基于盲源分离技术的运动单位动作电位检测

采用独立分量分析（ICA）技术和二阶非平稳源分离（SEONS）算法来研究肌肉轻度收缩情况下的表面肌电信号（SEMG）的运动单位动作电位（MUAP）检测问题，通过仿真实验来探讨两种算法对SEMG信号的分离性能，并将算法应用于肌肉轻度收缩时（10％MVC）的真实SEMG信号分解研究．仿真SEMG信号分解实验结果表明，两种算法对MUAP检测效果均较为满意，且随着噪声的增加有所变差，肌肉轻度收缩时（10％MVC）真实SEMG信号分解实验也论证了两种算法实际应用的可行性．盲源分离（BSS）技术为研究隐含在肌电信号中的运动单位募集和发放等信息提供了有效途径，较符合SEMG信号特性，因而可应用于SEMG信号分解及运动单位动作电位（MUAP）检测等相关领域的研究．

基于SEONS算法的表面肌电信号分解方法研究

目的探讨表面肌电信号(sEMG)的分解问题,以检测神经肌肉系统的运动单位发放的信息。方法采用二阶非平稳源分离(SEONS)算法以及FastICA方法对肌肉轻度收缩情况(10%MVC)的sEMG进行分解研究,并对分离信号中的运动单位动作电位波形进行检测判断。结果两种方法均能较有效地提取隐含在sEMG信号中的运动单位发放信息,但由于sEMG信号是一种复杂的非平稳信号,两种方法的分离结果存在一定的差异性。结论SEONS算法从非平稳性的角度来考虑信号的盲源分离问题,较符合sEMG信号的非平稳特征,因而可应用于sEMG信号的分解研究。