EEPW论坛

背景

        我们有注意到，meta最新的ai眼镜，上了心肌电手环，可以通过食指和拇指间的运动来实现界面的操作。刚好有朋友也在找带上手环就能操作的方案，就想看看心肌电能不能做到。

继上篇的进展

        上篇链接：【肌电传感器（ＯＹＭｏｔｉｏｎ）试用】－－－心肌电传感器初步使用－电子产品世界论坛

        初步使用时，感觉纯幅度看数据没啥特别的规律，遂考虑转化成频域去看，但是转化到频域去看时，又发现如果不结合幅度看，频域数据很不准（因为噪声大，不操作时频率乱跳，操作时也没发现明显的频率变化差异），因此又做了个类似于vad检测的效果，在增加这种检测地过程中，发现在幅度域其实是能找到一些规律的。

        目前找到的规律如下：

            仅从幅度看，心机电检测的信号，其实与手指的肌肉收缩程度强相关（也可以认为是手指的用力程度相关）。

        基于此规律，我们仅需要对滤波后的数据进行平滑处理，找到手指不同操作方式的心机电对应的平滑后的值范围，便可初步地实现手指不同操作执行不同功能的效果（meta的效果），虽然还是会有小小的误判或者漏判。

具体代码

数据平滑部分

const uint16_t samples = 256; 
double temp_data[samples];

double average_level(void)
{
    int i = 0;
    double average = 0;

    while(i < samples)
    {
      average += temp_data[i];
      i++;
    }

    return average / samples;
}

double get_avarage_level(int gforce_envelope)
{
  static int current_index = 0;

  temp_data[current_index] = gforce_envelope;
  current_index++;
  current_index = current_index % samples;

  return average_level();
}

        这部分代码其实就是实现了个滑动窗平滑滤波器。

主loop函数

void loop()
{
  int data = analogRead(SensorInputPin);
  int dataAfterFilter = myFilter.update(data);  // filter processing
  int envelope = sq(dataAfterFilter);   //Get envelope by squaring the input
  static int nCount = 0;
  static double level = 0;
  static double level_max = 0;

  level = get_avarage_level(envelope);
  if(level < 1)
  {
    nCount++;
    if(nCount > samples)
    {
      if(level_max > 0)
      {
        //Serial.println(level_max,2);
        if((level_max > 10) && (level_max < 100))
        {
          Serial.println("Front");
        }
        else if((level_max > 1) && (level_max <= 10))
        {
          Serial.println("Left/Right");
        }
        level_max = 0;
      }
    }
  }
  else
  {
    if(level_max < level)
    {
      level_max = level;
    }
    nCount = 0;
  }

  delayMicroseconds(500);
}

      这里面主要是涉及到三个等级，1， 10，100，之所以选取这几个值，主要是因为手指不操作的情况下，心肌电读到的平滑后的数据值大致是1以下，也就是说，如果平滑后的数据是在0.7以下，就可以认为是未操作。而食指左右滑动时读到的值在1至10之间，因此在这个范围内，认为是手指左右滑动。而拇指前后滑动的变化值大致在10至100之间，在此范围内，可认为是拇指前后滑动。至于大于100的值过滤掉，纯粹是为了降低异常操作误判的概率（比如握拳等操作）。

实现效果

      可以看到，基本上能够识别食指左右滑动和拇指前后滑动，能勉强实现meta手环的效果。但也可以看出，效果并不算好，还得继续找合适的方法进行优化。