基于样本熵的肌电信号起始点检测研究

该文提出了一种基于样本熵的动作肌电信号起始点检测方法,为肌电信号应用于智能假肢控制、人机交互,以及临床疾病诊断和评估等领域提供重要前提.首先利用固定长度的滑动窗对动作肌电信号分帧,然后计算每帧信号的样本熵值,之后设定自适应阈值确定动作肌电信号的起始点.实验结果表明,样本熵能够有效表征动作肌电信号的开启模式,对较短时间的肌肉收缩松弛有很好的连续性,较之于其他常见的几类检测算法具有更好的抗噪声性能,特别是对肌肉不自主收缩产生的尖锐毛刺信号具有优异的抑制性能.

基于表面肌电信号双谱分析的动作分类

为了提高人体上肢动作识别正确率,提出了一种基于表面肌电信号双谱分析的动作分类方法,以信息增益作为表面肌电信号起止点分割效果衡量标准,结合TKE算子提取出肌肉运动起止区间的表面肌电信号,对提取到的表面肌电信号进行双谱变换,提取双谱的正反对角切片作为表面肌电信号特征,以概率神经网络作为分类器,以100次10折交叉验证为一次动作分类实验,计算10次分类实验的平均正确率,最终得到正对角切片、反对角切片和正反对角切片的分类正确率分别为94.56%、90.93%和95.48%.

基于表面肌电信号进行手部动作发起检测方法

实时且准确地识别手部动作,是表面肌电信号应用的重要方面,而通过其进行手部动作的发起检测是一个技术难点。为了解决这一问题,该文提出一种通过表面肌电信号进行手部动作发起检测的方法,将TKE算子应用于s EMG信号的预处理,通过设计二值化状态函数,并针对消除噪声对肌电信号的影响,提出启发式滤波策略。建立手部动作发起的表面肌电仿真模型,通过比对应用几种算子对仿真模型进行发起检测,证明TKE算子方法的有效性。利用肌电信号采集与处理系统进行实验验证。结果表明,该检测方法能够对手部动作发起进行高精度的实时检测。