Electromyographical source extraction and estimation of muscular tension

L'évaluation des tensions musculaires chez l'Homme dans les sciences du mouvement et les études posturales présente un grand intérêt pour le sport, la santé ou encore l'ergonomie. La biomécanique s'intéresse tout particulièrement à ces problèmes utilise la cinématique inverse pour recalculer, à partir de mesures physiques externes, les tensions musculaires internes. Le verrou scientifique principal de cette technique est la redondance musculaire, propre au vivant. En effet les actionneurs (muscles) sont plus nombreux que les degrés de liberté à contrôler. Les problèmes de cinématique inverse sont sous-déterminés, ils présentent plus d'inconnues que d'équations, et nécessitent l'usage de procédures d'optimisation. Dans ce contexte l'usage de l'électromyographie (EMG), signal électro-physiologique mesurable à la surface de la peau et témoin de l'activité musculaire, peut donner une idée de l'activité des muscles sous-jacents. La connaissance de l'activité des muscles permettrait d'introduire de l'information supplémentaire dans cette méthodologie inverse afin d'améliorer l'estimation des tensions musculaires réelles au cours de mouvements ou dans une posture donnée. De plus certaines applications ne permettent pas ou peu l'enregistrement de forces ou positions articulaires externes qui nécessitent un appareillage conséquent et rendent difficile l'étude de situations de la vie courante. L'électromyographie est dans un tel contexte une mesure non-invasive et peu encombrante, facilement réalisable. Elle a cependant elle aussi ses propres verrous scientifiques. L'EMG de surface sur de petits muscles très rapprochés comme les nombreux muscles des avant-bras peut être sujette à ce qui est communément appelé « cross-talk » ; la contamination croisée des voies. Ce cross-talk est le résultat de la propagation des signaux musculaires sur plusieurs voies simultanément, si bien qu'il est compliqué d'associer l'activité d'un muscle à une unique voie EMG. Le traitement numérique du signal dispose d'outils permettant, dans certaines conditions, de retrouver des sources inconnues mélangées sur plusieurs capteurs. Ainsi la séparation de sources peut être utilisée sur des signaux EMG afin de retrouver de meilleures estimations des signaux sources reflétant plus fidèlement l'activité de muscles sans l'effet du cross-talk. Ce travail de thèse montre dans un premier temps l'intérêt de l'EMG dans l'étude de l'utilisation d'un prototype d'interface homme-machine novateur. L'EMG permet en particulier de mettre en évidence la présence forte de cocontraction musculaire permettant de stabiliser les articulations pour permettre un contrôle précis du dispositif. En outre des perspectives d'analyse plus fines seraient envisageables en utilisant des techniques de séparation de sources performantes en électromyographie. Dans un second temps l'accent est mis sur l'étude des conditions expérimentales précises permettant l'utilisation des techniques de séparation de sources en contexte linéaire instantané en électromyographie de surface. L'hypothèse d'instantanéité du mélange des sources en particulier est étudiée et sa validité est vérifiée sur des signaux réels. Enfin une solution d'amélioration de la robustesse de la séparation de sources à l'hypothèse de l'instantanéité est proposée. Celle-ci repose sur la factorisation en matrices non-négatives (NMF) des enveloppes des signaux EMG.Evaluation of muscle tensions in movement and gait sciences is of great interest in the fields of sports, health or ergonomics. Biomechanics in particular has been looking forward to solving these problems and developed the use of inverse kinematics to compute internal muscle tensions from external physical measures. Muscular redundancy remains however a complex issue, there are more muscles than degrees of freedom and thus more unknown variables which makes inverse kinematics an under-determined problem needing optimization techniques to be solved. In this context using electromyography (EMG), an electro-physiological signal that can be measured on the skin surface, gives an idea of underlying muscle activities. Knowing muscle activities could be additional information to feed the optimization procedures with and could help improving accuracy of estimated muscle tensions during real gestures or gait situation. There are even situations in which measuring external physical variables like forces, positions or accelerations is not feasible because it might require equipment incompatible with the object of the study. It is often the case in ergonomics when equipping the object of the study with sensors is either too expensive or physically too cumbersome. In such cases EMG can become very handy as a non-invasive measure that does not require the environment to be equipped with other sensors. EMG however has its own limits, surface EMG on small and closely located muscles like muscles of the forearm can be subject to “cross-talk”. Cross-talk is the cross contamination of several sensors it is the result of signal propagation of more than one muscle on one sensor. In presence of cross-talk it is not possible to associate an EMG sensor with a given muscle. There are signal processing techniques dealing with this kind of problem. Source separation techniques allow estimation of unknown sources from several sensors recording mixtures of these sources. Applying source separation techniques on EMG can provide EMG source estimations reflecting individual muscle activities without the effect of cross-talk. First the benefits of using surface EMG during an ergonomics study of an innovative human-computer interface are shown. EMG pointed out a relatively high level of muscle co-contraction that can be explained by the need to stabilize the joints for a more accurate control of the device. It seems legitimate to think that using source separation techniques would provide signals that better represent single muscle activities and these would improve the quality of this study. Then the precise experimental conditions for linear instantaneous source separation techniques to work are studied. Validity of the instantaneity hypothesis in particular is tested on real surface EMG signals and its strong dependency on relative sensor locations is shown. Finally a method to improve robustness of linear instantaneous source separation versus instantaneity hypothesis is proposed. This method relies on non-negative matrix factorization of EMG signal envelopes