表面肌电信号的分解算法研究

为提高表面肌电信号分解的正确率以及完整性,提出一种表面肌电信号的自动分解算法。考虑到其较低的信噪比,先是采用小波降噪法对信号进行降噪处理,并计算信号的非线性能量算子以加强信号波峰值。之后采用低频小波系数和高频小波系数相结合的特征值来表征运动单元动作电位,最后使用小波神经网络完成对活动段的分类。同时,为了实现表面肌电信号的分解完整性,采用递归模版算法对所提取的叠加波形加以分解。实验结果表明,该分解算法能够成功地提取到中低收缩水平下表面肌电信号中的运动单元动作电位的发放信息,同时也能够有效地对叠加波形进行分解。

基于自适应阈值处理的表面肌电信号小波去噪研究

针对表面肌电(sEMG)信号信噪比较低的问题,本文在Donoho通用阈值法的基础上,采用了一种基于自适应阈值处理的小波去噪方法。相对于通用阈值法,这种方法可以根据sEMG信号的不同信噪比自适应地调整阈值,更有效地去除噪声、减小信号的失真,从而提高信噪比。仿真和真实sEMG信号实验均论证了这种方法的优越性。

基于Gap Statistic和广义互相关的单通道SEMG分解

目的分解单通道表面肌电信号(surface electromyography,sEMG),获得组成肌电信号的运动单元动作电位(motor unit action potential,MUAP)的波形及发放频率。方法首先对单通道的sEMG信号进行候选MUAP信号段检测,然后使用基于模糊K-均值聚类的Gap Statistic聚类分析处理获取参与肌肉活动的运动单元发放的模板MUAP,最后使用广义互相关求时延的方法完成对低收缩水平的表面肌电信号的分解,并获得所有模板MUAP的发放频率。结果对模拟的单通道表面肌电信号进行分解,MUAP的准确识别率可达80%以上;并对真实采集的低收缩水平的等长收缩表面肌电信号进行分解,得到了MUAP波形和发放信息。结论本文提出的方法能够有效的对单通道表面肌电信号进行分解,具有较好的分解效果。