There are several methods that can

There are several methods that can used to process the EMG signal. As you learned in previous
laboratory sessions, filtering can be useful to eliminate unwanted noise from biopotentials. High
and low pass filtering are commonly used to process EMG for use as a control signal. In order to
remove high frequency noise, a low-pass filter can be applied to the EMG data. This will
effectively smooth the EMG signal. When used as a control signal, low pass filtering can
provide smooth control and remove noise and jitter. On the other hand, a high-pass filter can be
applied to remove low frequency noise such as motion artifact. A high pass filter will not
provide smooth control, but will increase the response time of the system to allow for quick
transitions. There are many tradeoffs between using a high pass and low pass filters in signal
processing. The example below (Fig 1) shows a raw EMG signal and then the same signal low
pass filtered at 25 Hz and high pass filtered at 25 Hz. Notice how low pass filtering the EMG
signal removes much of the information content of the signal. Notice how the high pass filter
removes the low frequency noise from the signal

positive value refers to an increase in muscle activity. Often times a root mean square (RMS)
value or integral of the EMG signal over discrete intervals of time are used as a processing
technique. This may be a sliding window interval or discrete blocks of time. Completing a bin
integral or bin RMS value of the EMG signal acts as a low pass filter and can help to smooth the
EMG data. For the laboratory experiments that you will complete below, a sliding RMS window
is used to control the virtual robotic arm.
There can be several problems with using the EMG signal as a control source. First,
normalization can be an issue. Normalization refers to finding a maximum and minimum value
for the EMG signal and then normalizing all values to those levels so that your control source
varies between 0 and 1. If the subject is not completely relaxed during the initial calibration or
they did not generate a maximum force, the normalization during the control will be affected.
Additionally, muscles fatigue over time. Muscle fatigue causes the frequency of the EMG signal
to decrease, but the amplitude of the EMG signal to increase. Therefore, the original calibration
may not be valid if the subject is using the system for a long time and fatigue occurs.

Kết quả (Việt) 1:

Có rất nhiều phương pháp có thể sử dụng để xử lý tín hiệu EMG. Như bạn đã học được ở trướcPhòng thí nghiệm phiên, lọc có thể hữu ích để loại bỏ tiếng ồn không mong muốn từ biopotentials. Caovà vượt qua thấp lọc thường sử dụng để quá trình EMG để sử dụng như là một tín hiệu điều khiển. Đểloại bỏ tiếng ồn tần số cao, một bộ lọc thông thấp có thể được áp dụng cho dữ liệu EMG. Điều này sẽhiệu quả mịn tín hiệu EMG. Khi được sử dụng như là một tín hiệu điều khiển, vượt qua thấp lọc có thểcung cấp kiểm soát mịn và loại bỏ tiếng ồn và jitter. Mặt khác, một bộ lọc vượt qua cao có thểáp dụng cho loại bỏ tiếng ồn tần số thấp chẳng hạn như chuyển động artifact. Một bộ lọc cao pass sẽ khôngcung cấp kiểm soát mịn, nhưng sẽ tăng thời gian phản ứng của hệ thống cho phép nhanh chóngquá trình chuyển đổi. Có rất nhiều cân bằng giữa việc sử dụng một đèo cao và thấp vượt qua bộ lọc trong tín hiệuchế biến. Ví dụ dưới đây (hình 1) cho thấy một tín hiệu EMG nguyên và sau đó tín hiệu tương tự thấpvượt qua lọc ở 25 Hz và cao vượt qua lọc ở 25 Hz. thông báo như thế nào thấp vượt qua lọc EMGtín hiệu loại bỏ phần lớn nội dung thông tin của các tín hiệu. Thông báo như thế nào cao vượt qua bộ lọcloại bỏ tiếng ồn tần số thấp từ tín hiệugiá trị đề cập đến sự gia tăng trong cơ hoạt động tích cực. Thường lần một gốc có nghĩa là square (RMS)giá trị hoặc tích phân của tín hiệu EMG trên rời rạc khoảng thời gian được sử dụng như một xử lýkỹ thuật. Điều này có thể là một khoảng thời gian cửa sổ trượt hoặc rời rạc khối thời gian. Hoàn thành một thùngintegral or bin RMS value of the EMG signal acts as a low pass filter and can help to smooth theEMG data. For the laboratory experiments that you will complete below, a sliding RMS windowis used to control the virtual robotic arm.There can be several problems with using the EMG signal as a control source. First,normalization can be an issue. Normalization refers to finding a maximum and minimum valuefor the EMG signal and then normalizing all values to those levels so that your control sourcevaries between 0 and 1. If the subject is not completely relaxed during the initial calibration orthey did not generate a maximum force, the normalization during the control will be affected.Additionally, muscles fatigue over time. Muscle fatigue causes the frequency of the EMG signalto decrease, but the amplitude of the EMG signal to increase. Therefore, the original calibrationmay not be valid if the subject is using the system for a long time and fatigue occurs.

Kết quả (Việt) 2:

Có một số phương pháp có thể được sử dụng để xử lý các tín hiệu EMG. Như các bạn đã học được trong trước
buổi thí nghiệm, lọc có thể hữu ích để loại bỏ tiếng ồn không mong muốn từ biopotentials. Cao
và thấp qua lọc thường được sử dụng để xử lý EMG để sử dụng như một tín hiệu điều khiển. Để
loại bỏ tiếng ồn tần số cao, một bộ lọc thông thấp có thể được áp dụng cho các dữ liệu EMG. Điều này sẽ
có hiệu quả mịn tín hiệu EMG. Khi được sử dụng như là một tín hiệu điều khiển, bộ lọc thông thấp có thể
cung cấp điều khiển mịn màng và loại bỏ tiếng ồn và jitter. Mặt khác, một bộ lọc cao-pass có thể được
áp dụng để loại bỏ tiếng ồn tần số thấp như hiện vật chuyển động. Một bộ lọc thông qua cao sẽ không
cung cấp điều khiển trơn tru, nhưng sẽ làm tăng thời gian phản ứng của hệ thống để cho phép nhanh chóng
chuyển tiếp. Có rất nhiều sự đánh đổi giữa việc sử dụng một pha chuyền bóng cao và bộ lọc thông thấp trong tín hiệu
xử lý. Ví dụ dưới đây (Hình 1) cho thấy một tín hiệu EMG liệu và sau đó cùng một tín hiệu thấp
qua lọc ở 25 Hz và cao lọc tại 25 Hz. Chú ý cách thấp qua lọc EMG
tín hiệu loại bỏ nhiều nội dung thông tin của tín hiệu. Chú ý các bộ lọc thông cao
loại bỏ tiếng ồn tần số thấp từ các tín hiệu giá trị tích cực liên quan đến sự gia tăng trong hoạt động cơ bắp. Thông thường một gốc có nghĩa là vuông (RMS) giá trị hoặc không thể thiếu của các tín hiệu EMG qua khoảng thời gian rời rạc thời gian được sử dụng như là một chế biến kỹ thuật. Đây có thể là một khoảng thời gian cửa sổ trượt hoặc các khối rời rạc của thời gian. Hoàn thành một bin giá trị RMS thiếu hoặc bin trong các hành vi tín hiệu EMG như một bộ lọc thông thấp và có thể giúp làm mịn dữ liệu EMG. Đối với các thí nghiệm trong phòng thí nghiệm mà bạn sẽ hoàn thành dưới đây, một cửa sổ RMS trượt được sử dụng để điều khiển các cánh tay robot ảo. Có thể có một số vấn đề với việc sử dụng các tín hiệu EMG như một nguồn điều khiển. Đầu tiên, bình thường có thể là một vấn đề. Bình thường đề cập đến việc tìm kiếm một giá trị tối đa và tối thiểu cho các tín hiệu EMG và sau đó bình thường hóa tất cả các giá trị cho những người cấp để kiểm soát nguồn của bạn thay đổi giữa 0 và 1. Nếu chủ thể không hoàn toàn thoải mái trong việc chuẩn ban đầu hoặc họ không tạo ra tối đa lực, sự bình thường trong quá trình điều khiển sẽ bị ảnh hưởng. Ngoài ra, cơ bắp mệt mỏi theo thời gian. Cơ bắp mệt mỏi gây ra các tần số của tín hiệu EMG giảm, nhưng biên độ của tín hiệu EMG tăng. Vì vậy, sự cân chỉnh ban đầu có thể không có giá trị khi đối tượng đang sử dụng hệ thống trong một thời gian dài và mệt mỏi xảy ra.