Система картирования нейромышечной активности на основе МТГ
ВВЕДЕНИЕ
Носимое устройство – это аксессуар, который располагается на теле человека и обменивается данными с внешней средой. Оно организует свою функциональность вокруг владельца.
Начиная с 90-х годов прошлого века появились первые носимые устройства, которые в настоящее время набирают всё большую популярность. Появляется множество видов носимых устройств, таких как часы, браслеты, пояса, пластыри и т.д.
В последние годы, с развитием материаловедения и информационных технологий, носимые устройства добились большого прогресса. В настоящее время носимые устройства могут использоваться в основном в двух областях: человеко-машинных интерфейсах и медицине.
Мы представляем себе будущее, в котором пользователи смогут беспрепятственно управлять объектами в окружающей среде посредством носимых устройств. Для этой цели необходимо разработать доступные любому пользователю системы. Такие интерфейсы должны легко надеваться на тело и быть готовы к работе в любой момент и в любой ситуации.
СОДЕРЖАНИЕ
РЕФЕРАТ 2
СПИСОК ПРИНЯТЫХ СОКРАЩЕНИЙ5
ВВЕДЕНИЕ 6
1 Назначение и область применения миотонографии, обзор аналогов8
2 Биологический этап разработки БТС12
2.1 Виды мышечного сокращения12
2.2 Биофизические основы формирования сигнала МТГ13
2.3 Анатомические особенности верхней трети предплечья14
3 Теоретический этап разработки БТС16
3.1 Расположение датчиков давления16
3.2 Виды датчиков давления17
3.2.1 Тензорезисторы17
3.2.2 Емкостные датчики18
3.2.3 Пьезоэлектрические датчики19
3.2.4 Другие датчики19
3.3 Миотонограмма20
3.4 Технические характеристики сигнала21
3.5 Картирование на основе метода МТГ22
3.5.1 Векторное декодирование22
3.5.2 Пороговая классификация23
3.5.3 Машинное обучение23
4 Технический этап разработки БТС26
4.1 Описание и обоснование конструкции системы28
4.2 Вид измерительной схемы29
4.2.1 Выбор измерительной схемы31
4.3 Датчик FSR 402 и его характеристики32
4.3 Расчет трансимпедансного усилителя33
4.4 Расчет фильтра Баттерворта 4-го порядка34
4.5 Выбор операционного усилителя36
4.6 Выбор микроконтроллера36
4.7 Подбор АЦП 37
4.8 Выбор модуля Bluetooth39
4.9 Разработка модуля питания41
4.10 Разработка корпуса устройства42
5 Экспериментальная часть43
ЗАКЛЮЧЕНИЕ51
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ52
СПИСОК ПРИНЯТЫХ СОКРАЩЕНИЙБТС – биотехническая система.
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
Islam, M.R.U.; Waris, A.; Kamavuako, E.N.; Bai, S. A comparative study of motion detection with FMG and sEMG methods for assistive applications. J. Rehabil. Assist. Technol. Eng. 2020, 7, 2055668320938588.
Hand-motion patterns recognition based on mechanomyographic signal analysis / Zeng Y. [и др.] // FBIE 2009 Int. Conf. Futur. Biomed. Inf. Eng. 2009. С. 21– 24. doi: 10.1109/FBIE.2009.5405882Мышцы верхней конечности / [сост. Е.С. Блоцкая, И.Г. Роменко, Е.А. Рассохина,] ; Брест. гос. ун-т имени А.С. Пушкина, каф. анатомии и физиологии человека и животных. – Брест : Изд-во БрГУ имени А.С. Пушкина», 2010. - 80 с.
Studfiles / Физиология и классификация мышечных волокон. Электронный ресурс: https://studfile.net/preview/3575029/page:3/ (дата обращения 08.10.22)
Grandars.ru / Мышечное сокращение. Электронный ресурс: https://www.grandars.ru/college/medicina/myshechnoe-sokrashchenie.html (дата обращения 08.10.22).
Bio.bsu / Электронный учебник по курсу физиология человека и животных. Электронный ресурс: http://www.bio.bsu.by/phha/06/06_text.html (дата обращения 08.10.22).
Lei, G.; Zhang, S.; Fang, Y.; Wang, Y.; Zhang, X. Investigation on the Sampling Frequency and Channel Number for Force Myography Based Hand Gesture Recognition. Sensors 2021, 21, 3872.
Anvaripour, M.; Khoshnam, M.; Menon, C.; Saif, M. FMG-and RNN-Based Estimation of Motor Intention of Upper-Limb Motion in Human-Robot Collaboration. Front. Robot. AI 2020, 7, 573096.
Chu, K.H.; Jiang, X.; Menon, C. Wearable step counting using a force myography-based ankle strap. J. Rehabil. Assist. Technol. Eng. 2017, 4, 2055668317746307.
Curcie, D.J.; Flint, J.A.; Craelius, W. Biomimetic finger control by filtering of distributed forelimb pressures. IEEE Trans. Neural Syst. Rehabil. Eng. 2001, 9, 69–75.
Xiong, Y.; Quek, F. Hand motion gesture frequency properties and multimodal discourse analysis. Int. J. Comput. Vis. 2006, 69, 353–371
Sadeghi Chegani, R.; Menon
Преимуществом пьезоэлектрических датчиков является низкий гистерезис, высокая чувствительность и низкое энергопотребление. Однако из-за своих характеристик пьезоэлектрические датчики не могут быть использованы для измерения статической силы.
(а) (б)
Рисунок 3.8. Принципиальная схема (а) и общий вид пьезоэлектрического датчика (б)
3.2.4 Другие датчикиВ дополнение к вышеуказанным датчикам, существуют некоторые менее популярные используемые датчики, а именно:
Волоконно-оптический датчик - это появившийся в последние годы датчик измерения давления, включающий в себя оптическое волокно. Под действием давления оптическое волокно испытывает изгибные воздействия, приводящие к изменению интенсивности оптического излучения на выходе оптического волокна, по степени затухания интенсивности может быть получена информация о приложенной силе или перемещении.