- 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
25810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）
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
33100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。
27310编辑于 2025-06-25 - 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。
32420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。
41410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 ——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。
65810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
57600编辑于 2025-09-16- 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。 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。 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。
1.3K30发布于 2020-12-23 - 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。
98910编辑于 2024-08-20 - 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。
36200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。
81750发布于 2018-05-29 - 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。 ? ，通过蓝牙用手指、手势和手臂的动作指令（比如握拳、伸掌等）直接控制教育类机器人的所有动作（比如前进、后退等）；¬¬ ? 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。 ?
1.2K30发布于 2018-05-28 - 来自专栏脑机接口
一种基于EEG和sEMG的假手控制策略
该方法仅用1 个肌电传感器和1 个脑电传感器实现多自由度假手的控制. 多自由度肌电假手的控制依赖于多通道的肌电信号，对于截肢后肌肉出现萎缩、截肢部位较高等情况的患者，他们手臂上残留的可以进行肌电信号测量的部位较少，无法采用多个传感器测量多路信号来进行动作模式的识别，给假手的使用带来困难 肌电信号不仅与肌肉本身的组织生理特性有关, 还与神经控制系统有关.而且肌电信号存在很强的个体差异, 不同测试者在手臂相同位置测量得到的肌电信号差异较大;测量部位不确定, 同样会带来肌电信号的差异。 所以使用者在安装佩戴假手时, 需要先对其残臂上的肌电信号进行测量, 然后根据其肌电信号的强度对假手的控制参数进行调整, 并且往往需要经过一段较长时间的训练和适应, 佩戴者才能够较为灵活地控制假手. 在触觉刺激的研究中, 常用的方法有电刺激、顶针刺激、热刺激和振动刺激等, 其中机械振动刺激是一种较为理想的触觉刺激方式, 其装置简单小巧、感知舒适性好、响应速度快、可调范围大、平均功耗低、一致性好且易于驱动控制
68710发布于 2020-06-30 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。 她对喉科学的兴趣始于医学院，当时她对听力和声音产生着迷，这使她专注于声音产生的神经控制，然后是喉部肌张力障碍——但她是从零开始。"当时真的什么都不知道，"研究员说。" 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。
17910编辑于 2025-10-18- 来自专栏全栈程序员必看
数电设计–交通灯控制系统「建议收藏」
一、课程设计的内容 题目：交通灯控制系统 交通灯控制系统是典型的数字电路系统，通过该系统的设计、仿真、制板、答辩和报告等环节，同学可得到数字电路及系统的综合训练。 本课程要求设计一个十字路口的交通灯控制器，控制A、B两条交叉道路上的车辆通行。 利用双4选1数据选择器74LS153控制Y1、Y2， Y1Y2在10—00—01—00循环， B=QB，A=QA其中QB、QA是控制器的输出端， QBQA在01—10—11—11循环。 控制器 通过计数器在4—0s置数，又从29—0s置数，在4—0s置数，又从19—0s置数,这四种发生使计数器反馈置数端输出高电平，作为控制器的脉冲信号的输入端，因此，这四种高低电平位构成脉冲周期，因此 控制器如图17所示。 4.
6.3K33编辑于 2022-11-08 - 来自专栏机器人网
世界机器人大会闭幕，聊聊它发布的十大最具成长性技术
生物信号也可以控制机器人——生肌电控制技术 利用人类上肢表面肌电信号来控制机器臂的技术，可以增强人机交互的自然性和主动性，在远程控制、医疗康复等领域有着较为广阔的应用。 肌电控制机器臂是一种生物电控制的典型“人一机系统”，目前比较成熟的是肌电控制假肢，能够反映人肢体的运动信息，控制简单， 与其它方式控制的假肢比起来具有很多的优越性，因而受到患者的青睐，拥有广阔的市场。 一种无线电探针原型也已开发出来，但尚处于试验阶段。 尽管肌电假肢在实际应用中获得了巨大的成功，但当截肢者的残肢太短，或者因瘫痪而导致肌肉萎缩时，就不能提供足够的肌电假肢所需要的控 制信息。 同时，肌肉的疲劳、电极位置的改变、肌电信号的训练、体重的波动都会使肌电信号的特征值发生变化，造成多自由度肌电假肢的控制准确度难以提高。 由于受对肌电信号的解码能力所限，肌电假肢所能控制的自由度也是很有限的，大都仍然是单自由度，通过上臂肌肉的收/缩来控制。
93650发布于 2018-04-25 - 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。 本文综述了近年来在生物机器人领域尝试或发展的基于肌电图和脑电的混合融合控制方法，并提出一些潜在的未来方向。 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。
81310发布于 2020-12-22 - 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Backyard Brains
Backyard Brains与腾讯云结合的神经科学远程实验解决方案
Human SpikerBox支持采集人体肌电（EMG）、心电（EKG）、脑电（EEG）和眼电（EOG）信号，适合初学者及高级用户，广泛应用于教学和科研。 通过蓝牙控制器对蟑螂触角神经进行微电刺激，实现无线左右运动控制，方便理解神经编码与行为调控。 Muscle SpikerShield 基于Arduino UNO的肌电采集扩展板，支持多通道EMG信号采集（单板支持1通道，最多叠加6块实现多路采集），便于科研项目扩展。 硬件采集与MQTT上报 将Backyard Brains设备（如SpikerBox）模拟输出连接至微控制器（ESP32/Arduino）ADC接口。 示例代码片段：float signal = analogRead(A0); // 采集肌电信号StaticJsonDocument<128> doc;doc["emg"] = signal;
29000编辑于 2025-06-17
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