【技术实现步骤摘要】
本专利技术涉及生物电信号测量，尤其涉及一种表面肌电信号去噪方法、系统、设备及计算机存储介质。
技术介绍
1、表面肌电信号是人体在活动过程中所产生的弱电信号，可以有效的评价肌肉功能和状态。采用对表面肌电信号进行特征提取的方式来评价肌肉的疲劳程度是医学界和生物界的常用手段。然而，由于表面肌电信号检测设备采集的表面肌电信号中会掺杂着运动伪影、工频干扰、心电信号和高斯白噪声等干扰噪声信号，因此需要对表面肌电信号进行去噪处理。
2、目前常用的滤波去噪手段包括：高通滤波、低通滤波、陷波滤波和小波滤波，但是，大量研究实验证明这些滤波去噪方法在去除表面肌电信号各种干扰信号上效果并不显著。因此，如何在去除表面肌电信号中各种干扰噪声的同时保留表面肌电真实信号是本领域技术人员尚待解决的问题。
技术实现思路
1、本专利技术提出一种表面肌电信号去噪方法、系统、设备及计算机存储介质，旨在解决如何在去除表面肌电信号中各种干扰噪声的同时保留表面肌电真实信号的技术问题。
2、为解决上述问题，本专利技术提出一种表面肌电信号去噪方法，所述表面肌电信号去噪方法包括：
3、对表面肌电信号进行最优小波包分解，得到最优小波包分解树，其中，所述最优小波包分解树的最大层数为预设层数，每个小波包节点通过香农熵判定每个小波包节点是否进行小波包分解；
4、获取所述最优小波包分解树中多个节点各自对应的小波包系数，并分别确定多个所述小波包系数中的多个元素各自对应的风险因数，并通过多个所述小波包
5、通过多个所述去噪阈值对多个所述小波包系数进行去噪处理，得到多个新小波包系数，并对多个所述新小波包系数进行重构，得到去噪后的表面肌电信号。
6、可选地，所述对表面肌电信号进行小波包分解，得到最优小波包分解树的步骤，包括：
7、所述对表面肌电信号进行最优小波包分解，得到最优小波包分解树的步骤，包括：
8、通过预设的小波基函数对表面肌电信号进行小波包分解，通过对小波包节点进行小波包分解得到第一子节点和第二子节点，并计算所述小波包节点、所述第一子节点和所述第二子节点的香农熵；
9、确定所述第一子节点和所述第二子节点的香农熵的和值，并在检测到所述和值小于所述小波包节点的香农熵时，将所述小波包节点分解为第一子节点和第二子节点，以得到最优小波包分解树；
10、其中，所述在检测到所述和值小于所述小波包节点的香农熵时，将所述小波包节点分解为第一子节点和第二子节点，以得到最优小波包分解树的步骤，包括：
11、在检测到所述和值小于所述小波包节点的香农熵时，以所述小波包节点为父节点，并以所述第一子节点和所述第二子节点为子节点构建初级分解树；
12、在检测到所述初级分解树的最大层数小于所述预设层数时，分别将所述第一子节点和所述第二子节点作为新的表面肌电信号，循环执行对表面肌电信号进行最优小波包分解和构建初级分解树的步骤；
13、在检测到所述初级分解树的最大层数等于所述预设层数时，将所述初级分解树作为最优小波包分解树。
14、可选地，所述分别确定多个所述小波包系数中的多个元素各自对应的风险因数的步骤，包括：
15、分别对多个所述小波包系数中的多个元素进行平方处理，得到多个所述小波包系数各自对应的多个新元素，并对多个所述小波包系数各自对应的多个所述新元素进行排序；
16、将排序后的多个所述新元素分别输入预设的风险因数确定公式中，得到多个所述新元素各自对应的风险因数。
17、可选地，所述通过多个所述小波包系数各自对应的数值最小的风险因数，确定多个所述小波包系数各自对应的去噪阈值的步骤，包括：
18、查找多个所述小波包系数各自对应的数值最小的风险因数对应的元素序号，并将多个所述元素序号对应的新元素作为目标元素；
19、对多个所述目标元素进行开方处理，得到多个所述小波包系数各自对应的去噪阈值。
20、可选地，所述通过多个所述去噪阈值对多个所述小波包系数进行去噪处理，得到多个新小波包系数的步骤，包括：
21、在检测到多个所述小波包系数各自对应的绝对值小于各自对应的去噪阈值时，将多个所述小波包系数输入预设的第一公式中，得到多个新小波包系数；
22、或者，
23、在检测到多个所述小波包系数各自对应的绝对值大于或者等于各自对应的去噪阈值时，将多个所述小波包系数输入预设的第二公式中，得到多个新小波包系数。
24、可选地，在所述通过多个所述小波包系数各自对应的数值最小的风险因数，确定多个所述小波包系数各自对应的去噪阈值的步骤之前，所述方法还包括：
25、分别根据预设排序规则对多个所述小波包系数各自对应的多个风险因数进行排序，得到多个所述小波包系数各自对应的风险因数序列；
26、将多个所述风险因数序列中首端的风险因数或者末端的风险因数作为多个所述小波包系数各自对应的数值最小的风险因数。
27、此外，为解决上述问题，本专利技术还提出一种表面肌电信号去噪系统，所述表面肌电信号去噪系统包括：
28、小波包分解模块，用于对表面肌电信号进行最优小波包分解，得到最优小波包分解树，其中，所述最优小波包分解树的最大层数为预设层数，每个小波包节点通过香农熵判定每个小波包节点是否进行小波包分解；
29、阈值确定模块，用于获取所述最优小波包分解树中多个节点各自对应的小波包系数，并分别确定多个所述小波包系数中的多个元素各自对应的风险因数，并通过多个所述小波包系数各自对应的数值最小的风险因数，确定多个所述小波包系数各自对应的去噪阈值；
30、信号去噪模块，用于通过多个所述去噪阈值对多个所述小波包系数进行去噪处理，得到多个新小波包系数，并对多个所述新小波包系数进行重构，得到去噪后的表面肌电信号。
31、此外，为解决上述问题，本专利技术还提出一种表面肌电信号去噪设备，所述表面肌电信号去噪设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的表面肌电信号去噪程序，所述表面肌电信号去噪程序被所述处理器执行时实现如上所述的表面肌电信号去噪方法的步骤。
32、此外，为解决上述问题，本专利技术还提出一种计算机存储介质，所述计算机存储介质上存储有表面肌电信号去噪程序，所述表面肌电信号去噪程序被处理器执行时实现如上所述的表面肌电信号去噪方法的步骤。
33、在本实施例中，通过对表面肌电信号进行最优小波包分解，得到最优小波包分解树，其中，最优小波包分解树的层数为预设层数，能够通过最优小波包分解对表面肌电信号中的高频信号和低频信号进行进一步分解，从而得到最优小波包分解树；然后通过获取最优小波包分解树中多个节点各自对应的小波包系数，并分别确定多个小波包系数中的多个元素各自对应的风险因数，并通过多个小波包系数各自对应的数值本文档来自技高网...
【技术保护点】
1.一种表面肌电信号去噪方法，其特征在于，所述表面肌电信号去噪方法包括：
2.如权利要求1所述的表面肌电信号去噪方法，其特征在于，所述对表面肌电信号进行最优小波包分解，得到最优小波包分解树的步骤，包括：
3.如权利要求1所述的表面肌电信号去噪方法，其特征在于，所述分别确定多个所述小波包系数中的多个元素各自对应的风险因数的步骤，包括：
4.如权利要求3所述的表面肌电信号去噪方法，其特征在于，所述通过多个所述小波包系数各自对应的数值最小的风险因数，确定多个所述小波包系数各自对应的去噪阈值的步骤，包括：
5.如权利要求1所述的表面肌电信号去噪方法，其特征在于，所述通过多个所述去噪阈值对多个所述小波包系数进行去噪处理，得到多个新小波包系数的步骤，包括：
6.如权利要求1所述的表面肌电信号去噪方法，其特征在于，在所述通过多个所述小波包系数各自对应的数值最小的风险因数，确定多个所述小波包系数各自对应的去噪阈值的步骤之前，所述方法还包括：
7.一种表面肌电信号去噪系统，其特征在于，所述表面肌电信号去噪系统包括：
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。