基于MYO 肌电传感器的网球握拍手势研究

杨嘉豪

（浙江工业大学设计艺术学院，杭州310023）

0 引言

表面肌电信号（surface Electromyography，sEMG）是肌肉收缩时伴随的电信号，是在体表无创检测肌肉活动的重要方法，具有安全、方便、可靠等优点。随着科学技术的不断发展，表面肌电信号被广泛的应用于康复医疗、临床医学、运动医学等各个领域，如神经系统的诊断和评价、测量神经传导速度、动作识别、人机交互等[1]。

传统的表面肌电信号采集方式采用电极片与皮肤直接接触的方式测量表面肌电信号，并以有线的传输方式将信号传输至上位机，这种测量方式佩戴不便、使用过程复杂、长久佩戴会造成过敏反应，无法直接用于辅助运动。而MYO 臂环可以测量表面八路肌电信号，通过蓝牙信号传输方式将信号传输至上位机，摆脱线束干扰，再运用上位机软件对信号进行分析，并反馈给用户，以达到辅助运动的效果，该采集设备佩戴方便、识别率高、应用性强、有较好的推广性，能够有效满足辅助运动的需求。

网球是体育项目中非常复杂的一项运动，它不仅需要大肌肉群的运动，还需要小肌肉群的参与。在学习网球的过程中初学者很容易出现各种错误动作，这些错误动作若不及时纠正，不但会影响初学者对技术的掌握，影响学习效果，甚至会有初学者因使用错误动作而导致受伤情况的发生。而网球运动初学起步比较困难，对动作技巧性要求较高，尤其需要教练亲自一对一教学，效率极低。目前网球类辅助运动设备中很少运用动作捕捉技术[2]，大部分以可穿戴传感器[3]为主，但是这些技术都是通过模拟出整个人的运动姿态[4]来分析，仅仅能判断出大肌肉群的运动结果，而缺少通过小肌肉群对手部动作判断。因此本文选用的MYO 臂环也是为了验证通过小肌肉群对动作纠正的可行性。

1 MYO肌电信号传感器

MYO 腕带如图1 所示，能够采集八路表面肌电信号，通过低功耗蓝牙传送给上位机，其基本原理是：通过臂环上的传感器捕捉到用户手臂肌肉运动时产生的生物电变化，再将经过芯片初步处理通过蓝牙传输至上位机。

MYO 臂环不仅佩戴方便，而且可以佩戴在任意一条胳膊的小臂上，还有松紧扣使其可以适用在不同人的手臂上，用户使用时只需将臂环套在手臂上，调节好松紧度，并且把充电口和蓝色logo 都对准手背即可。

MYO 传感器有八个通道，每个通道等间距排列[5]，用来探测人体肌肉活动伴随产生的生物电信号。因此在采集信号的过程中，难以避免会遇到MYO 臂环相邻通道间的混迭、耦合等影响，导致收集到的sEMG 信号产生偏差，会对信号特征的提取产生影响。因此需要后续的数据处理及上位机的算法协助判断。

图1 MYO腕带

MYO 官方的软件可以根据不同的用户，通过向导提前录制几个动作，定制生成其专属的配置文件，使差异化尽可能的减小，因此能够准确、有效、快速地识别出不同的手势，并能及时对手势动作进行判定，较为常见的手势有以下几种[5]：手腕内翻（Wrist Flexion，WF）、手腕外翻（Wrist Valgus，WV）、握拳（Hand Close，HC）、手指伸张（Fingers Stretching，FS）、双击（Double Click，DC）。加上与MYO 臂环上的IMU 联合，可以代替鼠标对电脑进行简单的交互。

为了避免每次佩戴位置不同而影响判断结果，MYO 官方程序中开始有一个校准识别过程。当佩戴好臂环时，做出手腕外翻手势，若佩戴位置正确，则臂环会有长时间连续的震动反馈，反之则为间歇性的短时间震动反馈。因此MYO 臂环不仅可以方便采集数据，还可以避免一些采集过程中的误差。

2 手势动作的判定方法

2.1 sEMG信号预处理

为尽量减小信号噪声的干扰，获得较完整的数据，MYO 的采样频率200Hz，上位机实时通过蓝牙接收到MYO 的肌电信号，确认每段数据完整后把每个通道的sEMG 信号幅值保存到本地文件。

2.2 动作起点及稳定性判断

判断动作起止点是为了分割出有效数据分析，提高系统工作效率。不同的测试者在无动作放松状态的肌电信号会有细微差别，反映出的信号幅值也不会相同，利用上位机软件对MYO 采集的信号进行数据分析，采用时域特征中的绝对平均值（MAV）作为动作的起止点判断标准[6]，其定义如公式（1）。

其中，N 为信号采样点的总个数，将腕带检测到的八路肌电信号的所有采样点计算MAV 值，通MAV 变化来确定一个动作起止点的判断条件[7]。此处以握拍姿势为例进行实验，在肌肉放松的时候开始握拍，然后松开并保持放松。计算MAV 之后，把各通道sEMG 幅值和MAV 数据放在同一个时间线上对比。

图2 握拍sEMG信号与MAV特征对比

如图2 所示，MAV 值在握拍时刻的幅值很大，放松时刻的MAV 值非常小，波动也很小，因此通过MAV值可以有效来分割提取数据，区别出有动作状态和静止放松，继续进行下一步判断。

由于握拍是静态动作手势，因此需要在肌电信号稳定时再做记录。判断动作稳定我们利用绝对值方差来判断。其公式（2）如下：

其中n 代表采集到的数据量，N 代表通道数，VARavg代表每个通道的绝对值方差的平均值，肌电信号来自最近3s 读取到的值，因此这个值越小代表动作幅度越小，动作趋于静态。阈值的确定来自每个人的实验数据，当握拍动作处于静态稳定时，各次VARavg值中的最大值作为个人的判断阈值。当最近3s 的VARavg值不大于阈值且不是无动作状态时，则认为动作稳定，记录当前数据。

2.3 特征提取

sEMG 是一种非常复杂的信号，信号本身较为微弱，稳定性差，随机性高。总体上，sEMG 特征可分为三大类，即时域特征（Time Domain，TD）、频域特征（Frequency Domain，FD）和时频域（Time Frequency Domain，TFD）[8]。

最早应用于sMEG 信号提取的是时域特征，由于其计算简单，被广泛应用于肌电信号模式识别，适合用于对肌电的实时控制。常用的肌电信号时域特征有多种，因为本次实验初期为静态动作研究，因此主要利用方差（Variance），由于原始肌电信号的均值为0，因此其方差公式（3）如下：

其中，N 为采集数量。本文以一个单位时间段的方差作为比较。

2.4 基于DTW算法的相似度比较

提取到有效数据片段以后，可以得到一个动作单位时间内，八路通道的方差值，下一步需要做的时利用这些数据比较两个动作的相似度，从而可以判断动作的准确程度。

动态时间归整（Dynamic Time Warping，DTW）算法，是一种衡量两个序列的相似度的方法，应用也比较广，主要是在模板匹配中。令要计算相似度的两个时间序列为X 和Y，长度分别为|X|和|Y|，如图3 所示，在二维直角坐标系中，横轴X 表示测试样本，纵轴Y 表示参考样本，图中的整数坐标点即表示参考样本和测试样本的交汇点。DTW 算法就是寻找一条通过坐标网格点的最短路径，由于每个通道的先后顺序不可能发生变化，因此路径的选择一定是从左下角开始到右上角结束。归整路径D 必须从D1=（1，1）开始，到Dk=（|X|，|Y|）结尾，以保证X 和Y 中的每个坐标都在D 中出现。

另外，D（i，j）的i 和j 必须是单调增加的，所谓单调增加是指：

最后要得到的归整路径是距离最短的一个归整路径。把8 个通道的VAR 值按照通道顺序组成一个序列，由于各通道顺序不变，因此两个序列的距离判断可以采用DTW 算法。设序列X={x1，x2，…，xi}，Y={y1，y2，…，yi}，i=1，2，…，8。计算以上两个序列的距离公式（4）如下：

最后求得的归整路径为D（|X|，|Y|）。

图3 DTW归整路径

当计算出来的DTW 距离D 越小时，证明两个序列的距离越近，所对应的动作相似度越高。

2.5 标准模板

制作模板是为了在对动作进行识别时提高动作的识别率，消除了一些偏差、位置、不同个体差异等因素的影响[9]。模板制作的过程就是将各种差异考虑在内，如皮肤的活动组织结构等。模板制作的数据来自于训练阶段的训练样本，制作模板首先是对信号序列进行活动段探测后，对每个通道记录5 次总共15 秒内的数据，并制作个人标准模板。模板由8 个通道的方差按顺序排列组成，首先对于每个动作，选取训练样本相似度算法比较，两两计算DTW 距离，得到距离总和最接近的几个样本，然后把这些相近的样本各通道所对应的数据值取平均，得到正确动作的最终模板。最终模板用于测试动作的识别中。

3 网球握拍姿势判定的应用

凡作为一项运动所直接适用的器材应该与人体的生理结构与动作相符、相协调，这样，便能充分地借助于器材，发挥出人体结构的运动效果和作用。从人体生理结构分析，人的手腕是一个及其灵活的具有空间三维坐标的一个万向节，它可以使手掌在各个方位和角度上灵活地变化，以适应生活、活动的复杂运动的需要。而东方式的正手握拍方法是使手掌重合于拍面的握拍方法，（如图4 左）把球拍底部从下往上看，是一个八边形，食指根部关节贴合右边（左手持拍者为左边）为东方式正手握拍，它正体现了拍面是手掌的扩大，使击球时有用手掌击球一般的感觉。因此，东方式正手握拍依旧是最适合新手入门的握拍方法[10]。

图4 东方式（左）与西方式（右）

正手握拍

还有种目前职业选手比较流行的西方式正握拍（如图4 右），食指根部关节在下方（左手持拍者同），击球时可以制造更强烈的旋转，但不易上手。

初学者在学习的时候并不如专业运动员一般熟练切换握拍姿势，也不知使用哪块肌肉发力，因此往往会因为长期使用错误的动作而导致肌肉的损伤[11]。MYO臂环可检测使用者手部的肌肉使用状态，对肌肉信号进行分析来识别使用者的动作是否正确，并及时提醒使用者，纠正其动作如图5。

在用户佩戴臂环的时候，实时检测并输出肌电信号，当检测到最近3s 的数据稳定时，上位机通过前一节所介绍的方法，把数据分割并提取特征，最后和标准模板距离计算，低于阈值则为正确动作，反之为错误动作。为了提高个人的识别准确率，阈值的范围大小通过每个人制作模板时的实验数据得出。设T 为判断阈值，tm为标准模板与已记录的标准动作数据之间DTW距离最大的数值。T 的取值如公式（5）。

系数b 的取值在1%～10%之间，根据个人差异调整，首次默认为5%。

图5 判定流程图

4 实验与结果

4.1 实验

本次实验对象为10 个网球初学者进行实验，球拍为一块300g 的2 号柄标准长度网球拍。确认正确佩戴MYO 臂环并通过官方程序确认后，以网球基本的击球准备动作开始（如图6），使用东方式正手握拍水平持拍，教练辅助做基本准备动作后，记录5 组，每组3s 的肌电信号。并制作该动作的个人标准模板。同样方法记录西方式正手握拍数据，并制作模板和计算阈值。每个人共记录10 组数据，制作两个模板。

接下来自由训练时间，所有实验对象同时听教练口令做动作，教练随机指示东方式正手握拍或者西方式正手握拍击球准备动作各5 组，共10 组。反向验证算法的可行性及准确性。

图6 击球前准备动作

4.2 实验算法检测结果

10 个测试对象得到标准模板后，紧接着进行听教练口令自由训练，共6 组，每组10 人，程序判断出三种结果，分别为东方式正手，西方式正手和错误动作。实验综合判断成功率为95%，符合预计结果。具体结果如表1 所示。

表1 握拍测试结果

对东方式动作的判断准确率为96.7%，高于西方式。主要原因在于在做西方式正手的准备动作时，有个别测试者由于不习惯握拍，会主动发力，正确的准备动作应该是放松的状态，而紧紧的拿着球拍，直接导致肌电信号幅值增加，因此表面看到的动作是正确，而实际上是错误的。这个也是MYO 臂环所带来的一个好处，可以判断用户持拍手的放松程度。

另外，测试者手尺寸大小也是影响判断准确率的主要因素。由于本测试实验使用统一尺寸的球拍，个别测试者手的大小影响实验结果，后续研究将进一步针对优化个体化差异的研究，以及更多技术动作研究。

5 结语

根据相关文献整理和实地的实验证明，通过上位机结合MYO 对使用者肌电信号实时获取，分析处理后，实现在网球运动中，对网球握拍动作的提醒与纠正。研究结果认为MYO 作为辅助运动的肌电设备，有实际的可行性。后续工作仍有很大的提升空间，例如简化模板制作流程，以及在算法方面的优化，可以提升系统检测效率，防止由于肌肉疲劳所带来的不必要的误差。

除了这些基本动作的纠正，其他涉及到小肌肉群的复杂运动过程，关系到肌肉群的组合运动，还需根据实际动作的分析，以及对各种错误动作的分析防止误判，并且运用更复杂的算法[12]来实现精准的提醒错误要点。