- 综合排序
- 最热优先
- 最新优先
- 来自专栏Shimmer3
基于 Shimmer3 EMG 的五指机械手控制系统设计与实现
作者：科采通 标签：Shimmer3、肌电控制、MATLAB、Arduino、机器人手、EMG一、项目背景肌电图（EMG）作为一种能够反映人体肌肉活动的生理信号，广泛应用于假肢控制、人机交互、康复工程等领域 本文以 Shimmer3 EMG 模块 为基础，搭建一个完整的系统，使机械手能够模仿用户的手指动作。 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 三、Shimmer3 数据采集配置在 MATLAB 中读取 Shimmer3 蓝牙串口数据，可使用 serialport 函数：matlab复制编辑shimmerPort = serialport("COM3 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。
36900编辑于 2025-06-24 - 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 3. 实时波形显示效果运行以上代码后，你将看到类似“六通道示波器”的图形界面，实时滚动展示从 BITalino 获取的传感器数据。 int emgValue = getEMGValue(); if (emgValue > emgThreshold) paddleY -= 5; else paddleY += 5;}3. 将数据发送到 Unity / Web 浏览器，结合动画或 3D 游戏。 六、总结BITalino 是一个极具教育性与创造力的生理信号开发工具。
27710编辑于 2025-06-25 - 来自专栏零域Blog
JavaScript 语言精粹笔记3-方法、毒瘤等
content {:toc} 记录一下阅读蝴蝶书的笔记，本篇为书中最后一部分：方法、代码风格、优美的特性、毒瘤、糟粕等。 方法 这一章主要介绍了一些方法集。这里写几个我不太熟悉的方法和要点吧。 new Object和new Array等。 避免使用void。 本系列结束。
35710编辑于 2022-03-02 - 来自专栏云深之无迹
Nature 新作：用神经网络去除可穿戴设备运动伪迹（徐升课题组新作）
见 Fig. 3a（Page 5） 作者做了： 采集纯手势信号 19 种前臂手势，对应六轴 IMU；姿势包括：向上/下、向左/右、旋转 wrist 等（Fig. 2a，Page 4）。 可以拆成 3 个层级： BOM 可穿戴端（硬件+本地采样层） 柔性电池（Zn–Ag₂O）供电 3 V 6 轴 IMU（LSM6DS3）采集前臂姿态/运动 干电极 EMG（Cu/CNT/PDMS）+ AD8426 ST） 3 轴加速度计（电容式 MEMS，采用双电容板+质量块结构） 3 轴陀螺仪（测角速度，重力不影响其 baseline） 电路连接： IMU 电源端：0.1 µF 去耦电容（C2 等） I²C 线 （SCL/SDA）：10 kΩ 上拉电阻到 3 V（R9 等），所有参数按 LSM6DS3 datasheet 推荐值设计 信号特性： 加速度信号同时包含： 前臂手势信号；重力分量（姿态改变→baseline MCU & BLE 通信链路 核心器件：nRF51822（BLE MCU） 负责：I²C 采集 IMU 数据；ADC 采集 EMG；BLE 协议栈 & 无线发送；供电：3 V 电池 去耦电容 C9–C13
22710编辑于 2026-01-07 - 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)
02 基于肌电图的混合控制方法综述 基于EEG-EMG的混合控制接口的基本思想是在控制方法中融合EEG和EMG信号，信号的融合可以以许多不同的方式进行，并且可能取决于特定应用和用户能力等因素。 image.png 在试验中，对12名健康受试者（3名受试者被移除）进行了实验，在这项研究中，肌电图活动的准确率为87%，而脑电图活动的准确率为73%。 在这种方法中，第一步是利用C3、CZ和C4电极的表面拉普拉斯滤波记录的EEG信号来识别受试者的有意自愿运动。 在设计的框架中，EEG和EMG信号没有直接结合。 一些研究小组已经提出将脑电图和肌电信号整合在控制方法中，用于生物机器人的外骨骼等应用。 除了上述方法外，很少有文献提出BCIs中混合传感器融合的概念设计，在这些设计中，不仅要结合EEG和EMG信号，还要结合其他输入，如简单开关和运动传感器的信号，以提高信息传输速率、可用性和可靠性等。
1.3K30发布于 2020-12-23 - 来自专栏新智元
Meta公布黑科技：戴上腕带即可隔空打字，引领神经接口AR革命
Orion AR眼镜 meta推出的肌电图腕带 戴上这样一个腕带，你让双手舒适地放在身侧，同时进行鼠标的滑动、点击和滚动等操作，无缝控制数字内容。 emg2pose姿态估计：可完全预测用户的手部配置 另一个名为emg2pose的数据集，旨在解决肌电信号与手部运动之间的映射问题，这对于人机交互、康复工程和虚拟现实等领域具有重要意义。 该数据集包含来自193名参与者的370小时sEMG和手部姿态数据，从29个不同的行为组中采集，包括拳头、从一数到五等众多动作。 数据集包含25253个HDF5文件，合计达到431GB。 此外，数据集包含详细的元数据，如用户ID、会话、阶段、手部侧向、是否移动等，便于进行多样化的分析和实验。 在不同采集阶段及不同用户间，基于vemg2pose预测的泛化能力 emg2pose不仅提升了动作识别的准确性，还为手势控制、康复治疗等有潜在的应用可能。
43800编辑于 2025-02-15 - 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）
尽管肌电图（EMG）信号仍然存在一些挑战，但利用EMG信号控制此类生物机器人应用的进展是巨大的。 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。 在轮椅、假肢、外骨骼等应用中可以找到实现基于EEG信号的接口的各种尝试。 此外，在外骨骼等例子中，肌电图信号所需的一些肌肉可能断开或麻痹，或者连接到所需肌肉的某些神经可能断开。在这种情况下，脑电图也可以用来补偿丢失的肌电信号。 尽管对基于EMG的控制方法或基于EEG的控制方法（使用BCI）有许多评论，但很难找到任何当前在生物机器人应用中的EEG-EMG混合方法的深入综述。
81810发布于 2020-12-22 - 来自专栏落影的专栏
Audio Unit播放aacm4amp3等文件
Audio Unit播放PCM文件 Audio Unit录音（播放伴奏+耳返） 前面两篇介绍了Audio Unit播放PCM文件和边录边播，这次引入AudioConvert实现aac/m4a/mp3格式的播放 pcm播放； 下面Converter的两个格式： Source Format Sample Rate: 44100 Format ID: .mp3 1 Bytes per Frame: 2 Channels per Frame: 1 Bits per Channel: 16 3、 设置AVAudioSession的Category为AVAudioSessionCategoryPlayback；初始化AudioBufferList，设置AudioUnit的playback回调； 3、 AudioConverter 会进入 Finished 的状态； 返回非零的值，表示数据未完成，比如在demo中返回了NO_MORE_DATA，NO_MORE_DATA是自定义的非零返回值； 3、
3.3K100发布于 2018-04-27 - 来自专栏机器之心
虚空射箭、隔空打字、智能点击，Facebook智能腕带实现全新「脑控」方式
Facebook 坚称，虽然 EMG 腕带能读取神经信号，但这与读心术不同。 但 CTRL-Labs 仍然将这项技术描述为脑机接口，但它与埃隆 · 马斯克的 Neuralink 等技术形成了鲜明对比，后者通过植入物直接从大脑读取神经活动。 这可能包括打字模式的细微变化、身体整体紧张程度等。Facebook 现实实验室指出，他们有一个神经伦理计划，用来研究 AR 和神经接口技术的隐私、安全和安全影响等问题。 与大多数可穿戴技术一样，EMG 腕带提供了一个密切的视角来观察我们的身体是如何运动的——虽然没那么恐怖，这听起来像 EMG 腕带能读懂你的想法，但它仍然需要很多信任。 参考链接： https://www.theverge.com/2021/3/18/22338008/facebook-reality-labs-emg-wristbands-ctrl-labs-ar-interface-demo
65020发布于 2021-03-30 - 来自专栏ytkah
opencart3产品页调用upc数量等信息
opencart3产品页默认只调用标题、价格、型号等几个数据，如果想要调用更多的参数要如何操作呢？跟着ytkah一起来看看吧。
84620编辑于 2022-03-14 MATLAB表面肌电信号(sEMG)处理程序
数据预处理 processed_emg = preprocess_emg(emg_data, params); % 3. % 提取不同尺度的细节系数 d1 = wrcoef('d', c, l, 'db4', 1); d2 = wrcoef('d', c, l, 'db4', 2); d3 = wrcoef('d', c, l, 'db4', 3); d4 = wrcoef('d', c, l, 'db4', 4); d5 = wrcoef('d', c, l, 'db4', ; plot(d2); title('细节系数 D2'); subplot(7, 1, 4); plot(d3); title('细节系数 D3'); , 'MinPeakHeight', 0.1*max(abs(d3)), 'MinPeakDistance', 50); figure; plot(emg_signal); hold
58400编辑于 2025-09-16- 来自专栏biosignalsplux
BITalino 在个体生理状态监测中的应用探索 —— 多通道生物反馈信号记录案例分析
BITalino 是一个集成度高、价格亲民的生物信号采集平台，支持多通道信号同步采集，包含： 脑电图（EEG） 皮肤电（EDA） 心电图（ECG / EKG） 肌电图（EMG） 本文以一位用户的实际应用案例为参考 BITalino 硬件概述 设备名称：BITalino (r)evolution 连接方式：蓝牙（可被串口绑定为虚拟串口） 采样频率：最高 1000 Hz（具体取决于配置） 传感器支持： EEG：脑电（T3/ T4 等部位） EDA：皮肤电阻/电导 ECG：心律、心率变异性分析 EMG：肌肉活动检测 三、传感器佩戴与数据采集方式类型传感器位置用途EEG颞叶（T3/T4），参比电极置于耳后检测听觉通路活动 、Gamma 波动EDA手腕内侧记录皮肤电变化，反映情绪/应激反应ECG胸前三角分布记录心律、HRV 等心脏活动指标EMG上臂二头肌或太阳神经丛检测肌肉活动异常 ⚠️ 说明：实际应用中应遵守传感器使用规范 用户上传的记录）用户展示了其 29 分钟记录的前 10 分钟波形图，包括： EEG（通道 A1）出现异常高频伽马波（Gamma：480~530Hz） EDA（A2）显示快速剧烈的电导峰值波动 ECG（A3）
26310编辑于 2025-06-25 - 来自专栏Shimmer3
Shimmer3 可穿戴传感器平台简介
一、简介Shimmer3 是由 Shimmer Sensing 公司推出的高性能可穿戴生理与运动信号采集平台，广泛用于神经科学、生物医学工程、运动科学、心理学等研究领域。 帕金森病运动评估研究人员将 IMU 模块佩戴于患者手腕、腰部或脚踝，结合机器学习方法量化震颤、运动迟缓与冻结步态等症状。Shimmer3 提供高时间分辨率数据，有助于早期诊断与疗效追踪。2. 远程健康监测配合 ECG、EMG 和 GSR 模块，可实现对慢性病患者的心电、呼吸肌电、皮肤电导和脉搏等生理参数的连续监测，适合老年人健康跟踪与术后康复评估。3. 运动生物力学与姿态控制在体育训练、康复或人机交互研究中，Shimmer3 结合 IMU 可评估运动轨迹、动作稳定性与控制策略。配合 EMG 模块还可评估肌肉激活模式与疲劳状态。 在慢性阻塞性肺病（COPD）研究中，Shimmer3 EMG 模块成功采集到膈肌肌电信号，用于非侵入式评估呼吸负担。
46510编辑于 2025-06-17 - 来自专栏Shimmer3
Shimmer3 在多领域生理信号监测的创新应用与案例分析
作为全球知名的可穿戴传感平台，Shimmer3 凭借其模块化设计与科研级信号采集性能，广泛应用于心理学、生物医学工程、运动科学与人机交互等领域。 结合 iMotions 等软件，支持多通道同步与实时分析，常用于： 应激反应与压力测试实验 情绪唤醒与认知负荷研究 生物反馈与心理干预训练 案例：某高校采用 Shimmer3 GSR+ 监测受试者在 三、运动科学与康复训练Shimmer3 IMU（惯性测量单元）与EMG（肌电）模块组合，为运动姿态分析、肌肉状态监测与疲劳评估提供了可靠方案。 五、技术优势总结优势说明多模块自由组合ECG、EMG、GSR+、IMU 等传感器模块可按需配置无线+本地双数据采集方案支持蓝牙实时传输与8GB本地存储兼容多科研软件与开发平台MATLAB、LabVIEW 关键词：Shimmer3、可穿戴传感器、生理信号监测、NeuroLynQ、iMotions、神经营销、康复训练、消费者行为、GSR、ECG、EMG、IMU
27900编辑于 2025-07-16 - 来自专栏ytkah
opencart3属性attribute实现换行等简单html代码
opencart3属性attribute在前台页面默认是没有解析html代码功能的，比如想实现换行，后台这样写：line 1
line 2，但前台产品页也是line 1
line 2显示在同一行 那么opencart3属性attribute要如何实现换行等简单html代码呢？ route=marketplace/extension/info&extension_id=34012 2.上传插件，extension - install，将刚刚下载的插件上传安装 3.刷新缓存1.9K30编辑于 2022-03-14 - 来自专栏WordPress果酱
iPhone，iPad 等常用设备的 CSS3 Media Queries
什么是 CSS3 Media Queries CSS3 中的 Media Queries 可以让我们设置不同类型的媒体条件，并根据对应的条件，给相应符合条件的媒体调用相对应的样式表。 常用设备的 CSS3 Media Queries 所有 iPad Media Queries @media only screen and (min-device-width : 768px) and max-device-width : 1024px) and (orientation : portrait) { /* STYLES */ } 高清屏 iPad Media Queries 即 iPad 3 min-device-width : 320px) and (max-device-width : 568px) and (orientation : portrait) { /* STYLES */ } iPhone 2G, 3G
70310编辑于 2023-04-14 - 来自专栏脑机接口
天津大学研究团队开发了一种结合视觉场景和电刺激的长期运动训练神经反馈训练方法
根据20名受试的脑电图（EEG）和肌电图（EMG）数据探索神经生理反应和EEG-EMG耦合关系，证明了结合EEG和EMG模式评估和建立一个基于BCI的运动训练方法的可行性，也为皮质肌肉和运动康复的功能耦合机制提供了有力的证据 图2整个实验的实验范式；分别在实验第1天、第7天和第14天进行初始训练任务、中期任务和训练后任务，共3次单手抓握的运动执行（ME）/运动想象（MI）任务，同时记录此时的EEG和EMG信号。 结果分析 下图为实验组和对照组的平均脑电MI时频特征响应；C3和C4是MI和单侧分析的关键通道。 图3 图4 左侧和右侧手运动想象任务(LH-MI、RH-MI)典型频段绝对ERD功率空间拓扑图，可以看出，在空间拓扑功率方面，ERD功率的绝对分布表现出明显的横向现象，且感觉运动皮层区域的差异更明显， 图5 所有受试者的EEG和EMG信号对应分量之间的平均传递熵结果。
73320编辑于 2022-09-22 - 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). 引起伪迹的因素： 来自仪器的伪迹：扫描仪的故障、电极接触不良或故障、交流电干扰等； 来自人体的伪迹：眼睑及眼球运动、肌肉收缩、心电图、呼吸、皮肤出汗、血管搏动等； 物理伪迹：静电干扰、无线电信号、电极接触不良 、电磁波、电力线的干扰等。 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。 2）电极接触不良 由于电极与头皮间接触面积发生改变，电阻抗也有所变化，会导致描记笔瞬间向上、或向下急剧偏转，其波形会与棘波放电或电极伪迹引起缓慢地上升或下降类似，也可能与脑部慢波类似 3）脑电图机的机能部件障碍
2.8K00发布于 2019-11-11 - 来自专栏项目文章
Redis学习3：hash类型操作、拓展操作、实现购物等
首先可以理解成一个redis里面有一个小的redis。同时要注意引入了一个field的名字。
21810编辑于 2024-06-07 - 来自专栏闻语博客
SQLserver数据库之存储过程、游标等操作（3）
where EmpId=18 print @b2 2.表、临时表、表变量 --删除临时表 drop table #DB_U;; drop table #DB_U2; drop table #DB_U3; 表查询数据填充到新生成的#DB_U2表 select * into #DB_U2 from #DB_U where id<8; --两临时表联合查询 select * from #DB_U2 where id<3 into @t values(2,'2'); select * from @t select * from #DB_U; select * from #DB_U2; select * from #DB_U3; 3.循环 --while循环 declare @a int declare @sum int set @a=1 set @sum =0 while @a<=100 begin set @sum +=@ set @today=3 set @week= case when @today=1 then '星期一' when @today=2 then '星期二' when @today=3 then '星期三
1.1K20发布于 2021-01-21
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