随着人工智能（AI）算法的不断进步，基于表面肌电信号（sEMG）的手势识别精度持续提升。时空多通道sEMG信号为各类研究提供了更丰富的数据与更高的可靠性。本教程将详细介绍韩国成均馆大学研究人员开发的一种双极可拉伸sEMG电极阵列，该阵列结合基于自注意力的图神经网络（GNN），实现了高精度手势识别，内容涵盖系统原理、传感器设计、手势识别精度及长期可用性等关键要素。

1. 系统整体工作原理

本研究中，可拉伸多通道sEMG传感器系统的工作原理如下图所示。可拉伸sEMG传感器贴片佩戴于人体模型前臂，顶部设有无线采集设备。前臂骨骼肌肉在神经激活下与皮肤上的多通道EMG传感器连接，产生EMG信号。数据采集系统检测该信号，并通过板载蓝牙技术进行无线传输。随时间推移，收集的原始sEMG数据集被转换为类似图像的表达形式，作为神经网络模型的输入，用于高精度手势识别系统。

用于静态和动态手势识别系统的带有GNN的可拉伸阵列sEMG传感器概念图

小提示： 将原始sEMG数据集转换为类似图像的表达形式，是图神经网络高效处理的关键步骤。确保数据采集时电极接触良好，有助于提升转换后的数据质量。

2. 传感器电极阵列设计

本研究开发的传感器拥有 2 × 10个电极，其中8对（垂直于中性轴）用作双极电极（测量电极）记录sEMG信号，其余4个电极用作参考电极（接地电极）以降低背景噪声。每个电极采用六方聚酰亚胺（PI）支撑的薄金属布局，并基于Kirigami（剪纸艺术）设计蛇形布线几何结构，称为 Kirigami蛇形金属（KSM）电极。

• 双极电极（测量电极）： 8对，用于记录sEMG信号。
• 参考电极（接地电极）： 4个，用于降低背景噪声。
• 电极结构： 六方聚酰亚胺（PI）支撑的薄金属布局，采用Kirigami蛇形布线。

3. 手势识别与最佳传感器位置

不同手势对应的EMG信号手势识别精度因传感器阵列位置不同而异。多次采集时传感器位置偏差会导致精度下降，主要归因于肌肉间串扰。因此需要确定最佳传感器位置以实现特定操作目标。研究人员共使用 18种手势，包括休息手势（1种）、静态手势（13种）和动态手势（4种）。

为找到对应18种手势的阵列传感器在皮肤上的最佳位置，考虑了四个位置，并采用基于AI的图神经网络模型，根据手势识别精度评估位置1-4的适用性。位置2表现出 97.76±0.03% 的最高准确度。该位置电极与不同类型肌肉对准良好，可能是高精度原因。

大面积sEMG传感器阵列，可连续实时监测前臂的各种静态和动态手势

小提示： 实际佩戴传感器时，建议将电极阵列对准前臂骨骼肌区域（类似位置2），以最大化手势识别精度。若位置偏移，可轻微调整并重新校准模型。

4. 长期可用性与重复使用性

为确认sEMG传感器阵列的长期可用性，每24小时记录一次sEMG信号。实验观察到所有通道原始sEMG信号在72小时内几乎无变化，证明阵列传感器的长期稳定性。同样，基于阵列传感器测量的sEMG信号，对可重用性测试进行了定性评估。结果与长期可用性相似，表明传感器在重复取下和佩戴循环下能传输稳定EMG信号，具有鲁棒性。

通过记录18种手势的sEMG信号和图注意力网络，评估皮肤上可拉伸阵列传感器的长期可用性

• 长期稳定性： 72小时内原始sEMG信号几乎无变化。
• 重复使用性： 经过10次以上重复取下和佩戴循环，识别准确度仍保持在 ~95%（95%）。

5. 常见问题与解答

• 问：为什么需要双极电极和参考电极的组合？
  答：双极电极（测量电极）用于记录肌肉活动产生的sEMG信号，而参考电极（接地电极）可有效降低背景噪声，提高信号质量，使手势识别更准确。
• 问：传感器的最佳位置为什么是位置2？
  答：位置2的电极与不同类型的骨骼肌对准更好，减少了肌肉间串扰，因此基于图神经网络识别18种手势的准确度最高（97.76±0.03%）。
• 问：传感器可以重复使用吗？长期使用后精度会下降吗？
  答：可以。研究显示，即使经过10次以上重复使用和72小时长期测试，手势识别准确率仍保持在约95%，说明传感器具有良好的鲁棒性和稳定性。
• 问：该系统能否用于手语识别？
  答：可以。由于能够快速准确识别静态和动态手势，该系统有望应用于手语识别，帮助听力障碍者进行视觉交流。

6. 总结与应用前景

总之，研究人员成功开发了一种大面积、可拉伸、双极sEMG传感器电极阵列，集成了板载蓝牙实时采集设备，用于sEMG信号的无线监测。同时报道了一种基于人工智能GNN的系统，该系统经过训练可识别包括静态和动态手势在内的18种手势，平均准确率为 97%。该传感器系统利用可拉伸、粘性和透气的贴片支撑的电极阵列记录稳定EMG信号，实现长期可用性。sEMG阵列传感器由可拉伸贴片机械支撑，提供稳定性能，同时在长期可用性和重复使用性下保持了几乎相同的手势识别精度。由于手势快速准确识别，该系统可实现从义肢到虚拟现实（VR）的高效控制应用，甚至可能适用于手语——这种视觉交流模式通常由听力障碍者和失聪人士使用。

编辑：黄飞