肌音信号控制虚拟假肢：一种新型生理信号源

"这篇论文探讨了基于肌音信号(Mechanomyography, MMG)的虚拟假肢控制方法。研究人员夏春明、杨正宜等人通过提取肌音信号的时域特征并使用线性分类器进行分类识别，成功地实现了对虚拟假肢的抓放控制。他们针对手部握紧和张开动作的前臂肌肉声音信号，提取了7种特征，获得了95.63%±2.55%的识别准确率，进而利用这些识别结果生成控制信号，控制虚拟假肢的动作。关键词包括肌音、特征提取、分类、假肢控制和虚拟手。肌音信号相比肌电信号具有无需直接接触皮肤、传感器成本低、信号强且抗干扰能力强等优点。尽管肌音信号的研究始于18世纪，但实际应用直到近代随着传感器技术的发展才得以推进。该研究为假肢控制领域提供了新的思路和方法。" 本文详细阐述了肌音信号在假肢控制领域的应用。假肢研究的核心是获取生理信号并利用这些信号控制仿生假肢，如肌电信号、脑电信号、神经电信号等。然而，肌电信号的采集有其局限性，如对皮肤接触要求高、易受阻抗影响和抗干扰能力弱。肌音信号则在一定程度上解决了这些问题，它不需要直接接触皮肤，传感器成本较低，且信号较强，不易受到体表电子干扰。自17世纪肌音信号首次被提及以来，随着技术进步，近现代研究开始深入探讨其在假肢控制中的潜力。 论文中，研究团队通过收集手部握紧和张开过程中前臂肌肉产生的肌音信号，提取了7种时域特征，并采用线性分类器进行动作类型识别。实验结果显示，识别正确率达到了95.63%±2.55%，表明肌音信号可以有效地用于区分不同的手部动作。基于这些识别结果，他们成功地设计了一套系统，实现对虚拟假肢的精确控制。 此外，论文还引用了过去关于肌音信号的研究，如Oster和Jaffe发现肌音强度与肌肉紧张度成正比，Barry提出肌音信号可用于假肢控制的初步研究，以及Travis W.利用小波分析验证肌音信号在不同动作中的变化。Jorge Silva等人则进一步利用肌音信号模拟肌电信号，深化了对肌音信号的理解和应用。 这篇论文揭示了肌音信号在假肢控制中的巨大潜力，不仅提供了新的控制策略，也为未来的假肢技术研发开辟了新的路径，有助于提升截肢者的假肢使用体验和功能性。