式。4.2.2FES刺激波形的确定[56]FES的波形分为单向刺激波形和双向刺激波形。单向刺激波形指的是电流永远为正（或负），双向刺激波形指的是在正向刺激过后，紧接着一个反向刺激，这个反向的刺激电流对时间的积分需要与正向相等，从而能够带走电刺激在人体上积累的电荷，积累的电荷会给肌肉带来疲劳，并且会对人体造成损伤，故本文选择双向波形作为电刺激波形。此外，根据反向刺激波形的不同，双向刺激波形又分为如下几种，如图4-4所示。-42- 哈尔滨工业大学工学硕士学位论文I/AI/AI/APWPWPWAmTsT/secAmAmTsTsT/secT/sec/nAmnPWa）双向矩形波b）Lily波c）双向对称矩形波图4-4双向刺激波形（1）双向矩形波两个刺激方向均采用矩形波，正向刺激脉冲幅值大时间短，反向释放电荷脉冲幅值小时间长，正负脉冲的面积保持一致。双向矩形波电荷释放平缓，但是电荷残留时间过长，肌肉易产生疲劳。（2）Lily波Lily波的反向释放电荷采用电容放电的形式，是一个函数曲线，电荷释放平滑，对人体的冲击较小；但是由于人体参数差异性加大，电容放电的实际作用效果难以控制，精度较低，容易造成电荷在人体内的积累。（3）双向对称矩形波两个刺激方向采用幅值相同、时间相同的刺激脉冲，电荷释放快，双向波形结构相同，易于控制，不易造成电荷积累，并且电荷残留时间短，对肌肉损伤小。本文选择双向对称矩形波作为FES的刺激波形。刺激波形即FES的基波，FES的原理是通过对基波的调制，来达到相应的刺激效果。4.2.3FES其他参数的确定4.2.3.1确定FES的刺激波形频率和脉宽人体肌肉的收缩需要提供恒定的收缩力，通过相邻运动单元之间的信息传递完成收缩力的保持。当受到刺激保持收缩的时候，运动单元会向相邻的运动单元传递刺激，频率为6-8Hz，使得周围的肌肉单元在释放前一个脉冲信号之前就已经接收到新的收缩脉冲信号，从而宏观上保持肌肉的收缩状态，这一方[57]式称为异步招募法。然而FES电刺激无法以异步形式向每个运动单元传递刺激脉冲，故其原理是同时激活所有的运动单元，使得其保持收缩，称之为同步招募法。在同步招募法中，所有运动单元保持一致动作，故需要更高的刺激频率来维持其收缩状态，一般刺激频率为20-40Hz。但是高刺激频率容易引起肌肉疲劳，故需要降低刺激脉宽，一般脉宽在200-500s，本文选择400s作为FES的脉冲宽度。4.2.3.2确定FES的刺激电流和极限电压FES的刺激电流极值最高不得超过100mA，通常极值范围选择为30-50mA。刺激电流为5mA时，正常受试者即产生感觉，10mA-15mA即产生明显反应。-43- 哈尔滨工业大学工学硕士学位论文在电刺激刚开启时，受试者感受到轻微刺痛感，随着电流的增大肌肉会出现抖动，震颤等现象，且震颤幅度与电流大小成正相关。本文选择FES的最大电流为40mA。根据4.2中的推导和实验可知，本文所研究的人体上臂中段阻抗理论计算的最大值为1600，而实测最大值为1554。因选择最大刺激电流为40mA，考虑到电路的分压，故选择FES的极限电压为65V。4.3FES的硬件设计本文设计的功能性电刺激器由三大部分构成：（1）模拟恒流输出部分此部分电路为模拟电路，是FES功能的具体实现部分，将控制电压信号转化成恒电流刺激脉冲作用于人体肌肉组织。（2）控制部分此部分为FES的控制核心，负责FES的输出控制和日常管理，通过蓝牙与上位机通讯，接收刺激指令，并向模拟恒流部分输出控制信号。（3）电源部分将输入的总直流电源升压与降压，向下输出3路不同的稳压直流源，为各部分供电。电刺激器架构如图4-5所示。上位机(PC)FES指令蓝牙通讯模块蓝牙通讯协议3.3V输出主控部分电ARMCortex-M324V输入源控制信号部12V输出分模拟恒流刺激波形65V输出输出部分I/AT/sec图4-5FES系统架构图4.3.1模拟恒流输出部分的设计模拟恒流输出的本质是一个压控恒流电路，能够根据控制电压的变化改变电流的输出值。本文利用MOSFET和运算放大器，设计了一种硬件自反馈压式压控控恒流电路。MOSFET串联在主回路中，相当于一个可控线性开关，运算放大器作为控制元件控制着MOSFET导通程度，从而实现系统的恒流输出。其原理图如图4-6所示。-44- 哈尔滨工业大学工学硕士学位论文RLRLID等效RDVinVoutVinRGVoutRfRf图4-6压控恒流源原理图及等效电路现对上述压控恒流源进行分析：记V作为控制电压，输入到运算放大器的in同向输入端，运算放大器的输出电压V连接着MOSFET的栅极，从而能够通out过输出电压的大小来控制MOSFET的导通程度。在主回路中串联反馈电阻R，f能够采样主回路的电流，并以反馈电压的形式输入到运算放大器的反向输入端，通过电压反馈的作用，使运算放大器调整输出V的大小，从而使主回路中的out电流恒定。为了定量的进行分析，现将某一瞬时将MOSFET等效为两个电阻RG与R，等效电路如图4-6所示，并记此时主回路中的电流大小为I，可以推导DD出关系式如式（4-3）。RGVVIR(1)(4-3)outinDGRD根据图4-7所示的MOSFET的VIGSD特性曲线，结合公式（4-3），在控制电压V一定的情况下，可以得到唯一的交点，即电路能够达到并且保持稳定，in运算放大器输出固定的控制电压V，主回路中有唯一的恒流值I，并且根据outDMOSFET的特性曲线可知，在其正常工作范围内，I随V线型变化，即电路Din实现了压控恒流的稳定输出。图4-7MOSFET特性曲线根据上述要求，选择NXP公司的型号为PSMN012-100YL的高压MOSFET，选择ADI公司的轨对轨输入/输出运算放大器ADA4084-2。-45- 哈尔滨工业大学工学硕士学位论文根据4.3.2中分析，刺激波形为双向对称矩形波，故需要在主回路中引入可控换向电路，对输出到人体肌肉上的刺激电流进行换向。本文采用H桥式换向电路，通过四个控制端口控制不同桥臂的导通与关断，从而实现电流流向的切换，其原理图如图4-8所示。H11D1光耦-1H11D1光耦-2负载H11D1光耦-3H11D1光耦-4图4-8光电隔离H桥换向电路为了实现控制电路和模拟电路的电气隔离，本文改进了H桥电路，将其中的MOSFET改为4个高压光耦，实现了光电隔离，保证了电路的可靠性与稳定性。选择Fairchild半导体公司的H11D1光耦，其耐受电压高达300V，最大通过电流为100mA，其开启与关断时间均为5s，满足了FES的速度要求。除此之外，主回路中串联50mA自恢复保险，起到硬件上的过流防护作用。负载端采用一阶RC低通滤波器，过滤掉高频杂波，确保输入到人体肌肉上波形无高频噪声。选择电阻R110,电容CF1，可得滤波器截止频率约为1447Hz。综上，设计出模拟恒流输出部分原理图如图4-9所示。图4-9模拟恒流输出部分原理图-46- 哈尔滨工业大学工学硕士学位论文4.3.2FES控制部分的设计FES的控制部分主要负责通讯、控制、日常管理与监测等工作。可以接收来自上位机的指令，解析指令并输出控制电压；能够实现电流检测，通过软件层面对刺激波形进行反馈调节与修正；能够实现软件层面的过流保护、报警等日常管理的全部工作。为了满足上述要求，控制部分选择ST公司的STM32F100C8T6系列微控制器作为电刺激器的主控芯片。处理器拥有48个引脚，包含了37个GPIO端口，能够实现光电隔离H桥换向电路的控制，以及指示灯报警灯等辅助设备的控制。其主频时钟最高能达到48MHz，处理能力可以达到1.25DMIPS/MHz，能够保证整个电刺激器处理的时效性。微控制器内嵌了128KB的Flash存储器以及8K的SRAM内存，能够满足来自PC上位机数据的接收和存储。微控制器包含了2个12-bit的DAC，最高响应速率为1s，并且具有高输出精度和响应速率，能够将FES的数字控制量转换为两路模拟控制电压输出。微控制器还包含了1个10-bit的10通道ADC，能够对FES主回路电流进行有效的监控。除此之外，还包含了7个定时器以及强大的中断管理器NVIC，能够满足FES主控的日常管理等需要。此外，微控制器具有99mmmm的小尺寸，有利于实现FES设备的小型化与便携化。FES设备的设计目标为可穿戴在病人身体上，因此为了减少FES设备的连线，提高设备的灵活性，与上位机的通讯采用蓝牙模块。选择HC-05蓝牙通讯模块，其以TTL电平的USART通讯接口与下位机进行通讯，并具有自行转换蓝牙协议功能，内嵌收发控制器。综上，FES的主控部分电路原理图如图4-10所示。图4-10FES主控部分电路原理图-47- 哈尔滨工业大学工学硕士学位论文4.3.3供电电源部分的设计FES的总供电电源为24V直流稳压源，经过电源系统，被分为3.3V、12V、65V三路直流稳压电源，分别给FES系统的不同部分供电，其电源架构原理图如图4-11所示。图4-11FES电源架构原理图直流稳压3.3V电源供给主控部分的数字电路使用，同时也是内嵌的DAC与ADC的参考电压，故需要满足良好的精度，选择了TPS62177线型稳压电源，其原理为LDO线型稳压电路，具有精度高，误差在2%以内。直流稳压12V电源是运算放大器的供电电源，选择LMR16006电源，其工作原理为Buck降压电路，最大输出电流为1200mA。直流稳压65V电源是FES系统主回路的供电电源，作为电刺激器的主要功率电源，由24V总输入电源升压得到，选择TPS40210升压电源，其工作原理为Boost升压电路，电源自带PowerPAD，具有良好的散热特性，能够满足FES系统的功率特性。4.4FES的软件设计FES通过对脉冲波形的调制得到相应的刺激波形，作用在人体上，其中常用的调制方式有幅值调制和脉宽调制。因此，电刺激器具有三种工作模式：幅值调制模式、脉宽调制模式和自由波形模式。FES下位机软件基于Keil平台，利用C语言编写，现将FES系统的整个软件架构做出描述如下，其软件架构图如图4-12所示。FES上电之后进入待命状态，由上位机发送初始化指令使刺激器进入相应的工作模式，同时FES对上位机的指令做出应答。当FES进入幅值调制模式时，此时处于二级待命状态，这时需要上位机发送两个指令给FES。首先要发送基础波形指令，确定FES的刺激波形的脉宽和频率，接着需要发送幅值调制指令，确定幅值调制正弦波的幅值与频率。接收到两条指令后，FES对上位机的指令做出应答，并由二级待命状态进入工作状态。在工作状态中，上位机可随时发送幅值调制指令更改调制刺激正弦波的幅值与频率。-48- 哈尔滨工业大学工学硕士学位论文当FES进入脉宽调制状态时，与幅值调制状态类似，上位机首先发送基础波形指令，确定刺激波形的幅值和频率，接着发送脉宽调制指令，使FES由二级待命状态进入工作状态。同样，上位机也可以随时发送脉宽调制指令更改调制刺激正弦波的幅值与频率。在幅值调制模式和脉宽调制模式下，每路通道的输出通过2个定时器进行控制。其中一个定时器控制基础波形的频率，另一个定时器控制刺激波形的脉宽，两路输出共需要4个定时器。此外，调制算法固化在程序中，在不同工作模式下启用不同的调制算法，用以实现调制正弦波的输出。FES接收到上位机的指令后，进入中断，更改4个定时器的配置，退出中断后，FES继续工作，实现了实时反馈功能。当FES进入自由波形状态时，无固定输出模式，输出电流值大小是由上位机发送的自由指令的值所决定，频率是由上位机发送自由指令的频率决定，即FES可以通过“台阶式”的输出模拟任何波形。其输出精度由上位机发送指令的数值和频率决定。这种模式是为了满足特殊实验要求设定的，使FES的应用具有广泛性和灵活性。电源上电待命状态幅值调制模式脉宽调制模式自由波形模式初始化初始化初始化二级待命状态二级待命状态等待指令基础波形指令基础波形指令&幅值调制指令&脉宽调制指令连续发送指令工作状态工作状态接收指令输出退出中断进入中断更改4个定时器退出中断的配置接收指令更改4个定时器的配置进入中断实时反馈部分软件层面的闭环反馈电源断电微控器ADC输出电流软件层面的向上位机报警过流保护图4-12FES系统软件架构图FES的输出电流能够通过采样电阻转化为采样电压，并由控制单元的ADC采样。ADC的采样率由程序固定，得到的输出电流数据具有两个方面的作用：首先能够监测电刺激电路输出状态，通过对实际电流值与理论输出值的对比，-49- 哈尔滨工业大学工学硕士学位论文可以从软件层面上形成二级闭环系统，对恒流电流的硬件闭环系统进行补偿，从而实现更精确的电刺激波形；此外，电流监测还能够实现软件层面上的安全保护，电路一旦发生过流，直接由软件切断刺激电路供电电源芯片的使能端，并对上位机进行报警，实现了过流保护。4.5FES电极的选择功能性电刺激器的输出电流需要通过电极与人体相连，电极的选择与电刺激效果具有很大相关性。FES电极通常分为植入性电极与表面贴片电极两种[58]。植入式电极直接植入人体内部，不经过体表皮肤阻抗，刺激效果好，精度高，但是需要做手术植入，且具有感染等风险，体验性较差。本文选择表面凝胶湿式贴片电极，其与皮肤接触面积较大，接触紧密度好，使用方便。选用的凝胶湿式电极为医用无纺布凝胶电刺激电极，如图4-13所示，其静态阻抗与动态阻抗性能良好，对电刺激器作用效果的影响可以忽略。a）凝胶湿式电极b）电极粘贴位置图4-13凝胶湿式电极及粘贴位置4.6FES实现与验证设计PCB电路板卡，并进行制作与调试，得到功能性电刺激器制作实物与对比图如图4-14所示。刺激电系统电源部分流光电隔离输出换向电路接压控恒流电路电源口输入蓝牙通讯模块主控部分指示与报警扩展接口J-link仿真接口输出电流硬件层面滤波过流保护调理a）FES功能性电刺激b）电刺激器功能分区c）电刺激器尺寸对比图4-14功能性电刺激器系统-50- 哈尔滨工业大学工学硕士学位论文分别在脉宽调制模式和幅值调制模式下，测试FES系统的实际输出，其输出波形如图4-15所示。a）幅值调制模式波形图b）脉宽调制模式波形图图4-15FES的实测输出波形总结本章所设计的功能性电刺激器的各项参数如表4-1所示。表4-1功能性电刺激器参数表参数项目参数值工作模式幅值调制模式、脉宽调制模式、自由波形模式电刺激模式恒流刺激电刺激脉冲波形双向对称矩形波刺激电流范围Im0-40mA极限电压Vmax65V最大静态负载阻抗Rsm1600Ω脉冲频率范围fp0-40Hz脉宽输出范围Pd200-500s最大电流输出通道2反馈方式软硬件二级反馈电流过流保护软硬件双保护4.7本章小结设计功能性电刺激需要明确其各项参数指标。本章首先对人体阻抗进行分析，并从刺激模式、刺激波形、频率和脉宽、极限电流和电压等几个方面分析了电刺激器的指标。从硬件的角度确定了电刺激的架构，包含模拟恒流输出部分、控制部分和电源部分，其中对模拟恒流输出部分进行了分析与验证，并对各部分进行了设计。从软件的角度确定了电刺激器的软件架构和流程，确定了电刺激的刺激方式，并设计了与上位机通讯的电刺激指令集。选择了与人体相连的凝胶湿式电极最后，完善设计方案并制作功能性电刺激器实物，实测了不同模式下电刺激器的输出，验证了其可行性。-51- 哈尔滨工业大学工学硕士学位论文第5章FES抑震系统实验的研究5.1引言本章综合前几章的研究内容进行FES抑震系统实验的研究，验证和分析前几章的理论内容，以便有效地抑制病理性震颤。首先建立抑震系统的实验平台，并对平台组成进行分析。基于MYO臂环构建采集系统，并根据建立的人体上肢坐标系，将采集的四元数经数学推导确定肘关节角度。建立上位机系统以根据分离的震颤角度调制产生刺激脉冲，作用于患病的肢体。同时确定实验策略和设定两个实验评价指标。本章将从开环和闭环两个角度进行实验验证，同时分别以抑制静止性震颤、进食时的肢体震颤、佩戴眼镜时的肢体震颤为例对抑震系统的实验结果进行分析。5.2FES抑震系统平台的建立FES抑震系统的整体框架如图5-1所示。人体上肢刺激电流FE数据数S采集据电FES功能性系统采刺电刺激器集激系系统姿态四元数统FES指令通讯模块参肘关节角度刺激强度关节角度信号上位数解算模块数机数设据处置据免疫调节单神BLC-CPG理与震颤信号存与经元PID控制器信号分离模块控制控储系统制模意向运动信号模块块图5-1FES抑震系统架构图-52- 哈尔滨工业大学工学硕士学位论文抑震系统实验平台分为四大系统：数据采集系统、FES电刺激系统、上位机数据处理与控制系统以及FES电刺激受试对象。其中数据采集系统负责采集关节角度信号；FES电刺激系统是执行器，负责刺激电流的输出；抑震系统的信号分离算与控制算法均由上位机完成。图示的箭头方向表示FES抑震系统的工作总流程。5.2.1采集系统的建立采集系统选择加拿大ThalmicLabs公司的MYO臂环。如图5-2所示，MYO臂环是ThalmicLabs公司在2013年推出的集成了多种传感器的便携式人机交互设备终端。它具有结构简单、佩戴方便、便携性高等特点，是新一代的便携数据采集平台。a）MYO臂环b）MYO数据显示界面图5-2MYO臂环及数据显示界面MYO臂环内部集成了一个9轴IMU位姿传感器和一个8通道肌电信号差分采集传感器。其中9轴IMU位姿传感器内部包含3轴加速度传感器、3轴陀螺仪和3轴地磁传感器，能分别对XYZ三个方向的直线运动加速度和旋转运动角速度进行采集，并能通过地磁传感器对MYO臂环的绝对角度姿态进行采集。MYO臂环采用大容量锂电池供电，通过蓝牙4.0协议与上位机通讯，能够实时向上位机发送采集数据。除此之外，MYO臂环为开发者提供了SDK工具包，封装了信号采集与原始数据滤波处理算法等模块，使用者可以根据具体的使用要求，通过VisualC++语言平台进行二次开发。MYO臂环自带软件控制平台，负责MYO与上位机的连接与日常管理，并且自带显示界面，能够实时地显示MYO的状态信息与数据采集信息。5.2.2肘关节角度的转换算法关节运动角度可以通过两种方法确定。第一种是通过对MYO采集的角速度进行积分，得到上臂和前臂的运动角度，同时取两者之差即肘关节角度。然-53- 哈尔滨工业大学工学硕士学位论文而该方法由于是间接测量，经过积分，误差较大。另一种是通过地磁传感器反馈的绝对姿态角度做变换得到肘关节角度。由于是直接测量，精度较高，故选择此方法。信号的采集系统采用两个MYO臂环，固定在上臂和下臂，分别用于采集上臂和下臂的相对于世界坐标系的绝对姿态角度。为了分析和计算，根据MYO臂环传感器方向的分布特性，建立坐标系如图5-3所示。y0O0y1x0z0世界坐标系O1（地磁绝对参考系）x1MYO-上臂z1MYO-下臂y2x2z2O2图5-3人体上肢坐标图其中0坐标系为地磁传感器参考的绝对坐标系，与地球磁场相关，称为世[59]界坐标系，代表空间位置的绝对衡量标准。1坐标系为上臂坐标系，以肩关节旋转中心为原点，沿着上臂的方向为z轴，x轴垂直人体，y轴方向依据右手定则可得。1坐标系代表上臂的运动，根据肩关节的运动特点可知，1坐标系相对0坐标系可以沿着x，y，z三个轴线旋转。2坐标系为下臂坐标系，以肘关节旋转中心为原点，建立方式与1坐标系类似。根据肘关节运动特点可知，2坐标系相对1坐标系只能沿着y轴旋转。定义1坐标系相对于0坐标系旋转的欧拉角为φ1,θ1,ψ1，1坐标系相对于0坐标系的旋转变换矩阵为0T1；2坐标系相对于0坐标系旋转的欧拉角为φ2,θ2,ψ02，2坐标系相对于0坐标系的旋转变换矩阵为T2，根据旋转坐标系坐标变换规则如式（5-1）和（5-2）所示。cccsscccsccs1111111111110T=sccssscsccss(5-1)1111111111111scssc11111cccsscccsccs2222222222220T=sccssscsccss(5-2)222222222222scssc22222则2坐标系相对于1坐标系的可以由（5-3）旋转变换矩阵得到。10-10T=(T)T(5-3)212-54- 哈尔滨工业大学工学硕士学位论文设肘关节角度变化为，由坐标系之间的关系可知，为坐标系2相对于坐标系1沿着y轴的旋转角度，由于2坐标系相对于1坐标系z轴和x轴都不1能转动，则T又可表示为式（5-4）。2cs-01Ts=c0(5-4)2001MYO采集的数据为与绝对姿态角度相关的四元数，不能够直接进行计算，需要将四元数转化为欧拉角，转化关系如式（5-5）所示。22atan2(2(),12(wxyzx))yiiiiiiiarcsin(2())wyzx(i1,2)(5-5)iiiiiatan2(2(),12(wzxyy))z22iiiiiii其中qxyzw[]为MYO臂环采集所得的四元数。综上所述，可以解算出肘关节角度。5.2.3上位机系统的建立FES抑震系统的主要计算量均在上位机中完成。上位机共分为几大模块：角度解算模块、信号分离模块、控制算法模块、通讯模块、数据存储模块和参数设置模块。角度解算模块负责将MYO采集的四元数变换求解，得到肘关节运动角度。信号分离模块采用第2章的BLC-CPG信号分离算法，分离肘关节角度信号。控制算法采用第3章的免疫调节单神经元PID控制算法，控制电刺激指令的输[60]出，程序代码由Matlab程序转化工具直接转化。通讯模块为蓝牙通讯，负责数据的发送和接收。数据存储模块负责存储重要的过程数据。参数设置模块负责各部分参数的初始化设置。上位机系统软件由VisualC++编写，通讯硬件采用外接蓝牙通讯模块，可以与PC通过串行接口USART协议通讯，模块自动执行无线数据传输功能，无需考虑蓝牙通讯协议层。5.3实验策略的确定与验证5.3.1抑震实验策略的设计由于健康受试者自主模拟的抖动受神经系统的支配具有主观性，无法客观反映FES抑震系统的抑震效果。故本文采用外界触发与抑震的策略，实验过程中受试者放松，主观意识不参与，避免主观动作对实验结果产生的影响。采用两个电刺激器，其中一个电刺激器输出参数预先设定的刺激脉冲，交替刺激肱二头肌和肱三头肌，用来模拟产生病理性震颤。另外一个电刺激器作为抑震系-55- 哈尔滨工业大学工学硕士学位论文统的执行元件，接入控制系统接受控制指令，产生抑震的电刺激脉冲。受试者拮抗肌肉对的共黏贴四对刺激电极，分别对应于两个功能性电刺激器，具体布置如图5-4所示。FES_2电极片MYO_lowMYO_upFES_1FES_1电极片FES_2图5-4FES抑震实验装置布置预先设定电刺激器参数以产生刺激信号，刺激健康受试者上肢模拟病理性震颤，并通过MYO臂环采集得到关节角度。参与者完成两组模拟实验：第一组采取站立姿势，手臂自然下垂而无意向运动。并电刺激模拟震颤；第二组受试者以一定频率自主往复摆动前臂，同时电刺激出发模拟震颤。采集肘关节角度，做傅里叶变换，以观察频率特性，实验结果如图5-5所示。a）无意向运动b）有意向运动图5-5实测震颤关节角度信号与模拟震颤关节角度信号对比由图所示，调节功能性电刺激器的输出频率和幅值，能够达到模拟震颤的效果，可以通过此方法模拟病理性震颤，以消除受试者主观运动对实验结果的影响。5.3.2抑震性能评价指标为了定量分析FES抑震的作用效果，引入评价抑震效果性能的指标。其主要从两个方面来评价FES的抑震效果：一方面以震颤幅度的减小比率作为评判抑震率的依据；另一方面则需要评价抑震的稳定性，即抑震后的震颤角度幅值需要稳定在一定范围，不能有太大的波动，否则会给病人带来不适感，因此需要计算抑震系统的震颤波动度。计算抑震率需要先将肘关节角度信号滤除意向运动信号，得到震颤信号，-56- 哈尔滨工业大学工学硕士学位论文取震颤信号所有极值（波峰和波谷）的绝对值，算数平均，同时将抑震后和抑震前的均值做比得到抑震率，如式（5-5）所示。N11||dsiN1i1(5-6)R(1)100%stN12||dtiN2i1震颤波动度的计算需要将震颤信号极值的绝对值做均方根处理，并与震颤信号极值的均值做比值，用来衡量震颤信号幅值的稳定性，如式（5-6）所示。N2(|ddi|||)1Di1(5-7)flu||dN5.4开环抑震实验及结果分析开环抑震是指抑震电刺激器不接入控制系统，其输出恒定频率和恒定幅值的电流，同时保持其与出发震颤的刺激电流相位相反。改变用于抑震的刺激电流幅值，以观察对比抑震效果。开环抑震实验共有三个环节，分别是：静止性震颤抑制实验、勺子进食震颤抑制实验和佩戴眼镜震颤抑制实验。其中选取的意向运动均为生活中需要一定精度的常用动作，具有一定的代表性。5.4.1开环静止性震颤抑震实验静止性是指受试者采用站姿，双臂自然下垂，肌肉放松，无主观运动参与，震颤的引发与抑制均有两个功能性电刺激器产生，整个实验过程如图5-6所示。、图5-6开环静止性震颤抑震实验分别采用12mA、14mA、16mA、18mA四个刺激脉冲进行静止性震颤抑制实验，实验结果如图5-7、5-8所示。图5-7无抑震震颤肘关节角度-57- 哈尔滨工业大学工学硕士学位论文a）12mA开环抑震效果b）14mA开环抑震效果c）16mA开环抑震效果d）18mA开环抑震效果图5-8不同刺激幅值下抑震效果5.4.2开环意向运动抑震实验5.4.2.1勺子进食抑震实验勺子进食是模拟正常人进食行为。实验过程中受试者保持坐姿，实验开始前手臂自然下垂，实验开始以后受试者屈臂，伸手抓取桌面上的餐勺，并做舀饭动作，进一步屈臂，送食入口，放餐勺至桌面，伸臂并回落，整个动作结束，动作分解如图5-9所示。图5-9勺子进食示意图-58- 哈尔滨工业大学工学硕士学位论文采用开环恒定幅值的电刺激抑震，其中脉冲的幅值分别为12mA、14mA、16mA、18mA。采集肘关节角度，并滤除意向运动，观察抑震效果，以便观察抑震效果，如图5-10所示。a）不同刺激强度下开环抑震效果b）分离意向运动后抑震效果图5-10勺子进食开环抑震实验结果对比5.4.2.2佩戴眼镜抑震实验佩戴眼镜是模拟日常生活中摘戴眼镜的动作，受试者采取站姿，手臂自然下垂，眼镜置于桌上，实验开始时受试者向前伸臂抓取眼镜，抬臂并屈臂将眼镜佩戴上，停顿一秒摘下眼镜，伸臂将眼镜放回原位，整个动作结束，动作分解如图5-11所示。图5-11佩戴眼镜示意图-59- 哈尔滨工业大学工学硕士学位论文同理，采用恒定幅值的电刺激脉冲进行抑震，刺激幅值分别为12mA、14mA、16mA和18mA。采集肘关节角度并提取震颤信号，对抑震结果进行对比，如图5-12所示。a）不同刺激强度下开环抑震效果b）分离意向运动后抑震效果图5-12佩戴眼镜开环抑震实验结果对比5.4.3开环抑震实验结果分析分别计算开环抑震实验的抑震率和震颤波动度，并对不同抑震类别的多种抑震条件进行对比，结果如表5-1所示。由实验结果可以看出，随着电刺激幅值的增加，开环抑震率随之提高，震颤波动度随之降低，抑震效果增强，证明FES电刺激开环抑震具有一定的效果。但是当抑震效果达到一定峰值后，继续增加刺激电流反而会使抑震效果减弱，产生该现象的原因是继续增加刺激电流，会使抑震刺激脉冲产生的抑震力矩过大，而大于震颤力矩，从而造成肘关节产生反向的震颤，降低抑震效果。由实验数据可以看出，震颤的幅值与人体手臂的位置相关，肘关节收缩的角度越大，震颤的幅度越小，结果与人体骨骼肌的生物学特性相吻合。因此，具有意向运动的震颤信号，其震颤波动度较大。-60- 哈尔滨工业大学工学硕士学位论文表5-1开环抑震实验结果对比表抑震类别刺激强度抑震率Rst震颤波动度Dflu原始无抑震——0.32712mA开环抑震15.26%0.244静止性震颤14mA开环抑震33.49%0.21816mA开环抑震54.53%0.19618mA闭环抑震36.77%0.214原始无抑震——0.89512mA开环抑震17.93%0.862勺子进食14mA开环抑震43.88%0.821意向运动16mA开环抑震57.12%0.79918mA开环抑震50.16%0.824原始无抑震——1.13312mA开环抑震23.43%1.071佩戴眼镜14mA开环抑震41.98%1.003意向运动16mA开环抑震55.19%0.91018mA开环抑震40.81%1.022从抑震结果可以看出，开环抑震具有明显的缺陷性，即对震颤波动度的改善效果很小，尤其在含有意向运动的抑震实验中。具体表现为虽然震颤幅度整体减小，但是震颤的整体趋势并没有趋于平缓。开环抑震不能实时调整刺激强度，对于不同位置的不同震颤角度，其抑震效果均相同，故无法改善震颤波动度这一特性，因此受试者对于开环抑震的效果的体验较差。综上所述，开环抑震的抑震率只能达到一个相对峰值，无法进一步增加。若要进一步提高抑震率，则只能通过具有实时反馈特性的闭环抑震来实现。5.5闭环抑震实验及结果分析闭环抑震实验将抑震FES电刺激器连入控制系统，根据采集系统的震颤角度反馈，通过上位机的控制算法实时地更改刺激幅值，经蓝牙模块将刺激指令发送到下位机电刺激器，实现闭环抑震。同样采用5.4小节中的三个环节进行实验，即静止性震颤的抑制实验、勺子进食时震颤抑制实验和佩戴眼镜震颤抑制实验。5.5.1闭环静止性震颤抑震实验实验获得闭环静止性抑震实验结果，并与原始震颤信号与开环抑震的最佳效果进行对比如图5-13所示。-61- 哈尔滨工业大学工学硕士学位论文图5-13静止性震颤抑震抑震实验结果对比5.5.2闭环意向运动抑震实验5.5.2.1闭环勺子进食抑震实验在闭环抑制勺子进食抑震实验中，实验的动作要求如5.4小节所述。将闭环抑震实验结果与原始震颤和开环最佳抑震效果进行对比，同时将闭环抑震的肘关节角度做傅里叶变换进行频谱分析，如图5-14所示。a）抑震效果对比b）闭环抑震频谱图图5-14勺子进食意向运动抑震效果对比与频谱分析肘关节角度信号的意向运动与震颤信号的分离是由第2章的BLC-CPG分离算法实现，在闭环实验过程中，由上位机系统的数据存储模块实时地记录分离的震颤信号，以便在实验结束后可离线获取数据。分离结果如图5-15所示。-62- 哈尔滨工业大学工学硕士学位论文图5-15勺子进食肘关节角度BLC-CPG分离算法分离结果5.5.2.1闭环佩戴眼镜抑震实验在闭环佩戴眼镜抑震实验中，实验的动作如5.4小节所述，将闭环抑震实验结果与原始震颤和开环最佳抑震效果进行对比，同时将闭环抑震的肘关节角度做傅里叶变换进行频谱分析，如图5-16所示。a）抑震效果对比b）闭环抑震频谱图图5-16佩戴眼镜抑震效果对比与频谱分析闭环配戴眼镜的肘关节角度信号的意向运动与震颤信号的分离，同样是由第2章的BLC-CPG分离算法完成的，分离结果如图5-17所示。图5-17佩戴眼镜肘关节角度BLC-CPG分离算法分离结果-63- 哈尔滨工业大学工学硕士学位论文5.5.3闭环抑震实验结果分析计算闭环抑震实验的抑震率和震颤波动度，并将其与原始震颤数据和开环最佳抑震数据进行对比，如表5-2所示。表5-2闭环抑震实验结果对比表抑震类别抑震方式抑震率Rst震颤波动度Dflu原始无抑震——0.327静止性震颤开环最佳抑震54.53%0.196闭环抑震73.44%0.097原始无抑震——0.895勺子进食开环最佳抑震57.12%0.799意向运动闭环抑震76.53%0.431原始无抑震——1.133佩戴眼镜开环最佳抑震55.19%0.910意向运动闭环抑震80.12%0.675由实验数据可以看出，相比于开环抑震，闭环控制系统能够显著地提高抑震率，从而验证了闭环控制算法的控制效果。闭环抑震控制系统能够根据反馈信号实时地来调节电刺激的强度，从而达到更高的抑震率。同时，相对于开环抑震，闭环控制能够显著地降低震颤波动度。由图5-13、图5-14和图5-16可以看出，闭环抑震后关节角度的变化更加平缓，能够提升意向运动的准确度，明显地减少受试者的不适感，带来更佳的抑震效果体验，将在临床中具有很大的意义。实验过程中上位机不断将重要的过程数据存入数据存储模块。实验结束后，调用存储结果可以获取由BLC-CPG信号分离算法分离的肘关节角度信号，由图5-15、5-17可以看出，BLC-CPG分离算法能够有效地将意向运动和震颤信号分离开，这是实现良好控制效果的基础。5.6本章小结FES抑震系统实验将前几章的理论部分进行验证，并最终达到抑制病理性震颤的目的。本章首先搭建了实验平台，并对其架构进行了分析；选择MYO臂环建立了采集系统，并通过对人体上肢建立坐标，将采集系统测取的四元数进行转化，得到肘关节角度；最终建立了上位机系统。在实验之前确定了实验的策略，并提出了抑震率和震颤波动度两个指标用于评价抑震效果。完成了开环和闭环两部分实验，以及对静止性震颤和运动性震颤两种震颤特性进行了抑震及效果评价。将闭环实验结果与开环最优实验结果进行对比，从而证实了闭环抑震效果的优越性。-64- 哈尔滨工业大学工学硕士学位论文结论病理性震颤是一种多见于老年人的疾病，常伴随着帕金森、脑卒中风等疾病产生，患者的身体某些特定部位如手臂、腕部、大腿等会出现不受意识支配的节律性抖动，给生活带来极大的不便和痛苦。传统的治疗方法为手术和药物治疗，有费用昂贵、副作用大等缺点，故需要提出新型的、科学的抑震方法来解决这一问题。本文基于功能性电刺激（FES）抑震理论，对FES抑震系统进行了研究。提出了一种非意向运动震颤信号分离算法、设计了抑震控制系统、设计并制作了功能性电刺激器，最终建立了抑震实验平台，对病理性震颤进行了抑震实验。具体研究内容如下所述：（1）提出了一种基于CPG的限频带线型拟合算法（BLC-CPG），能够有效地将肘关节角度的意向运动信号和震颤信号分离。BLC-CPG分离算法具有相位滞后小的特点，满足了控制系统对反馈信号的时效性需求；同时分离算法具有拟合精度高、分离后高低频耦合度低等特点，满足了抑震系统对反馈信号精度的要求。（2）设计了FES抑震系统的控制系统。FES抑震系统的被控对象具有时变性，故选择具有自适应功能的单神经元PID算法作为控制器。设计了加权二次型目标函数学习规则对控制算法进行了改进，并基于OpenSim软件和Simulink软件的联合仿真平台仿真验证了改进学习规则后的作用效果。为了满足系统的快速响应和减小超调这两个要求，引入了基于人体免疫系统调节的免疫调节器，用以改变系统总输出增益K，从而改善了控制系统的动态特性，并对免疫调节器的作用原理进行了推导与验证。（3）研制了功能性电刺激器。首先对人体阻抗进行分析，并从刺激模式、刺激波形、频率和脉宽、极限电流和电压等几个方面分析了电刺激器的指标，明确了电刺激设计的方向。设计了电刺激器的硬件架构，对各组成部分进行了分析设计与验证。设计了电刺激器的软件架构和流程，确定了电刺激的刺激方式，设计了与上位机通讯的电刺激指令集。制作了功能性电刺激器实物，实测了不同模式下电刺激器的输出，验证了功能性电刺激器的性能。（4）进行了FES抑震系统综合实验。建立上肢运动数据采集系统，并通过对人体上肢建立坐标，将采集系统采集得到的四元数进行转化，得到肘关节运动角度。提出了抑震率和震颤波动度两个指标对抑震效果进行评价，并通过开环实验和闭环实验两个层面，对静止性震颤和意向运动震颤两种震颤特性进行了抑震及效果评价。将闭环抑震效果与开环实验最优结果与进行对比，从而证-65- 哈尔滨工业大学工学硕士学位论文实了闭环抑震的优越性。对抑制上肢病理性震颤的FES系统研究已经达到了预期目标，但是由于研究时间短暂，仍有一些问题值得在后续的研究中深入：（1）本文是以肱二头肌和肱三头肌这一对拮抗肌作为研究对象，对病理性震颤的抑制进行研究。在临床中，除了这一对拮抗肌外，还有如腿部和腕部的拮抗肌也会受病理性震颤的影响，需要在后续的研究中针对不同位置的拮抗肌进行抑震研究。（2）功能性电刺激器的设计指标均是针对肱二头肌和肱三头肌这一对拮抗肌进行选取的，如果用到其他肌肉的抑震上，可能会存在峰值电压不够，带载能力不强等问题。可以在以后的研究中扩展功能性电刺激器的应用范围，提高其通用性，满足不同位置的病理性震颤的抑制。-66- 哈尔滨工业大学工学硕士学位论文参考文献[1]GiulianaG.Mechanismsandemergingtherapiesintremordisorders[M].NewYork:Springer,2012.[2]陈强.面向病理性震颤抑制机器人上肢生物力学模型的研究[D].哈尔滨工业大学,2013.[3]LegrosA,MarshallHR,BeuterA,etal.Effectsofacutehypoxiaonposturalandkinetictremor[J].EuropeanJournalofAppliedPhysiology,2010,110(1):109-119.[4]ReckC,HimmelM,Florin,etal.Coherenceanalysisoflocalfieldpotentialsinthesubthalamicnucleus:differencesinparkinsonianrestandposturaltremor[J].EuropeanJournalofNeuroscience,2010,32(7):1202-1214.[5]李军强.面向病理性震颤的抑震机器人及其关键技术研究[D].哈尔滨工业大学,2010.[6]BarbeMT,LiebhartL,RungeM,etal.Deepbrainstimulationinthenucleusventralisintermediusinpatientswithessentialtremor:habituationoftremorsuppression[J].JournalofNeurology,2011,258(3):434-439.[7]ZhangDG,PoignetP,WidjaiaF,etal.Neuraloscillatorbasedcontrolforpathologicaltremorsuppressionviafunctionalelectricalstimulation[J].ControlEngineeringPractice.2011,19(1):74-88.[8]陈默.基于功能性电刺激的足下垂步态矫正方法及系统实现[D].浙江大学,2012.[9]RebersekS,VodovnikL.Proportionallycontrolledfunctionalelectricalstimulationofhand[J].ArchivesofPhysicalMedicineandRehabilitation,1973,54(8):378-382.[10]PopovicMR,KellerT,PapasI,etal.Surface-stimulationtechnologyforgraspingandwalkingneuroprostheses[J].EngineeringinMedicineandBiologyMagazine,IEEE,2001,20(1):82-93.[11]PopovicMR,KellerT,PappasIP,etal.Surface-stimulationtechnologyforgraspingandwalkingneuroprosthesis.[J].IEEEEngineeringinMedicine&BiologyMagazinetheQuarterlyMagazineoftheEngineeringinMedicine&BiologySociety,2001,20(1):82-93.[12]SnoekGJ,IJzermanMJ,StoffersTS,etal.UseoftheNESShandmastertorestorehandfunctionintetraplegia:clinicalexperiencesintenpatients[J].SpinalCord,2000,38(4):244-249.[13]HoshimiyaN,NaitoA,YajimaM,etal.AmultichannelFESsystemforthe-67- 哈尔滨工业大学工学硕士学位论文restorationofmotorfunctionsinhighspinalcordinjurypatients:arespiration-controlledsystemformultijointupperextremity.[J].IEEETransactionsonBiomedicalEngineering,1989,36(7):754-60.[14]HardinE,KobeticR,MurrayL,etal.WalkingafterincompletespinalcordinjuryusinganimplantedFESsystem:Acasereport[J].JournalofRehabilitationResearchandDevelopment,2007,44(3):333-346.[15]ProchazkaA,ElekJ,JavidanM.Attenuationofpathologicaltremorsbyfunctionalelectricalstimulation.I:Method.[J].AnnalsofBiomedicalEngineering,1992,20(2):205-24.[16]Bó,A.P.L,Poignet,P.TremorattenuationusingFES-basedjointstiffnesscontrol[C]//Proceedings-IEEEInternationalConferenceonRoboticsandAutomation.2010:2928-2933.[17]ZhangD,PoignetP,BoAPL,etal.Exploringperipheralmechanismoftremoronneuromusculoskeletalmodel:ageneralsimulationstudy.[J].IEEETransactionsonBiomedicalEngineering,2009,56(10):2359-2369.[18]GallegoJA,RoconE,KoutsouAD,etal.AnalysisofkinematicdatainpathologicaltremorwiththeHilbert-Huangtransform[J].InternationalIEEE/EMBSConferenceonNeuralEngineering,2011,54(1):80-83.[19]LimaERD,AndradeAO,PonsJL,etal.Empiricalmodedecomposition:anoveltechniqueforthestudyoftremortimeseries[J].Medical&BiologicalEngineering&Computing,2006,44(7):569-582.[20]张毓笠,王伯雄.电刺激在体育训练中的作用[J].体育科学,1993(3).[21]周兆英,鄢达来.康复工程中的电刺激技术及肢体运动测控技术[J].当代医学,1998(2):100-104.[22]马长波.基于电机辅助功能性电刺激脚踏车康复训练系统的研究[D].哈尔滨工业大学,2010.[23]姜洪源,马长波,陆念力,等.模糊参数自校正PID在功能性电刺激脚踏车系统中的应用[J].中国康复医学杂志,2006,21(6):538-540.[24]黄涛.采用表面阵列电极的功能性电刺激系统研究[D].华中科技大学,2012.[25]王娅,周鹏,张爽,等.基于ERD/ERS脑电信号的智能化功能电刺激系统的设计[J].生物医学工程学杂志,2007,24(5):1157-1160.[26]封洲燕,邢昊昱,田聪,等.大鼠海马CA1区前馈抑制和反馈抑制的作用特性[J].航天医学与医学工程,2011,24(3):167-172.[27]张伟.病理性震颤的机制与辅助式抑震技术研究[D].上海交通大学,2014.[28]姚鹏.利用功能性电刺激技术抑制腕部震颤的研究[D].上海交通大学,2013.-68- 哈尔滨工业大学工学硕士学位论文[29]WuH-C,YoungS-T,KuoT-S.Aversatilemultichanneldirect-synthesizedelectricalstimulatorforFESapplications[J].InstrumentationandMeasurement,IEEETransactionson,2002,51(1):2-9.[30]VazC,KongX,ThakorN.AnadaptiveestimationofperiodicsignalsusingaFourierlinearcombiner[J].SignalProcessing,IEEETransactionson,1994,42(1):1-10.[31]VazCA,ThakorNV.AdaptiveFourierestimationoftime-varyingevokedpotentials[J].IEEEtransactionsonbio-medicalengineering,1989,36(4):448-455.[32]RiviereCN,RaderRS,ThakorNV.Adaptivecancellingofphysiologicaltremorforimprovedprecisioninmicrosurgery[J].BiomedicalEngineering,IEEETransactionson,1998,45(7):839-846.[33]VeluvoluKC,TanUX,LattWT,etal.Bandlimitedmultiplefourierlinearcombinerforreal-timetremorcompensation[C]//EngineeringinMedicineandBiologySociety,2007.EMBS2007.29thAnnualInternationalConferenceoftheIEEE.IEEE,2007:2847-2850.[34]VeluvoluKC,AngWT.Estimationofphysiologicaltremorfromaccelerometersforreal-timeapplications[J].Sensors,2011,11(3):3020-3036.[35]VeluvoluKC,TanUX,LattWT,etal.Bandlimitedmultiplefourierlinearcombinerforreal-timetremorcompensation[C]//EngineeringinMedicineandBiologySociety,2007.EMBS2007.29thAnnualInternationalConferenceoftheIEEE.IEEE,2007:2847-2850.[36]LiuC,WangD,ChenQ.Centralpatterngeneratorinspiredcontrolforadaptivewalkingofbipedrobots[J].Systems,Man,andCybernetics:Systems,IEEETransactionson,2013,43(5):1206-1215.[37]黄博.四足机器人行走步态及CPG控制研究[D].哈尔滨工业大学,2007.[38]DzeladiniF,VanDenKieboomJ,IjspeertA.Thecontributionofacentralpatterngeneratorinareflex-basedneuromuscularmodel[J].2014.[39]王斐斐,张奇志,周亚丽.构成CPGs的非线性振荡器模型的介绍[J].北京信息科技大學學報:自然科學版,2007,22(4):31-36.[40]于海涛.基于非线性振子的CPG步态生成器及其运动控制方法研究[D].哈尔滨工业大学,2009.[41]TobarFA,KungSY,MandicDP.Multikernelleastmeansquarealgorithm[J].NeuralNetworksandLearningSystems,IEEETransactionson,2014,25(2):265-277.[42]DattaA,HoMT,BhattacharyyaSP.StructureandsynthesisofPIDcontrollers[M].SpringerScience&BusinessMedia,2013.[43]俞建卫,徐蕾,吴士鹏.基于遗传算法优化的模糊PID在粉末液压机伺服系-69- 哈尔滨工业大学工学硕士学位论文统的应用研究[J].组合机床与自动化加工技术,2013(8):58-61.[44]SharmaR,RanaKPS,KumarV.PerformanceanalysisoffractionalorderfuzzyPIDcontrollersappliedtoaroboticmanipulator[J].Expertsystemswithapplications,2014,41(9):4274-4289.[45]FangXY,WangLD,DuanSK.AdaptiveSingle-NeuronProportional-Integral-DerivativeControllerBasedonMemristor[C]//AppliedMechanicsandMaterials.TransTechPublications,2013,284:2205-2209.[46]DingJ,XuYM.SingleneuronadaptivePIDcontrolleranditsapplications[J].ControlEngineeringofChina,2004,11(1):27-30.[47]ChopraV,SinglaSK,DewanL.ComparativeAnalysisofTuningaPIDControllerusingIntelligentMethods[J].ActaPolytechnicaHungarica,2014,11(8):235-248.[48]KrauthW,MézardM.Learningalgorithmswithoptimalstabilityinneuralnetworks[J].JournalofPhysicsA:MathematicalandGeneral,1987,20(11):L745.[49]HaganMT,DemuthHB,BealeMH,etal.Neuralnetworkdesign[M].Boston:PWSpublishingcompany,1996.[50]刘铁聪.身体与免疫机制[M].科学出版社,2003.[51]王伟,高晓智,王常虹,等.免疫调节增益的单神经元PID控制器[J].电机与控制学报,2008,12(1):74-79.[52]RienerR,FuhrT.Patient-drivencontrolofFES-supportedstandingup:asimulationstudy[J].RehabilitationEngineering,IEEETransactionson,1998,6(2):113-124.[53]康健.局部解剖学[M].科学出版社,2010.[54]DorganSJ,ReillyRB.Amodelforhumanskinimpedanceduringsurfacefunctionalneuromuscularstimulation[J].RehabilitationEngineering,IEEETransactionson,1999,7(3):341-348.[55]KaufmannS,ArdeltG,RyschkaM.Measurementsofelectrodeskinimpedancesusingcarbonrubberelectrodes–firstresults[C]//JournalofPhysics:ConferenceSeries.IOPPublishing,2013,434(1):012020.[56]WangHP,WangZG,LuXY,etal.Designofapulse-triggeredfour-channelfunctionalelectricalstimulatorusingcomplementarycurrentsourceandtimedivisionmultiplexingoutputmethod[C]//EngineeringinMedicineandBiologySociety(EMBC),201537thAnnualInternationalConferenceoftheIEEE.IEEE,2015:1671-1674.[57]LynchCL,PopovicMR.Functionalelectricalstimulation:closed-loopcontrolofinducedmusclecontractions.[C]//AGUFallMeeting.AGUFallMeetingAbstracts,2012:1-2.-70- 哈尔滨工业大学工学硕士学位论文[58]GanLS,RavidE,KowalczewskiJA,etal.FirstPermanentImplantofNerveStimulationLeadsActivatedbySurfaceElectrodes,EnablingHandGraspandReleaseTheStimulusRouterNeuroprosthesis[J].Neurorehabilitationandneuralrepair,2012,26(4):335-343.[59]杨杰.融合IMU与Kinect的机器人定位算法研究[D].武汉科技大学,2014.[60]KrizanJ,ErtlL,BradacM,etal.AutomaticcodegenerationfromMATLAB/Simulinkforcriticalapplications[C]//ElectricalandComputerEngineering(CCECE),2014IEEE27thCanadianConferenceon.IEEE,2014:1-6.-71- 哈尔滨工业大学工学硕士学位论文攻读硕士学位期间发表的学术论文[1]WeiXin,YongshenGao,ShengxinWang,JieZhao.AProgrammableElectricalStimulatorforSuppressingPathologicalTremor[C].IntelligentControlandAutomation,2016.WCICA2016.TheTwelfthWorldCongresson.IEEE,2016.（已录用）-72- 哈尔滨工业大学工学硕士学位论文哈尔滨工业大学学位论文原创性声明和使用权限学位论文原创性声明本人郑重声明：此处所提交的学位论文《抑制上肢病理性震颤的功能性电刺激系统研究》，是本人在导师指导下，在哈尔滨工业大学攻读学位期间独立进行研究工作所取得的成果，且学位论文中除已标注引用文献的部分外不包含他人完成或已发表的研究成果。对本学位论文的研究工作做出重要贡献的个人和集体，均已在文中以明确方式注明。作者签名：日期：年月日学位论文使用权限学位论文是研究生在哈尔滨工业大学攻读学位期间完成的成果，知识产权归属哈尔滨工业大学。学位论文的使用权限如下：（1）学校可以采用影印、缩印或其他复制手段保存研究生上交的学位论文，并向国家图书馆报送学位论文；（2）学校可以将学位论文部分或全部内容编入有关数据库进行检索和提供相应阅览服务；（3）研究生毕业后发表与此学位论文研究成果相关的学术论文和其他成果时，应征得导师同意，且第一署名单位为哈尔滨工业大学。保密论文在保密期内遵守有关保密规定，解密后适用于此使用权限规定。本人知悉学位论文的使用权限，并将遵守有关规定。作者签名：日期：年月日导师签名：日期：年月日-73- 哈尔滨工业大学工学硕士学位论文致谢感谢我的导师赵杰教授，在两年的硕士生涯中，赵杰老师的悉心指导让我收获了很多。赵老师严谨的治学态度、坦荡的胸怀和对整个实验室同学的关心使我受益匪浅，是我人生中永远的榜样。赵老师在学术上具有深厚的知识功底，并在学术问题上具有高远的视野，具有真知灼见，同时，他在生活中平易近人，是同学们的良师益友，他的激励是我前进的目标和动力！感谢指导老师高永生老师，我的课题的选题、方向的确定、关键性问题、论文的最终审阅与修改均是在高老师的指导下进行的，两年以来，高老师的指导细致入微，为我解答了很多学术上和生活上的困惑，为我投入了大量的精力和心血，没有高老师的耐心指导，也就没有今天的论文成果。同时感谢在我课题进行过程中给予很大帮助的朱延河老师、闫继红老师、金弘哲老师、臧希哲老师、樊继壮老师、刘刚峰老师、刘玉斌老师、李戈老师以及李长乐老师。感谢论文答辩委员会的杜志江老师、郭伟老师、吴冬梅老师、董为老师、王鹏飞老师、查富生老师，王珂老师、张元飞老师，感谢老师们的指导和付出。感谢王胜新师兄在两年的硕士生涯中对我的指导和照顾，一起做课题的日子和师兄结成了深厚的友谊，师兄对待科研认真负责和吃苦耐劳的精神是我学习的目标，愿师兄有一个好的前程。同时感谢蔡雪风、冷正飞、杨凯、郑天娇等实验室的好伙伴，有你们的陪伴硕士生活更丰富多彩。感谢我的妻子方圆，在我的背后一直默默的支持我。最后，感谢我的父母，是你们让我站得更高，看的更远。-74-