基于CEEMD与改进小波阈值的表面肌电信号消噪方法技术

本发明专利技术涉及一种基于CEEMD与改进小波阈值的表面肌电信号消噪方法。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小波阈值处理。最后，信号由被改进小波阈值处理后的固有模态函数分量和未被改进小波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，实验证明，本发明专利技术提出的肌电信号去噪方法比其他去噪方法具有更好的效果。

DENOISING METHOD OF SURFACE EMG SIGNALS BASED ON CEEMD AND IMPROVED WAVELET THRESHOLD

【技术实现步骤摘要】
基于CEEMD与改进小波阈值的表面肌电信号消噪方法
本专利技术属于信号消噪领域，涉及一种基于CEEMD与改进小波阈值的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。1、小波变换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。2、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。
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，提出一种基于互补集合经验模态分解与改进小波阈值的表面肌电信号消噪方法。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。同时改进小波阈值能够提高信号去噪的效果。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小波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小波阈值进行处理。最后，信号由处理后的固有模态函数分量和未被改进小波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。为了实现以上目的，本专利技术方法主要包括以下步骤：1.一种基于互补集合经验模态分解与改进小波阈值的表面肌电信号消噪方法，其特征在于该方法包括如下步骤：步骤(1)，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(2)，对步骤(1)所得的含噪信号x(t)进行互补集合经验模态分解，首先将含噪信号x(t)添加一对互补正负相反的白噪声，得到加入正辅助噪声的信号x+和加入负辅助噪声的信号x-，利用经验模态分解算法进行分解生成两组集合固有模态函数分量记为和i为得到的第i个IMF分量；利用不相关随机序列的统计均值为0；步骤(3)，重复步骤(2)M次，最后得到IMF的均值Ci(t)；步骤(4)，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小波阈值处理，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，J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J的分量，分量的ρxC(i)大于参考相关系数J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(5)，使用改进小波阈值方法对被选择的分量进行处理，对每个被选中的分量Ci(t)做如下处理：1)利用离散小波变换将Ci(t)分解为多层，定义细节系数的“峰和比”，具体如下：其中wj为第j层的小波系数，其中wj,i是j层i点的小波系数；如果Sj≤0.2＜Sj+1，则选择j为此IMF进行小波变换的分解层数；2)选择阈值的上下限λL和λH来处理每一层的小波系数，λj,L＝μj-κj,Lσjλj,H＝μj+κj,Hσj其中λj,L和λj,H是第j层的阈值上下限；κj,L和κj,H是可调参数；μj和σj是第j层小波系数的均值和方差；然后，计算κj,L和κj,H的最小值来得到κ的精确值；如果Sj≤0.01，则设置和否则，Sr,L和Sr,H定义为和Sj,L和Sj,H分别是小波系数正负部分的峰和值，其中L＜k＜H；确定了每一层的阈值后，对小波系数按以下公式处理：3)用处理后的小波系数重构得到的就是处理后的IMF，即步骤(6)，用步骤(5)得到被处理的部分分量记为与未进行处理的Ci进行信号重构，其中未进行处理的Ci不包括第一个分量C1；由于IMF1中的噪声比例非常大，舍弃了第一个分量IMF1即C1，重构如下：式中为重构得到的去噪后的信号，q为被改进小波阈值算法处理过的IMF分量的数量,p为余下被没有处理的IMF分量Ci的数量。本专利技术与已有的诸多表面肌电信号的消噪算法相比，具有如下特点：由于表面肌电信号是非线性、非平稳信号，能量主要集中于低频部分，利用本专利技术来进行消噪处理，能够减少由于模态混叠带来的不利影响，尽可能多的保留了信号当中有用的信息，减少了噪声带来的影响，同时提高了识本文档来自技高网...

【技术保护点】
1.基于CEEMD与改进小波阈值的表面肌电信号消噪方法，其特征在于该方法包括如下步骤：步骤(1)，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(2)，对步骤(1)所得的含噪信号x(t)进行互补集合经验模态分解，首先将含噪信号x(t)添加一对互补正负相反的白噪声，得到加入正辅助噪声的信号x

【技术特征摘要】
1.基于CEEMD与改进小波阈值的表面肌电信号消噪方法，其特征在于该方法包括如下步骤：步骤(1)，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(2)，对步骤(1)所得的含噪信号x(t)进行互补集合经验模态分解，首先将含噪信号x(t)添加一对互补正负相反的白噪声，得到加入正辅助噪声的信号x+和加入负辅助噪声的信号x-，利用经验模态分解算法进行分解生成两组集合固有模态函数分量记为和i为得到的第i个IMF分量；利用不相关随机序列的统计均值为0；步骤(3)，重复步骤(2)M次，最后得到IMF的均值Ci(t)；步骤(4)，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小波阈值处理，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，J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J的分量，分量的ρxC(i)大...

【专利技术属性】
技术研发人员：杨晨，石鹏，袁长敏，章燕，
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