Oct-HD無線高密度表面肌電助力發表SCI一區top期刊

1. 無網絡微秒級同步：通過低成本溫度補償晶體振蕩器(TCXO) RTC實現微秒級同步，無需昂貴的恒溫晶振(OCXO)，降低了成本和功耗。
2. 全通道阻抗檢測：實時反饋電極-皮膚接觸質量，確保長時間記錄的信號可靠性。
3. 緊湊設計：模塊化設計和自鎖底座站，支持最多8個模塊（512通道），便于攜帶和操作。

解決技術難題

1. 溫度和振動影響：通過實驗驗證了不同溫度和振動條件下系統的同步性能，確保系統在極端環境下的穩定性和可靠性。
2. 電磁干擾：采用銅鎳屏蔽蓋和電磁薄膜，減少電磁干擾，提高信號質量。
3. 信號質量評估：通過根均方信噪比(SNR)、峰值信噪比(SNRPTP)等指標量化信號質量，確保高質量信號采集。
4. 模塊固定：設計了彈簧針接口和電磁鎖，確保模塊與底座站之間的可靠連接，防止松動或斷開。

• 目的：測試模塊間長時間同步性能，尤其是在不同環境條件下（如靜態、振動和高低溫）的表現。
• 具體設置：
  • 在靜態環境下，基站在室溫下與七個模塊同時記錄信號4小時。
  • 在高溫環境下，基站和七個模塊加熱至40°C并自然冷卻5分鐘，重復4次，最后穩定10分鐘。
  • 在低溫環境下，基站和七個模塊冷藏至4°C并自然升溫20分鐘，重復4次。
  • 在不同振動級別下（0–0.25g, 0.25–0.5g, 0.5–0.75g, 0.75–1g），兩個模塊在室溫下每5分鐘搖晃1分鐘，重復10次，然后靜止1小時。

• 目的：比較Oct-HD系統與商業設備在信號質量、抗干擾能力和手勢分類準確性方面的表現。
• 具體設置：
  • 17名受試者分別使用Oct-HD和Sessantaquattro系統完成10種不同的手部姿勢，每種姿勢重復兩次，每次間隔5秒。

• 手勢識別實驗中使用了來自17名健康右利手參與者的sEMG數據，每位參與者執行10種手部姿勢。

• Oct-HD系統（包括8個模塊，每個模塊64通道，共512通道）。
• 商業系統Sessantaquattro。
• 用于同步驗證的模擬方波信號（1 Vpp，偏移1V，頻率10Hz，占空比50%，上升時間10ms）。

• 自主開發的M&M軟件用于配置模塊、檢測阻抗和實時信號可視化。
• 分析軟件用于高級信號處理，包括RMS圖分析、PSD分析、MU分解和特征提取。

性能評估指標

• 指標：相對誤差（ms），用于衡量同步精度。
• 選擇理由：同步精度是多模塊系統的關鍵性能指標，尤其在復雜環境中。

• 指標：
  1. 無信號通道數（Nnosig）
  2. 壞通道數（Nout）
  3. 均方根信噪比（SNRRMS）
  4. 峰峰值信噪比（SNRPTP）
  5. 基線噪聲（BN）
  6. 電源線干擾（PLI）
  7. 信干比（SIR）
• 選擇理由：這些指標全面反映了信號質量和抗干擾能力，是評估sEMG系統的重要標準。

​

• 指標：分類準確率（%）
• 選擇理由：手勢分類是sEMG在人機交互中最常見的應用之一，準確率直接反映系統的實際應用效果。

• 動態手勢的根均方信噪比（SNRRMS）從7.08提升到8.22（p < 10^-9），維持手勢時從5.62提升到6.57（p < 10^-5）。
• 峰值信噪比（SNRPTP）在動態手勢時從8.78提升到10.03（p < 10^-7），維持手勢時從6.40提升到8.31（p < 10^-8）。
• 基線噪聲（BN）從2.52×10^-4降低到2.02×10^-4。
• 電源線干擾（PLI）從0.23降低到0.02。
• 信號干擾比（SIR）從-9.33提升到1.92。
• 抗干擾能力：Oct-HD系統展示了更強的抗干擾能力。PLI值更低，表明Oct-HD能更好地屏蔽電源線干擾。SIR值更高，說明Oct-HD在復雜電磁環境中表現更穩定。

手勢分類性能：Oct-HD系統在手勢分類任務中表現優異。具體數據包括：

• 使用LDA模型時，動態手勢識別準確率從91.82%提升到92.91%（p = 0.008），維持手勢時從75.59%提升到79.41%（p = 0.003）。
• 使用CNN模型時，動態手勢識別準確率從78.92%提升到84.36%（p = 1.0×10^-6），維持手勢時從68.97%提升到77.06%（p = 1.0×10^-7）。
• 使用LSTM模型時，動態手勢識別準確率從90.97%提升到92.75%（p = 0.004），維持手勢時從66.91%提升到68.38%（p = 0.28）。
• 使用Transformer模型時，動態手勢識別準確率從87.80%提升到91.04%（p = 0.001），維持手勢時從81.18%下降到74.71%（p = 0.02）。

與現有方法相比，Oct-HD有哪些優勢？
通道容量：Oct-HD系統支持多達512個通道，遠超現有系統。
同步精度：Oct-HD系統實現了網絡無關的微秒級同步，優于依賴Wi-Fi同步的現有系統。
信號質量：Oct-HD系統在信噪比、基線噪聲和抗干擾能力等方面均優于現有系統。
靈活性：Oct-HD系統適用于實驗室和復雜現實環境中的長期監測，不受網絡限制。
 
實際應用挑戰
長期佩戴舒適性：長時間佩戴可能導致用戶不適、出汗引起的電極脫落或電纜機械應力問題。
信號一致性：不同實驗和不同受試者之間的電極位置變化可能影響數據的一致性和模型的泛化能力。
復雜任務適用性：目前該系統的有效性主要集中在手勢相關的EMG任務上，對于更精細的動作如面部表情、言語發音或步態等的應用還需進一步驗證。
其他人群適應性：該系統在其他肌肉群或特定臨床群體（如中風或神經肌肉疾病患者）中的適用性尚未得到系統驗證。
 
未來改進方向
硬件優化：通過固件改進和實時數據壓縮降低功耗，提升設備的人體工學設計和電極粘附性能，以支持長時間佩戴。
算法增強：嵌入輕量級機器學習模型到采集模塊中，實現設備端推理，促進實時信號分類和自適應校準，減少對離線計算的依賴。
復雜環境測試：在更復雜的動態條件下評估系統的同步精度和信號魯棒性，確保其在各種應用場景下的可靠性。
跨域方法融合：引入數字孿生建模和神經模糊系統等新技術，探索多源數據融合策略，為下一代EMG應用提供適應性建模方案。
 
方法研究的影響
技術突破：Oct-HD系統實現了多達512通道的無線分布式采集，并能在無網絡環境下保持微秒級別的同步精度，極大提升了實驗靈活性。
性能提升：相比現有商業系統，Oct-HD在信號質量和抗干擾能力上有顯著改善，特別是在手勢識別任務中的表現尤為突出。
應用拓展：該研究為高密度肌電信號的應用開辟了新方向，特別是在假肢控制和人機交互領域，有望推動相關技術的發展。
 
全文總結
本文介紹了Oct-HD——一種新型的無線分布式可穿戴高密度表面肌電圖(HD-sEMG)同步采集系統。該系統通過模塊化設計和支持多達512個通道的數據采集，在無網絡環境下實現了微秒級別的同步精度。Oct-HD不僅在硬件上進行了創新，還配套開發了用于高級信號解釋的集成分析軟件。實驗結果表明，Oct-HD在信號質量、抗干擾能力和手勢識別準確性等方面優于現有的商用系統。盡管存在一些局限性，如長期佩戴的舒適性和復雜任務的適用性，但作者提出的未來改進方向展示了該系統在多個領域的廣闊應用前景。

原文：X. Tan et al., "Oct-HD: A Wearable Distributed Wireless HD-sEMG Synchronous Acquisition System for Long-Term Monitoring," in IEEE Internet of Things Journal, vol. 12, no. 15, pp. 32245-32258, 1 Aug.1, 2025, doi: 10.1109/JIOT.2025.3577047.

相關高密度肌電設備及技術合作請聯系：
聯系電話：19301231178（微信同號）
熱線電話：021-57677981
郵箱：info@zuotiyouzhi.com
公司官網：www.zuotiyouzhi.com