- 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 这些是完整的器件 这个器件找半天 给到 ADC 一个开关 这次给到的切换不是使用的 MOS 一个开关 用于控制是否将当前 RF 输出送入 ADC 提供可编程的“通道选择”能力（支持多路收发切换） 可软件控制采样窗口或对多个输入进行轮询 负压生成是使用了这个 利用电荷泵结构将 3.7V 电池电压反相为约 -3V ~ -5V，用于形成双极性高压驱动（+HV/-HV），通过 MOSFET 控制输出到 PZT 换能器。 升压使用了经典的 BOOST 架构 这里使用了 MSP 的图，下次写他们的软文 OK，以后学电源 这一段将外部输入的 Trig 信号转换为干净整形的脉冲控制信号 freq，用于触发下方的高压 MOSFET
27310编辑于 2025-04-21 - 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
【机器学习炼丹术】的学习笔记分享 参考目录： 1 上斜哑铃卧推 2 上斜杠铃卧推 3 上斜哑铃飞鸟 4 器械推胸 5 器械夹胸 6 双杠臂屈伸 7 下斜哑铃飞鸟 8 仰卧哑铃上举 之前的背阔和腹肌的锻炼 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 ? 【要点】 整体和上斜哑铃飞鸟差不多，板凳的夹角为30度左右； 8 仰卧哑铃上举 ? 【要点】 把两臂向上向前拉，哑铃在脸上方稍停（一定不要拿太重的！！！砸着脸可不是开玩笑的！！） ； 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）
前面的调理和数字采集部分 AFE MCU 用了两个，一个是时序控制，一个是 ADC 以及发送和计算 DFE 后面是 DCDC 和驱动部分 4 层板 超声的频率就是高哇 TR 开关是防止电压回流把 ADC 再次汇总一下 Bom 还有一部分是波形生成 电压高达 100V 以上 MOS 管是这个 升压转换是这个 芯片参数 通过一个基于 MIC2171 PWM 控制器 的 Boost 升压电路，结合大电感 L20 个人感觉应该不是很危险，因为能量不高 当然了，需要使用精密的时序控制，其实定时器就可以了 这些是控制的波形作用 详细的作用 // 初始化函数 function system_init(): setup_GPIO () // 设置输出控制引脚：BOOST_EN, PULSE, TR_CTRL, etc. transmit_to_ESP32() // 通知ESP32将数据通过Wi-Fi发送 enter_low_power_mode() // 等待下一帧（降低功耗） 给出一段类似的时序控制
34600编辑于 2025-04-19 - 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 createWriter("data.csv");output.println("时间戳,ECG,EDA,EMG,...");...output.flush();output.close();四、项目 2：肌电控制 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。
28510编辑于 2025-06-25 - 来自专栏刘晓杰
8(进程控制)
则取得该进程的终止状态并立即返回 （3）如果没有子进程，则立即出错返回 两者区别： 1.子进程终止前，wait使其调用者阻塞，而waitpid有一个选项，可使调用者不阻塞 2.Waitpid有若干选项，可以控制它所等待的进程
65820发布于 2019-02-21 - 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 ——自适应手部运动意图识别 肌电假肢是以人体肌肉电信号为控制源的新型假肢，也是最近几十年来学界研究的热点，通过在残肢表面贴列电极传感器，通过捕捉肌电信号并将其用于控制意图的识别，并将识别出的意图转化为控制信号 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 - 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)
后者将允许用户根据自己的喜好从一个控制信号平稳地切换到另一个控制信号。 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。 本研究的主要目的是评估使用肌电图（EMG）和来自EEG信号的P300特征来控制辅助技术软件的混合BCI接口。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。 悄悄插播一条小广告 ” 图1.png 插播图2.PNG image.png BCIduino 8通道脑电放大器具体参数如下： 输入阻抗：1TΩ 输入偏置电流：300pA 输入参考噪声：1μVpp 采样速率
1.3K30发布于 2020-12-23 - 来自专栏笔记分享
SPI控制8_8点阵屏
实现SPI控制LED点阵 SPI部分 SPI并没有直接控制灯的高低电平，而是告诉从机，让从机去实现。 SPI_NSS设置由硬件控制还是软件控制。在此设置为软件（据课程老师说更常用）。 发送数据 这是SPI部分，看上去跟之前写的USART没有什么区别。 亮度寄存器中的D0～D3位可以控制LED显示器的亮度。 扫描界限寄存器（地址0BH）：该寄存器中D0～D3位数据设定值为0～7H，设定值表示显示器动态扫描个数位1～8。 译码方式寄存器（地址09H）：该寄存器的8位二进制数的各位分别控制8个LED显示器的译码方式。当高电平时，选择BCD-B译码模式，当低电平时选择不译码模式（即送来数据为字型码）。 uint8_t smile[8] = {0x3C,0x42,0xA5,0x81,0xA5,0x99,0x42,0x3C}; int main(void) { MAX7219_Init(); uint8
66610编辑于 2024-02-17 - 来自专栏云深之无迹
肌电传感器运放选型
α运动神经元在控制人体骨骼肌活动中起到了主导作用，其通过支配骨骼肌的梭外肌纤维，使得肌纤维拥有进行收缩的功能，从而产生肌肉活动。 运动单位动作电位产生过程示意图 1.4肌电信号的形成 肌肉收缩时，所有参与肌肉控制的运动单位产生的运动单位动作电位序列经过肌肉、皮下脂肪以及皮肤组织等的滤波，在釆集电极处进行叠加，再综合釆集噪声的影响就形成了肌电信号 sEMG信号源于大脑运动皮层控制之下的脊髓α运动神经元的生物电活动，形成于众多外周运动单位电位在时间和空间上的总和，信号的振幅和频率特征变化取决于不同肌肉活动水平和功能状态下的运动单位活动同步化、肌纤维募集 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 - 来自专栏全栈程序员必看
K8S 部署电商项目
注：Ingress 控制器不同于 Deployment 控制器的是，Ingress 控制器不直接运行为 kubecontroller-manager 的一部分，它仅仅是 Kubernetes 集群的一个附件 大型电商平台微服务架构解读 Xmind Visio https://www.processon.com 单体架构 vs 微服务解读 什么是微服务？ SpringCloud 项目部署到 k8s 的流程 制作镜像—>控制管理 pod—>暴露应用—>对外发布应用—>数据持久化—→日志/监控 1.制作镜像： 应用程序、运行环境、文件系统 2.控制器管理 ---- 部署 SpringCloud 框架的电商项目：在线购物平台 安装 openjdk 和 maven 在 k8s 控制节点上操作 yum install java-1.8.0-openjdk Eureka 组件 修改 k8s 的控制节点和工作节点的上的 docker 的配置文件： cat > /etc/docker/daemon.json <<EOF { “registry-mirrors
1.3K20编辑于 2022-09-02 - 来自专栏老司机的技术博客
golang学习笔记8:控制结构
关键字 if 和 else 之后的左大括号 { 必须和关键字在同一行，如果你使用了 else-if 结构，则前段代码块的右大括号 } 必须和 else-if 关键字在同一行。这两条规则都是被编译器强制规定的。
67630发布于 2018-11-06 - 来自专栏Ywrby
8-TCL事务控制语言
TCL语言 事务控制语言 Transaction Control Language 事务控制语言 事务： 一个或一组sql语句组成的一个执行单元，这个执行单元要么全部执行，要么全部不执行。 并发执行的各个事务之间不能互相干扰 Durability 持久性：持久性指一个事务一旦被提交，它对数据库中数据的改变就是永久性的，接下来的其他操作和数据库故障不应该对其有任何影响 # TCL语言 事务控制语言 /* Transaction Control Language 事务控制语言 事务： 一个或一组sql语句组成的一个执行单元，这个执行单元要么全部执行，要么全部不执行。
97410编辑于 2022-10-27 - 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（一）
同样，最近发展基于脑电图（EEG）的控制方法的趋势和尝试也显示了这一领域在现代生物机器人领域的潜力，但是基于脑电的控制方法有待完善。 肌电图（EMG）能够直接反映人的运动意图或使用者的肌肉活动，因此在生物机器人的控制方法中，肌电图（EMG）一直是最常用的生物信号之一，许多例子，如轮椅、假肢、外骨骼/矫形器都显示了基于肌电的肌肉信号的有效性 基于肌电的方法不能用作输入，例如，上肢完全瘫痪的人可能无法使用外骨骼等设备，因为很难从瘫痪肢体的肌肉获取控制信号。 例如，在假肢控制的情况下，基于肌电图的方法所需的一些肌肉可能不可用，在这种情况下，EEG信号可以用来补偿缺失的肌电信号。 悄悄插播一条小广告 ” BCIduino 8通道脑电放大器具体参数如下： 输入阻抗：1TΩ 输入偏置电流：300pA 输入参考噪声：1μVpp 采样速率：250 Hz/500Hz 共模抑制比
82110发布于 2020-12-22 - 来自专栏脑机接口
智能康复 | 康复机器人的意图识别技术
康复机器人是非常重要的康复方式，目前多通过硬件来控制：如机械按钮、操纵杆、平板电脑等。硬件控制的优点是稳定明确，但患者接受的是被动运动。 巴西研究者已经通过脑机接口控制外骨骼机器人的方式，实现了令人惊讶的显著有效性。 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。 制备好的柔性电极阵列如下图所示，是不是很酷炫，可以随便折，不怕断： 柔性电极阵列应用于肌电信号采集并控制患者假肢 研究者把研制的8通道柔性电极（下图a）贴在一名装有神经假肢的患者上手臂（下图b），可以看到 ，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）。 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 end可根据用户的肌电幅值个性化设定阈值，或使用机器学习模型实现更智能识别。 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。
38300编辑于 2025-06-24 - 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？ 这个时候，肌电+传感器的识别优势就凸显出来了，它在功耗和成本上都能做到很好的控制。 “在传感器这块，医疗市场上现有能用的方案会比较贵，但是我们会单独做一个芯片。 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 - 来自专栏脑机接口
运动训练中增加负荷如何改变肌群协同？这与我们大脑皮层激活有关吗？
此外，额外负荷会降低运动速度和推迟主动肌肌电峰值出现的时间。 在神经康复中，患者克服运动负荷进行训练时，运动表现可能会改善。 近红外通道定位和表面肌电示意图。(A)空间位置。根据配准概率，红色矩形通道位于BA4(通道6、7、8、15、16、17、18)，蓝色矩形通道位于BA6(通道24、25、26、33、34、35、36)。 结果表明，肌群协同控制策略在不同负载量级之间存在显著的负相关。(A)所有受试者的样本回归线显示了总体趋势。(B)所有受试者的样本回归线，显示合并后的数据。 线性模型显示，BA6的线性趋势强于BA4(图8B)。 图8. 肌群协同相似性和皮层激活之间的ROI相关性。本研究绘制了简单的回归线来显示总体趋势。 最终结果显示，负荷的增加导致肌群协同相似度降低，且其与皮层激活程度呈现显著负相关，说明负荷特定的肌肉控制策略。
43620编辑于 2023-09-25 - 来自专栏网络安全攻防
K8s Rootkit集群控制
使用到的技术主要有以下几个： kube-proxy镜像(就地取材) 动态容器注入(高隐蔽性) Meterpreter(流量加密) 无文件攻击(高隐蔽性) DaemonSet和Secret资源(快速持续反弹、资源分离) K8S 渗透 常见的K8S集群如下所示： 常见的K8S的渗透路径： 形象的K8S的渗透过程： 集群控制 我们控制一个Kubernetes集群需要经过以下几个阶段： Web渗透 >> 提权 >> 逃逸 >> 如果此时的Master参与Pod调度，那么我们可以利用DaemonSet资源特性(如果有Pod挂掉，DaemonSet控制器将自动重建该Pod)，自动在所有节点上均部署一个Pod实例，同时将把DaemonSet 和反弹shell结合在一起实现反弹shell控制节点的目的，下面是一个实例： apiVersion: apps/v1 kind: DaemonSet metadata: name: attacker spec 逃逸并控制节点
54130编辑于 2023-10-23 - 来自专栏Devops专栏
8.Condition 控制线程通信
8.Condition 控制线程通信 前言 前一篇我们讲述了 同步锁 Lock，那么下面肯定就要讲解一下 同步锁 Lock 如何控制线程之间的通讯。 不过，在讲解 同步锁 Lock 通讯之间，我们首先来回顾一下 基本同步控制之间的线程声明周期，如下图： image-20200822082951771 可以看到上面有很多通讯的方法. 这些就是控制线程间通讯的方法。 image-20201103220804721 7.4 测试执行 在生产与消费方法中，使用 while 解决了 虚假唤醒之后，下面来执行看看，如下： image-20201103220928349 8.
50410编辑于 2022-03-23
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