一种基于高密度肌电图的特征提取方法技术

本发明专利技术涉及一种基于高密度肌电图的特征提取方法，包括：获取预先通过阵列电极片方式采集的一维肌电信号；将一维肌电信号根据均方根转换成具有多个通道的二维肌电信号；针对二维肌电信号，对每个通道的均方根进行处理，确定所述二维肌电信号中的肌电信息，并将所述具有肌电信息的二维肌电信号与空间肌电信息结合，获取所述二维肌电信号中的特征信息集。本发明专利技术用阵列电极片采集信息，以阵列的形式把传统的一维肌电信息转变成二维肌电信息，使用户观察更方便。进一步，本发明专利技术给出了二维肌电信息中的二维均方根图的平均幅度以及质心坐标信息，并将所述具有肌电信息的二维肌电信号与空间肌电信息结合，获取所述二维肌电信号中的特征信息集。

A feature extraction method based on high density EMG

【技术实现步骤摘要】
一种基于高密度肌电图的特征提取方法
本专利技术涉及一种基于高密度肌电图的特征提取方法。
技术介绍
肌电图(EMG)信号是运动神经元放电活动产生的运动单位动作电位(MUAP)的叠加，其编码脊髓电路的神经活动并且可以反映来自大脑的高水平神经控制信号。运动神经元放电活动可以提供对运动神经控制的理论认识，提供神经肌肉损伤的临床见解，也可以用作人机交互的界面信号。因此，从EMG信号中提取单独的运动神经单元(MU)的放电信息是重要研究课题。在这个方向上，已经在不同的领域提出了一系列特征提取方法。最近，由Al-Timemy等人提出了一组由波形长度比，不规则因子，稀疏度，第一光谱矩，第二光谱矩和第四光谱矩组成的特征，称为时间依赖性功率谱描述符(TD-PSD)。为了更好地识别EMG信号模式，塞缪尔等人，还介绍了一种新的简单但有效的时域特征的组合，它考虑了expth根的总和的绝对值和一组分析窗口中数据的平方根求和的绝对值。此外，Khushaba等人。最近提出了一组时空描述符，用于改进EMG信号模式的表征。Hudgins提出使用四种不同的时域特征进行肢体运动意图解码。这些功能包括平均绝对值，波形长度，过零点和斜率符号变化。值得注意的是，Hudgins时域特征集可以说是迄今为止在肌电模式识别领域最常采用的。通常，与基于频域或小波的特征相比，时域特征表现出简单的特征，并且它们通常需要很少的计算资源，实现与其他域中的特征类似的性能。这是其在肌电控制系统中广泛采用的一个原因。但是，单独的时域特征提取特征集较为单一，且传统的肌电图为一维肌电信号观察起来也很不方便同时从一维肌电信号中得到特征时计算也比较繁琐，同时，提取的特征集没有反应出传统的肌电信息没有与空间肌电信息相结合。
技术实现思路
(一)要解决的技术问题为了解决现有技术的上述问题，本专利技术提供一种基于高密度肌电图的特征提取方法。(二)技术方案为了达到上述目的，本专利技术提供一种基于高密度肌电图的特征提取方法，包括：获取预先通过阵列电极片方式采集的一维肌电信号；将所述一维肌电信号根据均方根转换成具有多个通道的二维肌电信号；针对所述二维肌电信号，对每个通道的均方根进行处理，确定所述二维肌电信号中的肌电信息，并将所述具有肌电信息的二维肌电信号与空间肌电信息结合，获取所述二维肌电信号中的特征信息集。优选的，所述一维肌电信号为周期性采集的信号；其中，所述一维肌电信号包括休息期肌电信号和稳定期肌电信号；所述空间肌电信息为采用FastICA结合卷积核补偿算法以及滞后交叉相关获取的具体的神经支配区位置信息。优选的，从所述一维肌电信号中提取休息期肌电信号和稳定期肌电信号；根据休息期肌电信号和稳定期肌电信号，获取休息期肌电信号的均方根以及稳定期肌电信号的均方根；将稳定收缩期的均方根减去休息期的均方根获得第一均方根；将第一均方根以二维的位置排列，转换成具有多个通道的二维肌电信号；其中所述二维肌电信号为二维均方根图。优选的，对每个通道的均方根进行处理，确定所述二维均方根图中的肌电信息；其中所述肌电信息包括：二维均方根图的平均幅度和二维均方根图的质心坐标；其中，通过将所有通道上的第一均方根值进行平均，获取所述二维均方根图的平均幅度；其中，根据公式(1)和公式(2)，获取所述二维均方根图的质心坐标；其中Cx是X轴的质心位置；Cy是Y轴的质心位置；RMSij表示多通道m×nRMS网格中的第i个第j个均方根值。优选的，将所述具有二维均方根图的平均幅度和二维均方根图的质心坐标信息的二维均方根图与空间肌电信息结合，获取所述二维肌电信号中的特征信息集；其中，空间肌电信息为具体的神经支配区位置信息；其中，所述特征信息集具体包括：二维均方根图的质心坐标、二维均方根图的平均幅度、具体的神经支配区位置信息以及二维均方根图的质心坐标与具体的神经支配区位置之间距离关系信息。优选的，采用FastICA结合卷积核补偿算法以及滞后交叉相关获取具体的神经支配区位置信息，具体包括：采用FastICA结合卷积核补偿算法对第一运动单元的一维肌电信号中的稳定期肌电信号进行分解获取多个独立的运动单元和激发脉冲；其中，所述第一运动单元为点激发频率为5Hz到50Hz之间，且脉冲-噪音度量大于30dB；采用滞后交叉相关方法对所述分解后的第一运动单元进行神经支配区分析，获取所述具体的神经支配区位置信息。优选的，采用滞后交叉相关方法获取所述具体的神经支配区位置信息，具体包括：在每一次滞后交叉相关处理过程中，基于从对第一运动单元的一维肌电信号中的稳定期肌电信号进行分解获取的激发脉冲，采用尖峰触发平均算法，获取所有单极通道的运动单元动作电位模板；获取所有通道的峰-峰值，并根据所有通道的峰-峰值获取有效检测信道列；对于每一个所述有效检测信道列，根据公式(3)获取两个相邻行的双极栅格的滞后交叉相关；其中R(k，τ)是组成分解第一运动单元的稳定期肌电信号拓展矩阵的两个相邻行的第k对中的τ相移的滞后互相关的值；xi，k是第k对中的第i个数据点；N是数据点的数量；τ是两个相邻信号之间的时间相移；获取用于分解第一运动单元的稳定期肌电信号的拓展矩阵中的每列中的滞后交叉相关值的绝对值的最大值，并根据所述拓展矩阵的每列中的滞后交叉相关值的绝对值的最大值获取所有通道之间最大滞后交叉相关矢量；基于所述最大滞后交叉相关矢量，获取每一次滞后交叉相关处理过程中神经支配区的位置；将所述每一次滞后交叉相关处理过程中神经支配区的位置信息，获取具体的神经支配区位置。优选的，所述有效检测信道列为具有大于或等于4个连续活动信道的列；所述活动信道为信道的峰-峰值与所有通道中的最大信道的峰-峰值的比值大于0.2；所述每一次滞后交叉相关处理过程中神经支配区的位置为具有第一预设条件和第二预设条件的信道的号；其中，所述第一预设条件为所述信道单极运动单元动作电位与所述信号相邻的信道的相关系数大于0.9；其中，所述第二预设条件为最大滞后相关矢量中两个峰值之间的最低互相关值的信道；其中，所述具体的神经支配区位置为每一次滞后交叉相关处理过程中神经支配区的位置的平均值。优选的，将所述具体的神经支配区位置按照与所述具有平均幅度和质心坐标的二维均方根图相同坐标量度放入到所述具有平均幅度和质心坐标的二维均方根图中，获取所述二维肌电信号中的特征信息集。(三)有益效果本专利技术的有益效果是：本专利技术用阵列电极片采集信息，以阵列的形式把传统的一维肌电信息转变成二维肌电信息，使用户观察更方便。进一步，本专利技术给出了二维肌电信息中的二维均方根图的平均幅度以及质心坐标信息，简化了计算本文档来自技高网...

【技术保护点】
1.一种基于高密度肌电图的特征提取方法，其特征在于，包括：/n获取预先通过阵列电极片方式采集的一维肌电信号；/n将所述一维肌电信号根据均方根转换成具有多个通道的二维肌电信号；/n针对所述二维肌电信号，对每个通道的均方根进行处理，确定所述二维肌电信号中的肌电信息，并将所述具有肌电信息的二维肌电信号与空间肌电信息结合，获取所述二维肌电信号中的特征信息集。/n

【技术特征摘要】
1.一种基于高密度肌电图的特征提取方法，其特征在于，包括：
获取预先通过阵列电极片方式采集的一维肌电信号；
将所述一维肌电信号根据均方根转换成具有多个通道的二维肌电信号；
针对所述二维肌电信号，对每个通道的均方根进行处理，确定所述二维肌电信号中的肌电信息，并将所述具有肌电信息的二维肌电信号与空间肌电信息结合，获取所述二维肌电信号中的特征信息集。


2.根据权利要求1所述的方法，其特征在于，
所述一维肌电信号为周期性采集的信号；
其中，所述一维肌电信号包括休息期肌电信号和稳定期肌电信号；
所述空间肌电信息为采用FastICA结合卷积核补偿算法以及滞后交叉相关获取的具体的神经支配区位置信息。


3.根据权利要求2所述的方法，其特征在于，
从所述一维肌电信号中提取休息期肌电信号和稳定期肌电信号；
根据休息期肌电信号和稳定期肌电信号，获取休息期肌电信号的均方根以及稳定期肌电信号的均方根；
将稳定收缩期的均方根减去休息期的均方根获得第一均方根；
将第一均方根以二维的位置排列，转换成具有多个通道的二维肌电信号；
其中所述二维肌电信号为二维均方根图。


4.根据权利要求3所述的方法，其特征在于，
对每个通道的均方根进行处理，确定所述二维均方根图中的肌电信息；
其中所述肌电信息包括：二维均方根图的平均幅度和二维均方根图的质心坐标；
其中，通过将所有通道上的第一均方根值进行平均，获取所述二维均方根图的平均幅度；
其中，根据公式(1)和公式(2)，获取所述二维均方根图的质心坐标；






其中Cx是X轴的质心位置；
Cy是Y轴的质心位置；
RMSij表示多通道m×nRMS网格中的第i个第j个均方根值。


5.根据权利要求4所述的方法，其特征在于，
将所述具有二维均方根图的平均幅度和二维均方根图的质心坐标信息的二维均方根图与空间肌电信息结合，获取所述二维肌电信号中的特征信息集；
其中，空间肌电信息为具体的神经支配区位置信息；
其中，所述特征信息集具体包括：二维均方根图的质心坐标、二维均方根图的平均幅度、具体的神经支配区位置信息以及二维均方根图的质心坐标与具体的神经支配区位置之间距离关系信息。


6.根据权利要求5所述的方法，其特征在于，
采用FastICA结合卷积核补偿算法以及滞后交叉相关获取具体的神经支配区位置信息，具体包括：
采用FastICA结合卷...

【专利技术属性】
技术研发人员：傅明，黄昊，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：湖南;43