- 综合排序
- 最热优先
- 最新优先
- 来自专栏云深之无迹
可穿戴超声肌电系统硬件设计.第二弹
昨天的文章是 24 年发的，是一个子刊：新型可穿戴超声肌电（Echomyography, EcMG）系统硬件设计（带一丢丢软件） 今天这篇是 23 年的，是这个工作的前作： 23 巧的是，作者也在我的列表里面蹲着
27310编辑于 2025-04-21 - 来自专栏云深之无迹
新型可穿戴超声肌电（Echomyography, EcMG）系统硬件设计（带一丢丢软件）
切换“发射模式”与“接收模式”，保护后端放大器；发射时隔离高压激励信号；接收时低阻抗导通 RF 信号到运放输入。
34400编辑于 2025-04-19 - 来自专栏逆熵
舔一舔 · 肌霸Kafka
又是烟雨蒙蒙的冬日，一杯暖茶，春天的气息已经在杯中袅袅升起的热气里荡漾开来，茶醇使人醉，技术要学会。我们来简单剖析一下kafka的一些原理特性。
32520编辑于 2023-03-06 - 来自专栏科技云报道
AI变革需要‘减脂增肌’
腾讯的回答是降脂增肌。 降脂增肌的益处很快显现出来。2025 年第二季度，腾讯 ToB 营收实现双位数增长，高达 555 亿元，这一数据直观地反映出腾讯云业务在市场中的强劲表现，而 AI 无疑是其中关键的增长驱动力。
44010编辑于 2025-11-17 - 来自专栏大数据文摘
日本电气通信大学新型「自适应肌电假肢」问世，不训练就能拾取物体！
为了克服这个问题，日本电气通信大学研究人员针对于肌电假肢提出了一种训练学习模型来预测患者关节运动，该模型通过采用不同的传感器（肌电、触觉、被抓物体等），可以获取各类输出信号，从而实现对肌电假肢的闭环控制 同时，他们的目标是，不管是男女老少，都可以通过这款肌电假肢轻松实现对不同物体的抓取。 肌电假肢如何读懂患者的心？ 不同的手势对应输出不同肌电信号 在肌电假肢的传统控制方法中，都无法通过肌电控制来实现手的工作/关闭状态的切换。 但如果可以通过预测关节的移动可以实现自适应抓取，从而实现对肌电假肢的控制，这种控制可以实现对各种物体的自适应抓取。 控制过程则是通过传感器的反馈和优化后的控制器参数准确对肌电假肢进行精准控制，并抓取不同形状以及尺寸的目标物体。 肌电假肢的训练模型 研究人员通过测量肌电信号，验证了所设计的控制器的有效性。
66410编辑于 2023-04-10 MATLAB表面肌电信号(sEMG)处理程序
1. sEMG信号处理概述表面肌电信号是从皮肤表面记录的肌肉电活动，其处理通常包括以下步骤：数据采集和导入预处理（滤波、去噪）特征提取模式识别和分类可视化和分析2. set(processed_plot, 'YData', smoothed); drawnow; end endend4.2 肌电信号分解
61300编辑于 2025-09-16- 来自专栏云深之无迹
肌电传感器运放选型
表面肌电（surface electromyography, sEMG）信号是神经肌肉系统在进行随意性和非随意性活动时的生物电变化经表面电极引导、放大、显示和记录所获得的一维电压时间序列信号，其振幅约为 图5展示了在同一块肌肉上同时采集的低收缩力水平下的插入式肌电和表面肌电信号（信号持续长度为2 s）,可以看到两者的显著区别。 我爸以前确实是做过这个东西 直接呼叫老爸，害，这个字金贵的很 各种位点 跟信号的特性有：人体肌肉组织是皮表肌电的信号源，它发放的肌电经过皮下软组织的体电阻传输至皮肤表面，体电阻约数百欧姆，但是，表面电极与皮肤之间的接触阻抗比较高 阿哲，好像是蛮适合肌电处理的那就用这个吧。 因此电极宜贴放在肌电发放最强的肌腹部，以减少邻近肌肉的肌电干扰(串音)。采用较小的电极可提高选择性，但会增加电极与皮肤间的接触阻抗。 另外，其实这个电极才是最大的技术点 手语是听障人士彼此沟通的桥梁。
1K10编辑于 2024-08-20 - 来自专栏镁客网
「镁客·请讲」傲意科技倪华良：肌电识别是下一代的人机交互方式
对于傲意科技来说，他们最终的目标是让用户体验时拥有更多的自由度，推动肌电识别成为人机交互的未来。 医学+芯片，在国外的两次工作经历，也促成了傲意科技和他们的肌电识别技术。 初次听到肌电识别，文科出身的镁客君还是一脸懵逼的状态，凭借肌肉的运动就能识别出你手中的动作，乍一听起来有点科幻。 那么到底什么是肌电识别呢？ 如果将肌电识别的方式接入到内容端，还需要在SDK上做内容的兼容，甚至需要根据新的玩法去重新做内容上的设计。 肌电识别是下一代的人机交互方式 无论是基于计算机视觉的手势识别还是肌电识别，这些非接触式的交互都是下一代人机交互的重要方式。
81850发布于 2018-05-29 AI深度学习平台快速诊断肌张力障碍
AI深度学习平台快速诊断肌张力障碍想象等待五年才能获得诊断。这是可能患有肌张力障碍的患者面临的现实，这种潜在的衰弱性神经系统疾病需要繁琐的过程才能识别。 肌张力障碍没有生物标志物或金标准诊断测试，因此医生必须通过排除过程来确定症状是表明肌张力障碍还是其他神经系统问题，如帕金森病。即使这个过程也不简单："临床标准模糊，且未标准化。 这些挑战正是开发肌张力障碍诊断测试如此重要的原因。研究员对肌张力障碍的研究始于2004年，当时她是某机构的博士后研究员。 对于肌张力障碍患者，MRI通常不显示疾病特有的异常，研究员说。但随着时间的推移，为研究获取的放射学图像持续捕捉到大脑内肌张力障碍的特征——临床MRI不会显示的微观结构变化。"我们利用了这一点，"她说。 尽管数据集中在喉部肌张力障碍，但该测试也适用于诊断影响颈部肌肉（宫颈肌张力障碍）或眼睑肌肉（眼睑痉挛）的其他形式肌张力障碍。
18210编辑于 2025-10-18- 来自专栏机器学习炼丹术
【健身与炼丹】8个动作练爆胸大肌
下面八个动作，包括了胸大肌的整体大小的锻炼、胸部的上沿、外沿、下沿和中缝的锻炼。本文可以说是比较全面的。 1 上斜哑铃卧推 ? 【要点】 双腿自然弯曲； 双臂屈肘使身体降至最低点，顶点稍停后，双臂用力，将身体撑起； 动作过程中，身体越前倾，胸大肌的刺激越大，越直立，就越容易刺激肱三头肌 7 下斜哑铃飞鸟 ? ； 两臂保持平伸把哑铃铃向上向后拉，并下落到顶点，使胸大肌充分扩展。 - END -
1.1K31发布于 2020-10-15 - 来自专栏镁客网
「镁客·请讲」比奇创新李玮琛：用肌电感知人体行为，我们敢做也敢保证做好
相信很多人是听过心电、脑电的，但是，你听说过肌电吗？ 比奇创新创始人&CEO李玮琛告诉你，肌电不仅是生物电的一种，我们还能利用它感知人体行为，研发精尖的手势识别技术，以直接操控指定设备。 ? 生物肌电感知交互 比奇创新在做着一件别出心裁的事情 肌电(EMG)是生物电的一种，虽然我们日常提及的较少，但它其实和心电、脑电等是一样的。 当我们将表面肌电传感器附在皮肤表面时，就可以收集到肌电的信号媒介，从而探知到人体的行为感知了。 ? DTing SH表面肌电监测仪——通过对动作产生的肌电数据进行可视监测，记录、储存、分析数据从而达到肌肉动作是否标准等。 ? 此外，比奇创新也提供独立的肌电传感器和定制化的技术方案。 ? 不惧竞争，有差异化就代表着有优势 “我在德国宇航局工作时就已经做好了DTing的原型，因为‘肌电’这个领域目前在国内乃至全世界都是非常新，并且非常空白的，围绕这一核心技术的应用产品和品类都不多，也没有稳定并且成型的基础方案供应商
1.2K30发布于 2018-05-28 - 来自专栏BCI脑机接口
基于EEG-EMG混合控制方法的研究—生物机器人应用：现状、挑战与未来方向（二)
有几种方法可以用来对生物机器人应用中的脑电-肌电混合控制方法进行分类，如特定的应用/设备（如假肢、外骨骼、轮椅）或输入处理方法。 这些老年人的身体和精神状况一整天都在变化，在某些情况下由于身体疲惫可能会出现肌肉疲劳，在这种情况下，有必要设计基于肌电的控制方法来处理肌肉疲劳状态的影响。 有报道称，这种将肌肉和大脑信号融合为混合BCI的尝试，根据用户的可用性和可靠性，将肌电图和脑电图并行使用在一个手动控制任务中，通过16个脑电通道测量脑电信号，记录右、左前臂屈伸四个通道的肌电活动。 基于肌电图和脑电图的分类器输出，在第一种方法中，使用等平衡的融合权值来组合肌电和脑电分类器的输出；在第二种方法中，对贝叶斯融合方法进行了测试。 用8个脑电通道（按10-20系统）和2个肌电电极分别测量EEG和EMG信号。 image.png 实验由六名健康受试者和一名严重运动障碍的最终使用者进行。
1.3K30发布于 2020-12-23 - 来自专栏脑机接口
智能康复 | 康复机器人的意图识别技术
通过脑电的信号进行意图识别，信号直接及时，如果在操作便捷、解读准确、可重复性等方面达到要求后，被视为理想的意图识别方式，是真正的意图识别。 二、肌电信号意图识别 运动意图从运动皮质产生，向下传递。 通过表面肌电信号的采集，我们提前识别出患者的运动意图。这种方式非常适合肌肉软瘫、神经肌接头疾病、重症肌无力等肌肉本身疾病的功能康复，以及生活辅助、肌电假肢等应用场景。 高密度表面肌电的识别更具价值。 三、力传感器意图识别 力传感器意图识别分为力矩传感器和压电传感器。肌肉收缩带动关节运动，进而对传感器施加了力，传感器也就采集到了患者的运动意图。 脑电意图识别多用于康复早中期，也就是常说的“脑机接口”，后期使用效果也不错。肌电意图识别多用于康复中后期和假肢辅具，力矩传感器意图识别多用于康复后期。
1.5K10编辑于 2022-09-22 - 来自专栏biosignalsplux
用 BITalino 可视化生理信号并玩肌电控制版 Pong 游戏
生理信号（如心电图 ECG、肌电图 EMG、皮肤电 EDA 等）长期用于医疗、康复、心理研究等专业领域，但通过像 BITalino 这样的开源平台，它们正变得越来越亲民，进入创客空间、课堂乃至游戏开发者手中 本篇文章将结合一个非常有趣的案例： 我们将使用 BITalino 采集肌电信号（EMG），控制经典 Pong 游戏中的球拍移动；同时也会讲解如何通过 Processing 将包括心电、肌电等多种信号实时图形化 二、设备准备 BITalino (r)evolution Board EMG（肌电）传感器模块 Bluetooth Dongle 或内置蓝牙 PC USB 电源线（或电池） 电脑（Windows 玩法展示 准备：将 EMG 电极贴在前臂或肱二头肌上。 启动：运行 bitalinoPong.pde。 操作：握拳 = 上移球拍；放松 = 下移球拍。 目标：不要让球漏到边界！ 五、拓展建议 使用 两个 EMG 通道 实现“左右肌群”分别控制上下移动。 替换为 心跳（ECG）触发事件，做出冥想小游戏。
28410编辑于 2025-06-25 基于国产化芯片的神经腕带技术方案，实现META神经腕带效果，创新交互方式
其技术原理是使用生物电芯片采集神经电位和EMG，通过算法来判断手势运动意图。此外，Mudra link也推出了类似的产品，这让神经腕带逐渐走入更多人的视野。 为了让更多厂商可以快速推出神经腕带产品，唯理从硬件到软件整合出一整套解决方案，软硬件配合协调高效，让肌电信号具象化，实现肌电领域零门槛。 唯理神经腕带产品基于自研的WLS128芯片，通过采集前臂肌肉神经电与肢体运动信息进行自然手势识别，使我们能更加直观的操控数字世界。 可以敏锐探测肌肉产生的肌电信号，同时融入了9轴运动测量单位，能精确预测用户的肢体运动。•微弱肌电信号采集。•可同时采集8/16通道SEMG数据。•可充电锂电池供电，功耗小，循环使用。 •一体化服务，整套方案供应关于唯理唯理科技是一家专注于脑电心电底层技术的创新企业，国内少数拥有自研芯片的脑电脑机接口技术厂商。
33910编辑于 2025-10-27- 来自专栏Shimmer3
基于 Shimmer3 EMG 的五指机械手控制系统设计与实现
系统整体使用 MATLAB 进行信号处理与识别，通过 Arduino 控制五个伺服电机驱动机械手五指，实现自然的肌电控制。 二、系统构成模块说明Shimmer3 EMG肌电采集传感器，支持蓝牙/USB 数据传输，采样率高达 1024HzMATLAB用于信号读取、带通滤波、特征提取（如 RMS）、模式识别与指令生成Arduino UNO接收 MATLAB 发出的串口指令，驱动对应伺服电机动作5指机械手每个舵机控制一根手指的屈伸动作，实现肌电驱动手势控制 本文以单通道 EMG 作为示范，便于初学者理解，但可拓展至多通道或更复杂的模式识别 触发中指动作 else write(arduinoPort, "R0", "string"); % 复位 end pause(0.05); % 控制频率end可根据用户的肌电幅值个性化设定阈值 七、总结Shimmer3 EMG 模块在稳定性与信噪比方面表现出色，结合 MATLAB 与 Arduino 可快速实现基于肌电的控制系统。
38000编辑于 2025-06-24 - 来自专栏脑电信号科研科普
全面总结EEG信号中常见的干扰和噪声信号
眼动伪迹一般通过放置在眼睛左右的电极（HEOG，水平眼电）进行记录。大多数情况下的眼动将会是眼跳（saccade），即眼睛迅速发生弹道式转移。 典型的“篷车形”saccade伪迹如图2所示： 3.肌电干扰 头颈部的肌肉活动是EEG肌电干扰的最主要来源，颈部以下的肌肉活动一般不会对EEG产生较大的干扰。 肌电EMG信号一般频率较高25Hz以上，幅度较大，一般表现出爆发式的波形，如图3所示。 肌电伪迹的主要来源包括：颞肌（如咬牙/咀嚼）、前额肌肉（如皱眉）、颈部肌肉活动（如吞咽动作）。 6.出汗性伪迹 被试出汗会引起皮肤电阻的降低，从而引起EEG信号的非常缓慢（0.2-0.5Hz）的类似于基线漂移的电活动，即为出汗性伪迹。 此外，出汗还容易引起电极松动，造成非常缓慢的电活动，如图6所示。
3.6K20发布于 2020-11-10 - 来自专栏脑电信号科研科普
如何用ICA去除脑电信号中的干扰？
2.肌电 肌电的典型表现是：独立成分拓扑图主要集中在左侧/右侧颞叶处，如图2所示。此外，从功率谱曲线上可以看到，能量主要在高频，这主要是由于肌电一般是高频信号。 4.心电 心电最明显的特征是该成分的时域信息，可以从该成分的信号中看到明显的心电QRS波，如图4所示。
1.3K01发布于 2020-11-20 - 来自专栏脑电信号科研科普
酷炫！研究者研制出柔性且MRI兼容的EEG电极
传统的EEG电极在每次测量时需要打脑电膏，并且脑电膏在一定时间后会干燥，导致采集到的EEG信号质量降低，不能实现长时间的高质量EEG信号的采集；另一方面，传统EEG电极每次测量完后需要从被试头上取下。 ，当这名患者意图做出不同的手臂动作时（如屈肘、伸肘、腕内旋、腕外旋、屈腕、伸腕、握拳、张手等），8通道柔性电极可以稳定地记录到不同模式的肌电信号（下图c）。 结合机器学习算法，可通过记录到的肌电信号识别出被试不同动作，进而控制假手做出相应的动作（下图d）。 全脑EEG信号的长期稳定测量 毕竟，上述实验中的肌电信号幅度还是比较大的，频率也是比较高的，那么所制备的柔性电极阵列能否稳定地采集到幅度小、频率低的EEG信号呢？ 此外，传统的EEG电极在每次测量时需要打脑电膏，并且脑电膏在一定时间后会干燥，导致采集到的EEG信号质量降低，不能实现长时间的高质量EEG信号的采集；另一方面，传统EEG电极每次测量完后需要从被试头上取下
1K00发布于 2020-11-21 - 来自专栏脑机接口
脑电信号干扰
[图片来源于网络] 常见的干扰为：眼动(EOG)干扰、肌电(EMG)干扰、心电(ECG)干扰、高频噪声干扰等，这些干扰通常是来自于脑外的电位活动，这些干扰又称为伪迹(Artifact). 2）肌肉活动 肌电(electromyography,EMG)是由头部、肢体、下巴或舌头等运动所产生的干扰信号。这种干扰信号会对脑电信号产生较大的影响。 EMG的频率通常大于30Hz.常见的EMG的能量与脑电处在不同的频带上，因此可以用低通滤波器将肌电移除。 3）运动伪迹 头部和身体的运动可引起伪迹，运动性伪迹通常是不规则以及没有重复性。 4）心电伪迹 心电(electrocardiogram,ECG)是由心脏跳动产生的干扰信号，该信号通过脖子传到头皮表面被电极接收到。 小的心电伪迹表现为心电图的R波，较大的伪迹主要反映心电图的附加成分，很大的伪迹通常由心脏起搏点的干扰所产生。
2.8K00发布于 2019-11-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号