基于改进样本熵的牵张反射起始点检测研究

针对痉挛状态患者表面肌电(sEMG)信号质量差、易出现尖锐毛刺噪声且信号时序较短的问题,提出基于改进样本熵的牵张反射起始点(SRO)判定方法,利用固定长度的滑动窗对sEMG信号进行分帧,计算每帧信号改进样本熵,设定自适应阈值确定SRO,并分析对比了基于标准样本熵的SRO检测性能。实验结果表明,基于改进样本熵SRO最大识别率为89.06%,SRO识别能力优于标准样本熵(最大识别率为48.18%),且数据长度依赖性优于标准样本熵,在短时序列与含尖锐毛刺噪声sEMG信号处理上表现出更好的鲁棒性,为定量与细化上肢痉挛状态提供了基础。

基于经验模态分解的牵张反射起始点检测研究

针对痉挛状态患者表面肌电信号易出现虚假的肌电峰值,引起牵张反射起始点前后的信号差异变小,提出经验模态分解去噪与改进样本熵识别的牵张反射起始点检测方法。首先用经验模态分解对肌电信号进行分解;然后以受试者静息状态下的表面肌电信号为参考,设定软阈值对分解的信号进行去噪;最后用改进样本熵识别牵张反射起始点。实验结果表明,经验模态分解算法可以有效地去除肌电信号噪声,而且在改进样本熵的最优参数下牵张反射起始点平均识别率为94%。