類似脈衝之
振幅產生
第五章
在本論文中，我們對手臂肌電訊號與手臂揮動速度之間的關係進行分析，配 之前完成可辨識手臂曲伸之動作分類器，成功發展出一套基於肌電波之機械手 意圖強烈程度，利用視覺回饋直 接、簡單、方便地控制遠端機械手臂，在了解手臂運動速度與肌電訊號之關聯時 我們朝時域及頻域兩方面研究，在頻域上我們對肌電訊號在頻譜上的表現進行了 分析，從頻譜上我們成功分析出頻譜分布與手臂揮動快慢之相關性以及與肌肉疲 勞度之相關性，並且討論其應用在即時控制上的缺失；在時域上，我們分析了肌 電訊號的振幅以及特徵值與手臂運動速度之相關性，且嘗試各種不同自變數來對 手臂速度作對映，期望能找出一個通用且正確性高的手臂辨速系統，最後我們採 用可即時反應出肌肉狀態的指標－振幅，在經過最大肌肉收縮量(MVC)偵測轉換 後，成功找出了擁有高正確度的手臂辨速系統；而頻域以及時域的研究讓我們對 手臂肌肉運動強弱所造訊號的變化有了更深層的認識。結合辨速系統以及動作分 類器可應用在義肢、機械上，以往大部分機械手臂或義肢只有針對姿勢進行的定 性分析如開合、曲伸等等，並未對定量作分析如手臂移動速度等等，在本論文我 們加上一般義肢所沒有的速度辨識功能，使身心障礙者或是年老不方便者擁有更 多選擇性，可依意圖之強烈增減義肢速度，可自然地操控義肢。
結論
合
臂辨速系統，使用者可以依需要以及依使用者
5.2 未來展望
雖然我們成功的建構出了基於肌電圖之機器臂控制辨速系統，然而此系統仍 許多可以改善的方向，因此在論文的最後我們提出一些需要改善的地方，以及
EMG 的研究議題，敘述如下：
1. 透過事前手臂速度的測量以及肌電訊號的擷取，然後對應得到映射函數，此 方法可適用於不同類型的使用者不論是高矮胖瘦，不過必須事前學習及微調 參數在即時控制略顯不足，未來希望可以朝著自我學習，依不同使用者能夠 自動調整最好之對映方程式。
2. 在我們的系統中，儘管藉由事前測量微調對映方程式能適用不同的使用者，
但因為使用的是表面電極，因而對於肌肉不明顯者（如肥胖）或肌肉不發達(如 肱三頭肌)難以得到乾淨且高品質之肌電訊號，因為在穩定度上能無法完全解 決，因此有必要尋求辨識率更高的特徵以及更好的分析方法。
3. 大部分市面上的義肢控制並沒有太多複雜的運動，僅僅是針對單一軸（手、
腕、肘）的控制，例如手掌打開、握緊，手肘屈曲、伸直，至於定量分析如 辨速系統上更是稀少，因此我們希望能以本論文對於前臂運動時的分析成果 為基礎，結合手、腕、肘甚至肩關節多個自由度的運動，發展出完整的上肢 運動辨速系統。
4. 在定量控制上本論文提出機械手臂揮動速度上的控制，但是在應用上仍略顯 不足，未來我們將朝手臂力量、手臂移動角度等其他定量控制進行分析，結 合之前完成的可判別手臂曲伸之動作分類器，完成與一般人手臂更相近之義
老年人謀福利。
有
未來針對
肢，為身心障礙者及