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（三)

挑 战

混合方法的一个主要问题是难以实现基于肌电图和脑电图的方法的完美集成。虽然不同的技术可以用来结合肌电图和脑电图的方法，但应该注意的是，并非所有的组合都是可行的，有时联合方法的有效性可能低于单独使用脑电图或肌电图。因此，重要的是批判性地考虑如何将两个信号结合在一个特定应用的控制方法中，以获得最佳结果。

另一方面，单独处理基于EEG或者EMG的控制方法所面临的所有挑战，仍然是EEG-EMG混合控制方法面临的问题，技术是基于脑电-肌电混合控制方法的限制因素之一。

高密度EEG系统可以提供很多细节，但是当这些系统覆盖了用户的整个头部时，使用这种系统有时是不实际的，因为用户可能会感到不舒服。脑电和肌电图数据测量系统的紧凑和低重量设计需要引入，以便在用户需要走动时使用，特别是在生物机器人应用中，例如外骨骼或假肢，极有可能脑电图信号被运动伪影污染，因此，在控制器方法中加入运动伪影去除方法是必要的。

由于混合EEG-EMG控制方法的复杂性，有时这些系统很难被用户训练或适应。在基于EEG-EMG的混合控制方法中，需要特别考虑训练过程。

此外，在回顾性研究中，大多数实验都是针对有能力或健康的受试者进行的。真实使用者（通常身体虚弱、残疾或受伤）的脑电图信号是否与健康受试者的脑电图信号表现相似，这仍是一个悬而未决的问题。另一个巨大的挑战将是在真实的病人或残疾人身上测试这些控制方法的过程。

结论与未来方向

为了充分利用基于EMG/EEG的控制方法，克服各自的缺点，可以将EMG和EEG-based控制方法相结合，形成一种基于EEG-EMG的混合控制方法。在这篇文章中，我们回顾了现有的将脑电图和肌电信号相结合的控制方法，我们已经讨论了每种控制方法的设计概况和主要特点，提供单独使用EEG或EMG以及结合EEG-EMG信号的成功率或定量值，以比较有效性。

我们根据肌电图和脑电信号的组合，将每种方法分为序贯法和同时法。在大多数回顾性研究中，肌电图和脑电图信号是同时处理的，同步方法的主要优点是，如果适当地进行融合，可以提高整个系统的精度。据观察，在一些方法中，传感器已被用于设计中。

整合脑电图和肌电图以外的传感器信号可能很重要，因为它们不仅提供额外的信息，而且可以提高系统的可靠性和准确性。很少有研究在混合控制方法中使用基于肌电图和脑电图的顺序组合控制方法。在这种方法中，肌电信号可以作为基于EEG的控制方法的转换机制。反之亦然，这种方法的主要优点是可以将复杂的控制要求分布在EEG和EMG通道之间。

基于EMG的混合控制方法的优点可以凸显出来，与单独使用基于EEG或EMG的控制方法相比，混合方法可以在精度、可靠性或鲁棒性等几个性能指标上提供积极的改进。结合EEG-EMG控制方法可以通过引入额外的自由度来提高假肢和外骨骼等应用的潜力，并增强控制方法的鲁棒性。

即使基于肌电的方法所需的所有肌肉都可用，EEG信号也可以用来补偿基于EMG的控制中的一些常见问题，例如疲劳或意外的震颤。此外，与完全基于EEG的控制方法不同，在这种方法中，用户可能必须高度关注自己的活动，这些混合方法可能有助于减少用户在使用生物机器人设备时的脑力劳动。

然而，正如挑战一节中所讨论的，为了提高混合EEG-EMG方法在生物机器人应用中的有效性，还有许多问题有待解决。同时，对于未来的研究来说，提供这种混合EEG-EMG方法的定量性能指标是很重要的，以证明它们与其他控制方法相比的有效性。

为了得出一般性的结论，有必要根据脑电图和肌电图的实际数据，在信号处理方面给出有效的结果。就本文所回顾的研究而言，很明显，大多数研究缺乏临床研究或实际患者的测试结果。尽管生物技术是一个正在增长的领域，在这种情况下，未来的研究必须进行更多的临床实验，以便在真正的最终用户中验证所提出的方法。

从方法论的角度，可以研究个体控制方法相结合的新方法，如EEG和EMG信号的自适应融合方法。例如，患有运动障碍的患者在开始时可能无法使用肌电信号移动康复外骨骼，因此，可以优先考虑基于EEG的控制方法来最初控制此类设备。当使用者习惯于这种康复过程时，基于肌电图的控制方法可以得到更多的重视。

此外，在设计基于EEG-EMG的混合控制方法时，可以考虑EEG和EMG信号之间的相关性。综上所述，在当前的趋势下，我们可以看到基于EEG-EMG的混合控制方法在生物机器人应用中的潜力，但是，为了提高其有效性，并最终将这些技术带出实验室，还需要进行更多的研究。

参考文献

[1] Y. Onishi, S. Oh, Y Hori, New Control Method for Power-Assisted Wheelchair Based on Upper Extermity Movement Using Surface Myoelectric Signal, Proceedings of IEEE 10th International Workshop on Advanced Motion Control, 2008, 498-503
[2] T. Felzer, B. Freisleben, HaWCoS: Th