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。在这个混合接口中，结合了EEG信号和EMG信号，混合方法的应用可能有所不同，从一个简单的游戏控制应用程序，到假肢手臂控制应用程序。
这篇综述的主要目的是研究生物机器人学的应用，例如假肢和外骨骼，因此范围缩小到研究混合EEG-EMG方法在生物机器人中的应用。如前所述，有许多可能的方法将肌电图和脑电图信号结合在一种特定的控制方法内，以提高有效性。

一般来说，EEG或EMG信号可用于操作应用程序的各个部分，例如辅助设备中的部件，或者，所有这些都可以组合起来。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。作为一个双输入系统，混合EEG-EMG接口可以同时处理输入信号，也可以按顺序处理输入信号。
在这篇综述文章中，我们将把生物机器人应用中的混合控制方法的每一项研究分为两类，根据输入处理方法是同时的还是顺序的，EEG-EMG方法的比较和本文讨论的不同混合方法的重要特征总结如表1所示。重要的是，无论EEG-EMG信号的融合方法是什么，与单独使用EMG或EEG信号的方法相比，混合方法能获得更高的有效性。

表1 几种不同EMG-EEG混合方法的比较

很少有研究报告通过使用混合方法来补偿基于肌电图的控制方法在生物机器人应用中出现的问题，肌电信号经常被用作假肢、外骨骼或轮椅等设备的控制输入，因为有时残疾人、体弱者、老年人或受伤者的肌肉仍有残余活动，基于肌电信号的控制方法仍存在一些有待解决的问题。
单独使用肌电信号时可能遇到的一个问题是肌肉疲劳，除了正常的肌肉收缩水平外，这还会影响肌电图的振幅和频谱。尤其是随着年龄的增长，骨骼肌纤维的尺寸变小，力量减弱，这导致老年人的力量下降和迅速疲劳的趋势。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。
除了一些尝试，也很少有研究报告是为了开发基于肌电图的控制方法，这些方法对肌肉疲劳具有鲁棒性，另一方面，在控制方法中，EEG信号可以作为一个附加的输入信号来处理肌肉疲劳情况，而不是单纯依赖于肌电信号。

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