一种基于先验模板的肌电运动单元分解方法技术

本发明专利技术涉及一种基于先验模板的肌电运动单元分解方法。本发明专利技术首先，利用几个带有可变表达式的先验模板来拟合运动单元动作电位的波形；接着提出了一种迭代匹配策略，实现了运动单元的逐层剥离；随后引入尖峰触发平均算法来重新确定运动单元动作电位波形，使其更符合真实的肌电运动单元。最后，建立基于真实信号分解结果的评估指标，用于评价分解算法的性能。本发明专利技术能在低噪声水平下检测和识别有效的运动单元，具有较为良好的性能。具有较为良好的性能。具有较为良好的性能。

【技术实现步骤摘要】
一种基于先验模板的肌电运动单元分解方法


[0001]本专利技术属于信号处理及模式识别领域，涉及一种肌电信号的分解方法，特别涉及一种基于先验模板将肌电信号分解为运动单元成分信息的方法。

技术介绍

[0002]肌肉收缩时，运动单元中的运动神经元开始兴奋，导致所有由运动神经元支配的肌纤维收缩，从而产生运动单元动作电位，多个运动单元发放的动作电位经过复杂的综合叠加过程最后在检测电极处形成肌电信号。肌电信号的分解实际上就是信号生成的逆过程，其根本目的就是分离出各个运动单元发放的动作电位，获取运动单元相关信息。而这些运动单元相关信息，如发放波形、间隔发放模式和募集规律等，可以提供有关对神经系统健康至关重要的肌肉疾病的临床诊断的决定性细节，有助于从根本上探索神经肌肉系统的生理机制，在肌肉疾病的临床诊断、肌肉组织之间运动协调关系的研究及中枢神经元控制机理的探索等方面具有重大价值。因此，研究肌电信号分解对反映运动神经肌肉系统控制机理和临床应用诊断有着重要的意义。
[0003]近二十年来，许多研究者致力于肌电信号的分解工作，提出了多种分解技术，取得了一定的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于先验模板的肌电运动单元分解方法，其特征在于该方法包括如下步骤：步骤1：采集志愿者15%最大自主收缩力持续作用下与静息状态下的肌电信号；步骤2：采用小波包去噪处理步骤1中得到的肌电信号；步骤3：对肌电仿真信号和肌电真实信号进行运动单元分解，包括以下具体步骤：步骤3.1：选择n阶Hermite
‑
Rodriguez函数作为先验模板对运动单元动作电位波形进行模拟；步骤3.2：利用静息状态下的肌电信号作为参考信号，对15%最大自主收缩力持续作用下的肌电信号进行有效峰值检测：选择参考信号的均值作为检测阈值，基于该检测阈值检测出15%最大自主收缩持续作用力下的肌电信号的有效峰值，并按其幅值的绝对值大小进行降序排列；步骤3.3：在有效峰值附近截取信号段与先验模板进行匹配处理，具体如下：A.在确定有效峰值后，采用带有可变窗长的滑动窗口在各个有效尖峰附近进行截取，获得部分待分析的信号段作为备选运动单元动作电位；B. 采用动态时间规整算法计算每个备选运动单元动作电位与四个先验模板的距离D，分别计算四个先验模板的平均振幅值mean
T
；C. 结合动态时间规整算法和先验模板的平均幅值来确定备选运动单元动作电位是否与先验模板匹配；具体的匹配决策规则为：如果距离D小于二分之一的mean
T
，则认为该备选运动单元动作电位...

【专利技术属性】
技术研发人员：汪婷，皮少军，席旭刚，王俊宏，罗志增，吕忠，李文国，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：