声控假肢

声控假肢是利用患者自己的语音作为控制信号的一种外动力型假肢。它与肌电假肢不同之处仅在于控制假肢的信号种类与信号处理上。
语音信号和肌电信号都是人体发出的生物信号。显然，截肢不会影响人的发音器官，截肢患者具有和正常人同样的语言能力。但是，截肢部位的不同和截肢手术后处理的不当，会严重地影响残肢肌电信号的大小。如果截肢部位在上肢的肘关节或下肢的膝关节以上，这时由于残存的肢体肌肉少，肌电信号源少，可抽取的肌电特征少，难于满足多自由度假肢运动控制所需要的信息量。例如，在上臂截肢后的残端上，可利用的浅层肌肉只有肱二头肌和肱三头肌的外侧头，喙肱肌由于位于腋窝上，不便于贴附电极而不好利用。对于上臂假肢，以手掌部一个自由度（指开合），腕关节两个自由度(肘屈伸、腕内外旋) 和肘关节一个自由度（肘屈伸）总共四个自由度计算，为了较好地再现人手的动作，控制这样一个上臂假肢至少需要十多个独立的肌电控制信号。要想在有限的两块肌肉上区分出这么多个肌电信号是相当困难的。解决的办法往往借助于残端以外的信号，选择患者自己的语音信号作为一种控制信号是很富吸引力的。尽管这时假肢的运动不如用肌电信号那么“自然”，但语音信号特征明显，信息丰富，能够满足多自由度假肢的控制要求。就拿汉语语音来说，共有声母21个，韵母38个，有阴平，阳平，上声和去声四个语调，它们的全部组合可发3192个音节，作为控制信号，数量上是绰绰有余。
语音的特征抽取语音是由于人体声道的激励而产生的，它通常分为有声音和无声音。声带和来自肺部的呼气流相互作用，引起声带的自激振动而产生的音为有声音，它是一种宽频谱的准周期信号。相反，声带并不振动，来自肺部的呼气流以一定的压力流经舌、上腭，嘴唇和上下齿间形成的不同的声道输出而产生的各种摩擦音和爆破音，它们统称为无声音。无声音是频谱更宽的非周期信号。
图(1)和图(2)分别是汉语里元音|u|和|a|的波形图和频谱图。从图中可以看出，它们的波形和频率分布存在明显的差别，从图中还可以清楚看出，其频谱图是一些竖直线，所以元音是一种准周期信号。
选择什么样的语音特征参数作为假肢的控制信号，这涉及到如何设计语音识别系统，选择的特征参数不同，产生的系统也不同，一般可分为时域和频域两种处理方法。
一种简单实用的语音控制指令是由患者哼出的长、短不同的音组合而成，每种组合代表控制假肢执行某种动作的一个指令。 例如用分别代表三种不同的指令， 其中表示升调，表示降调，表示长音， 表示短音。 若指令的音节数最多由度假肢，为满足患者生活自理，有20多条指令就足够了。

元音|u|的波形图

图1 元音|u|的功率谱

另一种较为复杂的方法是在微型计算机上，利用时域建模理论来计算不同语音所对应的特性参数，抽取信号的特征。这里所谓建模就是对语音信号建立数学模型，在模型中用一组或多组参数来表示模型的特征，因而不同的参数组合代表不同的语音模型或代表发出不同的语音。当然，这里需要进行复杂的计算，并要在很短(一般不大于0.2s)的时间内，准确地计算出模型的参数，所以必须使用微型计算机。能够区分出不同的语音特征，自然就可以用不同的语音来控制假肢的运动。这种方法可以发展成对假肢进行直接的连续语言控制。

元音|a|的波形图

元音|a|的功率谱
图2

声控假肢的系统结构 声控假肢的系统结构如图3所示。由喉部传声器拾取的语音信号在语音处理器中进行处理与识别，产生动作控制指令输入给假肢控制系统，驱动假肢各关节执行器作相应的动作。

图3 声控假肢的系统结构

采用喉部传声器是因为它比话筒更具隐蔽性，和更好的抗干扰性能，轻巧，易于佩戴。
声控假肢除传声器和语音处理器与肌电假肢不同之外，其它部分与肌电假肢完全一样，在假肢结构设计中所要遵循的原则也完全相同。
声控假肢与肌电假肢的比较 声音信号和肌电信号虽然均属患者发出的信号，都是人的大脑意识的反映，但由于声音是有声的，和肌电假肢相比较，声控假肢存在明显的优缺点。
首先，正如前面介绍的，由于语音信号易于获取，特征明显，信息量大，容易满足多自由度假肢的控制要求，特别适合于控制上臂（或大腿）截肢患者或全臂（或全腿），双臂（或双腿）截肢者的结构复杂的假肢。其次，声控假肢不受截肢患者伤残程度、截肢时间长短等因素的限制。但是，声控假肢毕竟不如肌电假肢那么“自然”，当执行的动作较多时，要记住各种不同的声音控制指令也是件不容易的事情。由于声控是有声的控制，它易受环境的干扰，也容易干扰别人，这是它的一个弱点。