融合脑电与肌电信号分析的沙发靠背角度适老性测定

周橙旻，黄婷，张子欣，吴智慧，叶永珍，曹振强

(1.南京林业大学家居与工业设计学院，南京 210037；

2.海太欧林集团有限公司，南京 211316)

智慧康养适老产业已成为中国双循环形势下的新增长点[1]。借助科学研究和新兴技术来开发健康舒适的康养适老家居环境和家具产品已经成为当前和未来的研究热点与产业趋势[2-3]。沙发为日常生活高频使用家具，可拆解为靠背、扶手、坐垫等，久坐会引发腰部疼痛、臀部酸胀、肩颈不适等问题。研究表明沙发的舒适性与其功能尺寸相关，其中靠背角度尤为关键。沙发的舒适度大多数可以根据用户实际生理信号判断，如体压分布、sEMG信号、动作捕捉系统等[4-6]。Zhang等[7]研究了飞机靠枕角度与乘客睡眠疲劳度之间的关系，研究表明靠枕角度为110°时颈部肌肉疲劳度最大。Intolo等[8]研究了在沙发办公肩颈部位的姿势与肌肉疼痛之间的联系，利用EMG信号与视觉模拟量表(visual analog scale，VAS)得出在沙发上，办公容易造成颈部疼痛。沙发的舒适性不仅对生理信号产生影响，也会产生心理负荷，对用户行为表现产生负面影响[9-11]。Hu等[12]模拟不同角度下的沙发靠背倾角，通过用户主观量表最终得出在正常状态下靠背倾斜角度最佳阈值为100°～120°。适老沙发可从材质、尺寸、工艺等部分进行适老化改进，本研究以靠背角度为切入点，结合脑电图(Electroencephalogram，EEG)与肌电图(Electromyogram，EMG)多通道生理信号，探究靠背倾斜角度与老年用户疲劳度之间的关系，并为适老化沙发的设计提供参考阈值。

1.1 试验方法

为探究沙发靠背角度的适老性，拟采集老年用户的EEG与EMG信号以此反映沙发靠背角度的实际适老化水平，特招募共19位年龄60～75岁的老年被试(表1)，要求其无腰背以及腿部慢性疾病，身体状况良好。

表1 被试身体基本状况Table 1 Basic physical conditions collected from testing people

1.2 试验设备

本试验主要采集老年被试的EEG与EMG信号。实验采用ErgoLAB sEMG可穿戴表面肌电仪，表面肌电通过依附在皮肤表面的电极采集而得。本次实验共佩戴8块表面肌电仪，左右对称分布，佩戴部位为：①左右腹部肌，用于观测被试在沙发靠背角度变换时腹部肌肉收缩变化；
②左右背部竖脊肌，被试使用沙发行为中包括躺平一项过程，其间背部会受角度变化而产生压力差，为此需要检测背部实际肌肉收缩状况；
③左右小腿腓肠肌，被试使用沙发过程中由于角度变换，被试的腿部略有变化，为此需要检测被试腿部实际肌肉收缩状况；
④左右斜方肌，用以观测被试头枕靠背斜方肌收缩变化。本试验采用ErgoLAB EEG 8导可穿戴脑电仪，实时采集被试在不同靠背角度下脑电信号变化状况。

1.3 试验材料

现场准备1把测试用椅：可调节靠背角度的沙发1个，尺寸为705 mm×985 mm×1 205 mm，座面倾角为3°，初始靠背角度为105°，扶手间距为545 mm，材料选择上采取老年用户接受度高的实木和棉麻面料，如图1所示。为被试穿戴好表面肌电仪与脑电仪，双手扶在扶手上，以轻松姿态处于沙发上,头颈部位倚靠沙发头枕，全程保持安静。实验全程由试验人员通过设备中心远程设置靠背倾角，每个角度停留5 min，以此采集用户的实时生理反馈信息。相关实验表明，久坐的疲劳指数与时间相关，一般超过50 min被试产生肌肉疲劳[13]，因此本次实验排除久坐带来的肌肉疲劳度的增长。

1.4 试验步骤

本次刺激材料的靠背倾斜角度分为105°，115°，125°和135°4个角度。具体步骤如下：①被试佩戴EEG与EMG信号采集设备，现场实验人员通过设备中心远程调整实验沙发靠背倾角为105°，被试头部靠头枕位置，双手扶靠扶手，呈现自然放松状态。为排除被试说话等带来的脑电信号波动，实验全程保持安静。②被试保持轻松休闲状态，时长满5 min后靠背状态105°结束。③被试离开实验座椅，自由放松活动消除短暂疲劳，休息时长为5 min。④现场试验人员通过设备中心远程调整实验沙发靠背倾角为115°，被试重复上述操作，试验人员采集同步信号。⑤重复实验步骤。

图1 被试生理信号采集示意图Fig.1 Schematic of physiological signal acquisition for testing people

2.1 EEG信号处理结果与分析

2.1.1 EEG信号处理方法

本次无线脑电采用水电极通过清水作为介质与头皮接触测量，通过蓝牙实时传输数据。本次共采集8个脑电点位，分别为：FPZ、F3、FZ、F4、P3、P4、O1、O2。本次EEG处理采用滤波滤噪。本次脑电波段分为5个波段：γ(Gamma)波对人脑的认知活动和信息在脑中的传递、综合处理以及反馈等高级活动有重要作用[14]；
β(Beta)波振幅为5～20 μV，是脑电波中频率较快的，在额区和中央区比较明显[15]；
α(Alpha)波振幅为20～100 μV，在脑电波中属于频率较快波段，在人体头部的任何部位均可检测到α波，但是在枕区和顶区比较明显，形状近似正弦波[16]；
θ(Theta)波振幅为20～150 μV，是脑电波中频率较慢的，一般在顶区与颞区比较明显[17]；
δ(Delta)波一般振幅比较大，20～200 μV，是脑电波中频率最慢的，主要出现在额叶和枕叶，一般出现在深度睡眠状态下，清醒状态时捕捉困难[18]。大脑可分为顶叶、颞叶、额叶与枕叶，其中顶叶主要负责处理骨骼肌、四肢等内部反馈。本次实验主要采集被试在休闲状态下的肌肉与脑电变化状况，因此主要选取顶叶部位的电极位为重点观察对象，选取β、α、θ 3种波段作为本次脑力疲劳的主要判别参数。

2.1.2 EEG信号处理结果统计与分析

EEG信号采集完成后利用MATLAB数学分析软件进行数据预处理，高通截止频率为5 Hz，带阻截止频率为50 Hz，低通截止频率为500 Hz，事件相关电位中事件相关窗口为-200～800 ms，基线为-200 ms，ERP测量窗口范围为200～400 ms。预处理的数据由EEGLAG生成初步信号输入图(图2)，采用归一化方法生成EEG信号的PSD时间频谱图(图3)。

图2 EEGLAG生成Fpz通道初步信号输入图Fig.2 EEGLAG generates a preliminary signal input diagram for the Fpz channel

图3 归一化处理后Fpz通道PSD时间频谱图Fig.3 PSD time spectrum of Fpz channel after normalization

本次实验总功率和平均功率脑电地形图如图4所示，初步阶段靠背角度为105°和115°时做功较多，靠背角度为125°与135°时整体脑部信号转为平静。

将4种靠背倾角下的EEG信号波段进行数据处理与分析，汇总各个阶段不同波段的总功率与平均功率，如表2所示。在4种状态中α波段做功最多，分别占各个阶段的67.40%，34.84%，79.05%，51.87%。人体处于相对疲劳状态时α波段减少，β波段会增加，在靠背状态为125°时β波功率占比最少，仅为10.58%，说明此时被试处于较为轻松状态，而靠背状态处于135°时，β波功率百分比为28.00%，说明此时被试疲劳度增加，舒适度减轻。

图4 4种靠背状态下脑电信号地形图Fig.4 Topography of EEG signals in four reclining states

表2 4种靠背倾角下脑电波段功率Table 2 EEG band power at four recline angles

θ波与β波能量比值F(θ/β)，θ波与α波能量总和与β波能量比值F[(α+θ)/β]作为脑电疲劳评估的特征量[19-20]。随着F(θ/β)的上升，疲劳程度进一步加深。由表3可以看出，靠背状态125°时F[(α+θ)/β]数值为1.56，远低于其余3种靠背倾角状态时的F[(α+θ)/β]数值。因此在靠背倾角为125°时，老年被试的脑电疲劳程度最低；
在靠背倾角为115°时，老年被试的脑电疲劳程度最高。脑电疲劳程度并非随着靠背角度的变化呈现线性规律上升，而是在靠背倾角为115°时达到峰值，靠背倾角越大，沙发整体趋于平躺，更容易给老年被试营造睡眠假象，因此在适老沙发设计中休闲或辅助睡眠功能为主的沙发靠背倾角设置跨度应尽可能趋于平躺状态，更多降低脑力负荷程度。

表3 4种靠背倾角下脑电波段比值Table 3 EEG band ratios at four recline angles

2.2 EMG信号处理结果与分析

2.2.1 EMG信号处理方法

EMG信号处理中采用归一化整流方法，以滑动均方根为采集过滤依据，MVC阈值设置为1 000 μV，在周期分析中最小时间为1 000 ms，最小间隔为1 000 ms，激活阈值为10%，高通截止频率为5 Hz，带阻截止频率为50 Hz，低通截止频率为500 Hz。

2.2.2 EMG信号处理结果统计与分析

本次肌电信号采集单人单通道采集数据为245 250条，19位被试累计采集20 601 000条肌电数据，依据前文划分的4个行为阶段，对应取均值以此观测被试的具体反应。本次肌电信号采集中EMG1为右侧腹部肌群，EMG2为右侧背部竖脊肌，EMG3为右小腿腓肠肌，EMG4为右侧斜方肌肌群，EMG5～EMG8为对应的左侧肌群。剔除电磁波干扰频段，以靠背状态105°时EMG信号为例，如图5所示。预处理后的EMG功率波段变化呈现规律起伏，表明初步采集干扰项较少，信号接收数据较好。

图5 靠背角度105°下EMG信号采集Fig.5 EMG signal acquisition at 105° reclining state

以靠背105°状态下的EMG信号为例，基础功率信号如图5所示，为进一步得到其功率谱密度函数的高阶矩阵(power spectral density，PSD)，需将自相关函数代入后进行归一化处理，最终进行傅里叶转换(fast Fourier transform，FFT)。随机变量X、Y的关系在统计函数中如式(1)所示：

(1)

若X为时间上的随机序列，则从相异时间点开始的两个随机变量为Xs与μs，则式(1)的表达式可写为式(2)：

(2)

在此变换过程中如果是纯随机过程(purely random process)，即随机序列过程不存在序列关系，具有零均值同方差则可视为白噪音过程(white nose)。因此在本段数据处理中，X是本段信号时间的随机变量序列，而在不同时间点的两个随机序列Xt与Xs则为两个随机变量，式(2)的表达则转变为式(3)：

(3)

当随机变量产生样本时，可转化为式(4)：

(4)

公式(4)可简化为两个向量的内积表达，如式(5)所示。

(5)

本次EMG信号处理中向量的自相关函数以卷积的形式表达，如式(6)所示:

(6)

利用归一化数据信号处理将EMG信号压缩至[0，1],即如式(7)所示。若该数据为最小值，则归一化后结果为0；
如该数据为最大值，则归一化后结果为1。

yi=xi/∑xi

(7)

本次归一化后的数据处理如图6所示。在靠背倾角为105°～125°时被试腹部做功较多，处于较为紧绷状态；
靠背倾角为135°时背部受压迫，背部竖脊肌肌群收缩舒张较为显著；
靠背状态处于105°～125°，腹部肌肉归一化数值处于[0.05，0.25]，总体高于其余类别肌肉，相较于此，腹部肌群处于激活状态；
靠背状态处于135°时，腹部肌群显著放松，偶有身姿挪动造成的间歇肌肉收缩刺激，背部肌群活跃，承担多数压力，疲劳指数上涨。

图6 不同靠背状态归一化处理后下EMG信号采集Fig.6 EMG signal acquisition after normalization of different reclining states

若一个信号片段的功率谱为Pxx(ω)，ω为功率，则表达式为：

(8)

信号的功率谱密度即为该信号片段相关函数的傅里叶变化，利用维纳-辛钦定理(Wiener-Khinchine Theorem)可以计算出该EMG信号片段的PSD片段，如式(9)所示。其中F(s)为信号f(t)的傅里叶变换。

F(s)F(s)=|F(s)|2

(9)

处理后的PSD片段如图7所示。功率谱用于表征单位频率上的能量分布，本实验用其描述此次EMG信号的频域结果。在靠背倾角为105°时，频谱峰值最高达4 957 μV2/Hz，因此腹部肌群在靠背倾角为105°时收缩舒张起伏最大，此时腹部肌群保持相对紧绷状态。

EMG的方差(VAR，公式中记为VAR)计算公式如式(10)所示，其中Xi为EMG信号的时间序列，N为采样点数。

(10)

积分肌电表示在一定时间内肌肉参与活动时运动单位的放电总量，反映一段时间内肌肉的肌电活动强弱。iEMG值反映运动时参与肌肉收缩时每个运动单位的放电量和肌纤维数目。通常其幅值越大，疲劳程度越重，是评价肌肉疲劳的重要指标，计算公式如式(11)所示，其中u指肌电信号指标数值，N为采样频率。

iEMG=(|u1|+|u2|+|u3|+……+|un|)/N

(11)

肌电信号的绝对平均值计算公式如式(12)所示：

(12)

利用式(10)～(12)可以计算处理后的EMG变化参数，具体4种状态下的4类通道EMG参数变化如表4所示。采集分析4种靠背状态下不同倾角通道的方差、RMS、MAD以及iEMG数值，其中iEMG数值作为主要评判老年被试疲劳度的详细准则。

图7 靠背状态105°时不同通道EMG信号PSDFig.7 PSD of different channels of EMG signals at 105° in the backrest state

表4 4种靠背状态EMG变化参数Table 4 Four states EMG variation parameters

由表4可知，EMG1在靠背倾斜角度为125°时肌肉最放松，在靠背倾斜角度为105°时肌肉最紧张。EMG2在靠背倾斜角度为125°时肌肉最放松，在靠背倾斜角度为135°时肌肉最紧张，此时靠背倾斜角度过大，导致压力转移至背部，因此背部竖脊肌肌群收缩。EMG3在靠背倾斜角度为125°时肌肉最放松，在靠背倾斜角度为105°时肌肉最紧张，但是4种状态下肌肉收缩变化差别不大。EMG4在靠背倾斜角度为125°时肌肉最放松，在靠背倾斜角度为135°时肌肉最紧张，此时靠背倾斜角度过大，导致压力转移至背部，因此背部斜方肌肌群收缩，导致肌肉疲劳度增加。在靠背倾斜角度为105°时，老年被试处于上半身较为直立的状态，因此腹部肌群受力，收缩较为频繁；
在靠背倾斜角度为115°时，老年被试上半身微微后仰，腿部压力转移，腿部肌群收缩减缓，疲劳度得到缓解；
在靠背倾斜角度为125°时，老年被试上半身后仰，各部分肌群得到放松，处于最为舒适阶段；
在靠背倾斜角度为135°时，老年被试上半身完全后仰，身体重心转移，压力转移至背部，导致背部肌群紧缩，疲劳度大幅增长。

本研究主要实验人群为老年用户，实验过程主要依托EEG与EMG两种生理信号进行疲劳度的判别。本实验并未进行主观量表的测试，因此未能结合老年被试的主观情绪与感受进行多方维度的评估。在脑电负荷指标中直接沿用既往的实验研究，因此后续也将进一步实验验证各个脑电指标与比率之间的信度关系。实验过程中限定被试保持安静，处于比较平静休闲的状态，但是相关研究表明，老年用户久坐时间较长，其中活动分布宽泛，比如看电视、看书等动态动作较多[21-22]。本次实验时间有限，未能针对老年用户久坐产生的动态活动进行情景模拟，因此无法更为契合多种情景下的使用。在后续实验中将增设模拟看电视、看书、聊天等多维动态场景，并且延长实验时长进一步探究时间与老年被试肌肉疲劳度之间的关联，以此为适老化沙发的多模态开发与设计提供参考依据。

本研究探究在适老化先决条件下4种靠背倾斜角度与老年被试疲劳度之间的关系，通过对实验中采集的EEG和EMG信号预处理与结果统计分析，得出以下结论：

1)在靠背倾斜角度为125°时老年被试的EEG信号反应最放松，而在靠背倾斜角度为115°时老年被试的EEG信号反应最疲劳。

2)在EMG信号采集中在靠背倾斜角度为125°时，老年被试各个肌群EMG的iEMG指数最低，即此刻肌肉疲劳度最低。

3)在靠背倾斜角度转变过程中，老年被试的肌肉疲劳肌群随着身体位移与重心改变发生变化，由腿部肌肉疲劳受力转变为后背肌群疲劳受力。

4)综合EEG与EMG信号指标，本次研究证明在靠背倾斜角度为125°时，处于休闲状态的老人整体最为放松，此角度也是设计休闲类适老沙发的最佳靠背倾斜角度。