【技术实现步骤摘要】
本专利技术涉及一种基于阵列式表面肌电信号平滑的分解方法。
技术介绍
表面肌电信号(surface EMG,sEMG)是利用表面电极从人体体表检测肌电信号,与针电极肌电信号(Needle EMG,NEMG)相比,它具有无创性、易于患者接受的特点,因此应用前景广阔。实验表明,利用阵列式sEMG能够提高运动单元(MU)的检测率,特别是提高小幅值运动单元活动电位(MUAP)的检出和识别效果。在临床上,通过阵列式sEMG可以较全面地了解神经肌肉的功能状态,鉴别神经源性和肌源性疾病,判断神经损伤的部位、程度及恢复状况,并且阵列式sEMG信号的检测分析对康复医学及运动医学也有具有重要意义。阵列式sEMG分解实质上是对sEMG包含的运动单元发放序列进行分类,目前,sEMG分类方法主要有:K均值聚类算法、模板匹配法、人工神经网络(ANN)算法、实时线性混叠盲信号分离算法、独立成分分折(ICA)、卷积核补偿算法等。K-均值聚类算法需要指定聚类的类别数,而在肌电信号缺少运动单元发放的先验知识,难以对类别进行精确的指定。模板匹配法由于模板获取困难,应用受限。ANN可以解决含更多迭加波形情形和在低信噪比时更好地消除绝对误差,然而,ANN方法一旦训练后,网络就固定不变,当模板的形状发生变化时,神经网络还需重新训练,所以强健性不好。ICA是一种盲信号分解技术,它假设构成肌电信号的各运动单元发放序列相互独立,然后把信号分解成若干相互独立的成分。卷积核补偿算法方法是一种盲信号分解方法,该方法已被验证效果较理想。阵列式sEMG的信噪比较低,MUAP波形的变异性强且相互间的叠加程度较大,这是 ...
【技术保护点】
一种基于阵列式表面肌电信号平滑的分解方法,其特征是包括以下步骤:步骤一:对阵列式表面肌电信号滤波,削弱干扰;步骤二:采用自适应时长平滑方法对滤波后的表面肌电信号预处理,对每个通道信号平滑增强信号特征,得到信号S,方法如下:1)将表面肌电信号分割成时间长度为Tf长度的信号,得到k段信号,根据运动单元发放特性,可取20ms≤Tf≤60ms;2)对第k段信号Sk(k为1,2,3,...),找到最小值Sk_min和最大值Sk_max,计算最值之间的差值Vk=Sk_max‑Sk_min;3)这样K段得K个差值V1,V2,Λ,Vk,得到第i段自适应时长的滑动窗时间长度Ti:Ti=Lb+max(V1,V2,...,Vk)ViLe]]>其中Lb,Le是设计的常数,max(V1,V2,...,Vk)表示K个差值中的最大值;4)对每一段采用滑动窗平均的方法,计算每段表面肌电信号,并且记录每段信号的起始点和最终点值,假设第i段信号的起始点和最终点记为Yis和Yie;5)比较第i‑1段信号的最终点Y(i‑1)e第i段信号的起始点Yis,如果|Y(i‑1)e‑Yis|≤N(N是设定的常数),则两点直接相连;否则 ...
【技术特征摘要】
1.一种基于阵列式表面肌电信号平滑的分解方法,其特征是包括以下步骤:步骤一:对阵列式表面肌电信号滤波,削弱干扰;步骤二:采用自适应时长平滑方法对滤波后的表面肌电信号预处理,对每个通道信号平滑增强信号特征,得到信号S,方法如下:1)将表面肌电信号分割成时间长度为Tf长度的信号,得到k段信号,根据运动单元发放特性,可取20ms≤Tf≤60ms;2)对第k段信号Sk(k为1,2,3,...),找到最小值Sk_min和最大值Sk_max,计算最值之间的差值Vk=Sk_max-Sk_min;3)这样K段得K个差值V1,V2,Λ,Vk,得到第i段自适应时长的滑动窗时间长度Ti: T i = L b + m a x ( V 1 , V 2 , ...
【专利技术属性】
技术研发人员:何金保,骆再飞,李国君,
申请(专利权)人:宁波工程学院,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。