利用自组织竞争神经网络提取NEMG信号的MUAP模板

采用自组织竞争人工神经网络 ,完成对针电极肌电信号 (NEMG)的运动单位动作电位 (MU AP)的模式分类。MU AP波形的特征取自于其自回归 (AR)模型系数 a1 ～ ap 及激励白噪的功率 εp构成的特征向量。模拟NEMG信号和真实 NEMG信号的实验结果表明 ,这种分类方法具有很高的正确率 ,从而为 NEMG信号分解研究中提取 MU

肌电信号分解的一种方法(英文)

肌电信号的分解是根据肌电信号形成的机理 ,还原出构成它的各个运动单位动作电位序列 (MUAPT)的过程 .本文首先采用匹配滤波的方法 ,对组成EMG信号的各个运动单位动作电位 (MUAP)进行检测和提取 .算法能自适应地更新匹配滤波器和标准MUAP模板 ,以跟踪MUAP在发放过程中的缓慢变化 .利用获得的基本MUAP模板 ,根据叠加波形与构成它的各MUAP波形之间面积关系 ,得出可能的MUAP组合 .然后再根据每个MUAP的发放特点 ,采用模糊算法 ,从而得到最终的结果 .还利用模拟肌电信号和真实肌电信号对分解算法进行了实验 。