论文分享：基于状态机的比例肌电控制方法：在线验证显示其性能超越临床现有技术
基于状态机的比例肌电控制方法：在线验证显示其性能超越临床现有技术
一、背景介绍
当前临床使用的肌电控制系统主要通过共收缩（co-contraction）实现功能切换，控制方式不直观，功能有限。尽管学术界在模式识别方面取得进展，但由于可靠性不足，尚未广泛应用于商业产品。本研究提出一种基于状态切换的比例控制方法，旨在提供更自然、直观的多自由度（DoF）假肢控制方式，尤其适用于经桡骨截肢者。
因此，本研究提出了一种基于状态机的肌电控制算法，实现了手腕旋前/旋后和手部开合两个自由度的比例控制。系统通过检测肌电信号方差变化触发状态切换，结合模式识别（LDA分类器）和比例控制（MAV归一化），在意大利OT Bioelettronica公司的EMG-USB2（已升级为Quattrocento)设备上进行实时数据采集与处理。在线实验表明，该系统在目标到达和力控制任务中表现优异，优于现有临床和学术方法。
二、研究方法
·算法结构：分为检测、分类和比例控制三个模块。
·检测：基于多通道EMG方差变化（CV）检测动作起始，使用OT Bioelettronica设备以2048 Hz采样率采集信号。
·分类：采用Hudgins时域特征和LDA分类器，使用最近240 ms数据进行分类。
·比例控制：基于自回归白化处理后的MAV值，实现动作的比例输出。
实验设置：
·使用6对电极（Ambu®）环绕前臂，参考电极置于鹰嘴，信号由OT EMG-USB2（升级为Quattrocento)系统放大、滤波并实时处理。
·包含目标到达测试（速度控制）和抓握力控制测试（位置控制）。
·对比方法：与临床常用的一站一功能共收缩切换法（SOA）以及纯模式识别方法（含多数投票）进行对比。
三、实验结果
目标到达测试：
1-DoF任务完成率：96.2%（平均时间3.0 s）
2-DoF任务完成率：91.5%（平均时间4.8 s）
归一化完成时间增量（nICT）显著低于SOA和纯模式识别方法（p < 0.01）
抓握力控制测试：
平均完成率：97%（平均时间4.1 s）
误分类率：5%，抓握失败率：1%
设备表现：
OT Bioelettronica的EMG-USB2（已升级为Quattrocento)系统提供了高采样率（2048 Hz）和低延迟（100 ms处理周期），保障了实时控制的稳定性。
四、总结与展望
本研究提出的状态基比例控制方法在实时性和可靠性方面均优于现有临床和学术方法，尤其在高自由度任务中表现更优。OT Bioelettronica的设备在信号采集与处理方面提供了关键技术支持。未来可进一步研究自适应参数调整（如VRC动态更新）以应对疲劳等因素，推动该算法在商业假肢中的应用。
原文链接
正式发表页面（Journal of NeuroEngineering and Rehabilitation 官网）：
https://jneuroengrehab.biomedcentral.com/articles/10.1186/1743-0003-11-110
DOI（数字对象唯一标识符）：
10.1186/1743-0003-11-110
研究团队介绍
由Dario Farina教授领导的这个实验室是欧洲乃至全球在肌电控制与神经接口领域最顶尖的研究团队之一。他们的工作不仅深入探索基础理论，也极度注重临床转化和应用验证。这篇论文正是其研究方向的典型代表：提出一种创新且实用的算法，并通过严谨的在线（online）实验（包括残障受试者）与现有技术进行对比，以证明其优越性和应用潜力。
