基于CEEMD和区间阈值的肌电消噪方法技术

本发明专利技术涉及一种基于CEEMD和区间阈值的肌电消噪方法。首先用互补集合经验模态分解对表面肌电信号进行分解得到固有模态函数分量。然后通过分量相关分析选择合适的固有模态函数分量，对每个被选择的固有模态函数分量进行改进区间阈值处理。最后，信号由处理后的固有模态函数分量和未被改进区间阈值处理的固有模态函数分量进行信号重构，得到去噪后的信号。本发明专利技术在信号处理方面具有自适应性，适合于非线性、非平稳表面肌电信号的分析，能够减少由于模态混叠带来的不利影响，并且尽可能多的保留了信号中有用的信息，减少了噪声带来的影响，其结果不仅提高了信噪比，同时提高了识别率，使得表面肌电信号的应用更加广泛。

【技术实现步骤摘要】
基于CEEMD和区间阈值的肌电消噪方法
本专利技术属于信号消噪领域，涉及一种基于互补集合经验模态分解的改进区间阈值表面肌电信号消噪方法。
技术介绍
表面肌电信号(Surfaceelectromyography,sEMG)是由采集电极采集的一种微弱的生物电信号，这种生物电信号能够反映肌肉与人的行为动作的相关信息，已被广泛应用于运动医学，康复训练和机械控制等领域。表面肌电信号主要分布在10Hz-500Hz之间,其幅度仅为1μV，同时也具有非线性、非平稳特性。因此，肌电信号容易受到噪声的污染。噪声的主要来源包括三种：电源线干扰、高斯白噪声和基线漂移。因此，保持信号的纯净是分析和应用表面肌电信号的先决条件。目前常用的表面肌电信号去噪的方法主要有傅里叶变换、小波变换和经验模态分解。对于傅里叶变换的滤波方法，传统的使用方法是假设待处理的信号是在平稳性的条件下，进行时频域的变换，能够得到很好的去噪效果。但是表面肌电信号是非平稳的信号，因此，傅里叶变换滤波并不适合应用于肌电信号。小波变换是纯粹数学和应用数学结合的数据分析方法，广泛应用于信号处理、图像分析各个方面。小波去噪的方法总体分为三种：第一种是基于小波变换的模极大去噪，在不同尺度上，信号与噪声的模极大的传播不同利用这个特性，在其全部的模极大值中除去噪声的小波变换模极大值，而选择有用信号的模极大值，最后重构信号是用余下的小波变换模极大值得到的；第二种是基于小波变换尺度间相关性的去噪方法，其原理是小波变换的各尺度间，噪声没有明显的相关性，信号具有较强的相关性；，噪声的小波变换主要集中在小尺度各层次中，然而信号在边缘处仍然具有很强的相关性。对需要处理的信号进行小波变换以后，得到不同尺度下的小波系数，计算相邻尺度之间的相关性，然后相关性的大小对小波系数进行选择，最后重构得到信号；第三种小波阈值去噪法，是最早被Donoho提出，其理论依据是经小波分解后噪声的系数幅值要比信号的小波系数幅值小，设置一个阈值，当小波系数绝对值大于阈值时，保留(硬阈值法)或者收缩(软阈值法)小波系数，当小波系数小于阈值时则被全部设为零，最后利用经过阈值处理后的小波系数重构信号。由于小波变换具有时频性、多分辨率的特点，可以在肌电信号分析中应用。然而小波去噪的效果与选取的小波函数直接相关，同时一旦小波函数被选定以后，在对信号分析的过程中将不能被改变，因此小波变换自适应性比较差。经验模态分解(EmpiricalModeDecomposition，EMD)方法，最早是由Huang提出，这种算法原理是是将信号分解为多个固有模态函数(IMF)叠加，每个IMF代表信号在不同尺度下的特征，具有很好的自适应性。由于EMD算法的模态混叠的缺点，Wu和Huang提出了集合经验模态分解(EEMD)。EEMD是数据驱动的分析算法，在信号分解之前将白噪声添加到含噪信号中。但是同时信号也会受到残留噪声的污染。为了解决这个问题，Yeh提出了一种新的噪声辅助分析方法，互补集合经验模态分解(CEEMD)，其中辅助噪声是以一对正负相反互补的形式加入到含噪声的信号中多次平均后再进行EMD分解。互补集合经验模态分解能够有效地减少噪声，避免有用信息的损失和模态混叠的出现。区间阈值去噪，受小波阈值去噪方法的启发，Kopsinis提出类似的方法在经验模态分解(EMD)中使用区间阈值法，这种算法的思想是将相邻的过零点看作一个模态单元去处理，当这个区间的最大值大于设置的阈值时，这个单元内的数值进行保留(区间硬域值法)或者收缩(区间软阈值法)，小于设置的阈值时，则这个模态单元区间内的数值全部被置零。这种算法能够弥补小波阈值的不连续性，但是随着数据量的增加，会使得数据出现很大的偏差。
技术实现思路
本专利技术的目的就是针对现有技术的不足，提出一种基于CEEMD和区间阈值的肌电消噪方法。互补总体经验模态分解的本质是借助加入的一对互补的噪声的信号来减少残余辅助噪声的信号分析方法。这样使得加入的噪声次数能够减少，计算时间大大减少。同时改进区间阈值能够提高信号的连续性。基于互补集合经验模态分解的一种新的去噪方法，将分量相关分析和改进的区间阈值应用于表面肌电信号去噪处理中。首先用互补集合经验模态分解对表面肌电信号进行分解得到固有模态函数分量。然后通过分量相关分析选择合适的固有模态函数分量，因此每个选定的固有模态函数都通过改进区间阈值进行处理。最后，信号由处理后的固有模态函数分量和未被改进区间阈值处理的固有模态函数分量进行信号重构。与之前的经验模态分解和经验模态分解区间阈值法的去噪的方法相比，所提出的方法对于表面肌电信号具有更好的去噪性能。此外，与含有噪声的表面肌电信号相比，使用本方法去噪后的手部动作表面肌电信号的识别率更高。为了实现以上目的，本专利技术方法主要包括以下步骤：步骤一，采集的表面肌电信号x(t)会含有噪声n(t)：x(t)＝s(t)+δn(t)式中，s(t)为不含噪声的表面肌电信号，x(t)为含有噪声的表面肌电信号，n(t)为白噪声，δ为噪声的尺度因子。步骤二，对步骤一所得的含噪信号x(t)进行互补集合经验模态分解，具体步骤如下：①含噪信号x(t)添加一对互补正负相反的白噪声，以生成两组集合IMF。式中x(t)是含噪声的信号；Nj(t)为加入的辅助噪声，为加入正辅助噪声的含噪信号，为加入的负辅助噪声的信号，M为加入辅助噪声的次数。j为第j次迭代。②和通过EMD分解，分别得到IMF分量和③计算多个IMF分量的平均值，得到。式中IMF分量记为Ci。步骤三，利用分量相关分析，找到能够代表信号主要特征的固有模态函数IMF分量，将选择的分量进行下一步骤的改进区间阈值处理，具体步骤如下：①算出x(t)和各个分量Ci(t)之间的方差：式中cxC(i)为x(t)和Ci(t)的方差，ux为x(t)的均值，uCi为Ci(t)的均值。②计算相关系数：式中ρxC(i)为x(t)与Ci(t)的相关系数，σx和σCi分别代表x(t)与Ci(t)标准差。③计算参考相关系数，T为参考相关系数，其计算如下：式中N为分解得到的IMF的层数；找到相关系数ρxC(i)大于参考相关系数T的分量，分量的ρxC(i)大于参考相关系数T时，所在的分量就能代表信号的性质，即分量Ci(t)被选择。步骤四，使用改进区间阈值对被选择的分量进行处理，每个IMF中相邻过零点区间Ni为第i层IMF的过零点总数，为第i层IMF的第j个过零点:公式如下：在式中，为相邻过零点从到之间的数据，为相邻过零点区间的单个极值点，为被改进区间阈值处理后的第i层IMF分量；n为可调参数，当n为无穷大时，改进区间阈值可近似看成区间硬阈值算法；当n为1时，改进区间阈值相当于区间软阈值；改进的区间阈值综合了区间硬阈值和区间软阈值的优点。含有噪声的IMF能量计算为：式中为IMF1的能量,参数β,ρ设置分别为0.719和2.01，式中C为常数，设置为0.8，Ti为设置的区间阈值的数值。步骤五，用步骤四得到被处理的部分分量记为与未进行处理的Ci(除去第一个分量)进行信号重构，由于IMF1中的噪声比例非常大，我们舍弃了第一个分量IMF1即Ci，重构如下：式中为重构得到的去噪信号，q为被改进区间阈值算法处理过的IMF分量的数量,p为余下没有被处本文档来自技高网...

【技术保护点】
1.基于CEEMD和区间阈值的肌电消噪方法，其特征在于该方法包括如下步骤：步骤一，采集的表面肌电信号x(t)含有噪声n(t)：x(t)＝s(t)+δn(t)式中，s(t)为不含噪声的表面肌电信号，x(t)为含有噪声的表面肌电信号，n(t)为白噪声，δ为噪声的尺度因子；步骤二，对步骤一所得的含噪信号x(t)进行互补集合经验模态分解，具体步骤如下：①含噪信号x(t)添加一对互补正负相反的白噪声，以生成两组集合IMF；

【技术特征摘要】
1.基于CEEMD和区间阈值的肌电消噪方法，其特征在于该方法包括如下步骤：步骤一，采集的表面肌电信号x(t)含有噪声n(t)：x(t)＝s(t)+δn(t)式中，s(t)为不含噪声的表面肌电信号，x(t)为含有噪声的表面肌电信号，n(t)为白噪声，δ为噪声的尺度因子；步骤二，对步骤一所得的含噪信号x(t)进行互补集合经验模态分解，具体步骤如下：①含噪信号x(t)添加一对互补正负相反的白噪声，以生成两组集合IMF；式中x(t)是含噪声的信号；Nj(t)为加入的辅助噪声，为加入正辅助噪声的含噪信号，为加入的负辅助噪声的信号，M为加入辅助噪声的次数；j为第j次迭代；②和通过EMD分解，分别得到IMF分量和③计算多个IMF分量的平均值，得到；式中IMF分量记为Ci；步骤三，利用分量相关分析，找到能够代表信号主要特征的固有模态函数IMF分量，将选择的分量进行下一步骤的改进区间阈值处理，具体步骤如下：①算出x(t)和各个分量Ci(t)之间的方差：式中cxC(i)为x(t)和Ci(t)的方差，ux为x(t)的均值，uCi为Ci(t)的均值；②计算相关系数：式中ρxC(i)为x(t)与Ci(t)的相关系数，σx和σCi分别代表x(t)与Ci(t)标准差；③计算参考相关系数，T为参考相关系数，其计算...

【专利技术属性】
技术研发人员：席旭刚，章燕，石鹏，袁长敏，杨晨，范影乐，罗志增，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33