基于陣列式表面肌電信號平滑的分解方法技術

本發明專利技術提供一種基于陣列式表面肌電信號平滑的分解方法，首先對陣列式表面肌電信號采用自適應時長平滑方法預處理，增強信號特征；其次利用卷積核補償算法提取運動單元發放序列，并且根據發放規律修正該序列；最后整理優化所有得到的發放序列，刪除重復序列。由于該分解方法在分解之前通過自適應時長平滑方法增強了信號特征，所以能取得較為理想的效果，尤其是對較大干擾的表面肌電信號。同時，該方法具有實現簡單的優點。

【技術實現步驟摘要】

本專利技術涉及一種基于陣列式表面肌電信號平滑的分解方法。
技術介紹
表面肌電信號(surface EMG,sEMG)是利用表面電極從人體體表檢測肌電信號，與針電極肌電信號(Needle EMG,NEMG)相比，它具有無創性、易于患者接受的特點，因此應用前景廣闊。實驗表明，利用陣列式sEMG能夠提高運動單元(MU)的檢測率，特別是提高小幅值運動單元活動電位(MUAP)的檢出和識別效果。在臨床上，通過陣列式sEMG可以較全面地了解神經肌肉的功能狀態，鑒別神經源性和肌源性疾病，判斷神經損傷的部位、程度及恢復狀況，并且陣列式sEMG信號的檢測分析對康復醫學及運動醫學也有具有重要意義。陣列式sEMG分解實質上是對sEMG包含的運動單元發放序列進行分類，目前，sEMG分類方法主要有：K均值聚類算法、模板匹配法、人工神經網絡(ANN)算法、實時線性混疊盲信號分離算法、獨立成分分折(ICA)、卷積核補償算法等。K-均值聚類算法需要指定聚類的類別數，而在肌電信號缺少運動單元發放的先驗知識，難以對類別進行精確的指定。模板匹配法由于模板獲取困難，應用受限。ANN可以解決含更多迭加波形情形和在低信噪比時更好地消除絕對誤差，然而，ANN方法一旦訓練后，網絡就固定不變，當模板的形狀發生變化時，神經網絡還需重新訓練，所以強健性不好。ICA是一種盲信號分解技術,它假設構成肌電信號的各運動單元發放序列相互獨立，然后把信號分解成若干相互獨立的成分。卷積核補償算法方法是一種盲信號分解方法，該方法已被驗證效果較理想。陣列式sEMG的信噪比較低，MUAP波形的變異性強且相互間的疊加程度較大，這是導致其分解困難的主要原因?？偟膩砜?，陣列式表面肌電信號分解研究還處于探索階段，是肌電研究領域的難點之一。
技術實現思路
鑒于上述問題，本專利技術的目的在于提供一種基于陣列式表面肌電信號平滑的分解方法。為實現上述目的，針對陣列式表面肌電信號，提出先將原始信號預處理，改善信號質量，再采用卷積核補償算法分解。在這個過程中，不求解矩陣，通過卷積核補償方法得到肌肉運動單元的數目和發放序列。由于該方法對原始信號進行了預處理，增強了信號特征，相對于其它方法，該方法具有sEMG分解精度高的優點。本專利技術公開了一種基于陣列式表面肌電信號平滑的分解方法，其特征是包括以下步驟：步驟一：對陣列式表面肌電信號濾波，削弱干擾；步驟二：采用自適應時長平滑方法對濾波后的表面肌電信號預處理，對每個通道信號平
滑增強信號特征，得到信號S，方法如下：1)將表面肌電信號分割成時間長度為Tf長度的信號，得到k段信號，根據運動單元發放特性，可取20ms≤Tf≤60ms；2)對第k段信號Sk(k為1,2,3,...)，找到最小值Sk_min和最大值Sk_max，計算最值之間的差值Vk＝Sk_max-Sk_min；3)這樣K段得K個差值V1，V2，Λ，Vk，得到第i段自適應時長的滑動窗時間長度Ti： T i = L b + m a x ( V 1 , V 2 , ... , V k ) V i L e ]]>其中Lb，Le是設計的常數，max(V1,V2,...,Vk)表示K個差值中的最大值。4)對每一段采用滑動窗平均的方法，計算每段表面肌電信號，并且記錄每段信號的起始點和最終點值，假設第i段信號的起始點和最終點記為Yis和Yie；5)比較第i-1段信號的最終點Y(i-1)e第i段信號的起始點Yis，如果|Y(i-1)e-Yis|≤N(N是設定的常數)，則兩點直接相連；否則在兩點上用長度5ms的滑動窗平均，實現兩點平滑連接，最終得到平滑后表面肌電信號S。步驟三：采用卷積核補償算法對表面肌電信號S提取發放時刻；步驟四：對發放時刻進行修正，補充和刪除錯誤的發放時刻，得到一個發放時刻序列；步驟五：重復步驟三-----步驟四，設置循環次數，提取多個發放時刻序列；步驟六：對所有發放序列歸類整理，刪除重復的發放序列向量，優化結果。優化的技術措施還包括：上述卷積核補償算法是利用sEMG信號的相關性提取發放時刻，互相關矩陣表示為：C＝E(S(n)ST(n))其中n是采樣時刻，S(n)是第n個采樣時刻的陣列信號，ST(n)是第n個采樣時刻的陣列信號轉置，E(·)是數序期望。某個時刻n'運動單元發放序列表示為：ξ(n')＝ST(n')C-1S(n')其中C-1陣列信號互相關矩陣的逆矩陣。與現有技術相比，本專利技術的一種基于陣列式表面肌電信號平滑的分解方法，由于干擾較
大的sEMG信號波形畸變嚴重，為了保證信號特征及提升信號質量，本專利技術采用自適應時長平滑sEMG信號，并且分段時間長度可調，時間越短，效果越好，但計算時間越長，具體時間長度根據實際情況確定。本專利技術采用的卷積核補償算法不需要計算運動單元發放序列和陣列sEMG信號間混合矩陣，大大減少計算時間，提高了效率，使用方便。附圖說明圖1是本專利技術流程圖。具體實施方式以下結合附圖1對本專利技術作進一步詳細描述，本領域技術人員可由本說明書所揭露的內容輕易地實現。本專利技術公開了一種基于陣列式表面肌電信號平滑的分解方法，包括以下步驟：步驟一：對陣列式表面肌電信號濾波，削弱干擾；步驟二：采用自適應時長平滑方法對濾波后的表面肌電信號預處理，對每個通道信號平滑增強信號特征，得到信號S，方法如下：1)將表面肌電信號分割成時間長度為Tf長度的信號，得到k段信號，根據運動單元發放特性，通常運動單元發放頻率在10Hz-50Hz范圍內，所以可取Tf＝30ms，最后一段信號長度允許小于30ms；2)對第k段信號Sk(k為1,2,3,...)，找到最小值Sk_min和最大值Sk_max，計算最值之間的差值Vk＝Sk_max-Sk_min；3)這樣K段得K個差值V1，V2，Λ，Vk，得到第i段自適應時長的滑動窗時間長度Ti： T i = L b + m a x ( V 1 , V 2 , ... , V本文檔來自技高網...

【技術保護點】
一種基于陣列式表面肌電信號平滑的分解方法，其特征是包括以下步驟：步驟一：對陣列式表面肌電信號濾波，削弱干擾；步驟二：采用自適應時長平滑方法對濾波后的表面肌電信號預處理，對每個通道信號平滑增強信號特征，得到信號S，方法如下：1)將表面肌電信號分割成時間長度為Tf長度的信號，得到k段信號，根據運動單元發放特性，可取20ms≤Tf≤60ms；2)對第k段信號Sk(k為1,2,3,...)，找到最小值Sk_min和最大值Sk_max，計算最值之間的差值Vk＝Sk_max?Sk_min；3)這樣K段得K個差值V1，V2，Λ，Vk，得到第i段自適應時長的滑動窗時間長度Ti：Ti=Lb+max(V1,V2,...,Vk)ViLe]]>其中Lb，Le是設計的常數，max(V1,V2,...,Vk)表示K個差值中的最大值；4)對每一段采用滑動窗平均的方法，計算每段表面肌電信號，并且記錄每段信號的起始點和最終點值，假設第i段信號的起始點和最終點記為Yis和Yie；5)比較第i?1段信號的最終點Y(i?1)e第i段信號的起始點Yis，如果|Y(i?1)e?Yis|≤N(N是設定的常數)，則兩點直接相連；否則在兩點上用長度5ms的滑動窗平均，實現兩點平滑連接，最終得到平滑后表面肌電信號S；步驟三：采用卷積核補償算法對表面肌電信號S提取發放時刻；步驟四：對發放時刻進行修正，補充和刪除錯誤的發放時刻，得到一個發放時刻序列；步驟五：然后重復步驟三?????步驟四，設置循環次數，提取多個發放時刻序列；步驟六：對所有發放序列歸類整理，刪除重復的發放序列向量，優化結果。...

【技術特征摘要】
1.一種基于陣列式表面肌電信號平滑的分解方法，其特征是包括以下步驟：步驟一：對陣列式表面肌電信號濾波，削弱干擾；步驟二：采用自適應時長平滑方法對濾波后的表面肌電信號預處理，對每個通道信號平滑增強信號特征，得到信號S，方法如下：1)將表面肌電信號分割成時間長度為Tf長度的信號，得到k段信號，根據運動單元發放特性，可取20ms≤Tf≤60ms；2)對第k段信號Sk(k為1,2,3,...)，找到最小值Sk_min和最大值Sk_max，計算最值之間的差值Vk＝Sk_max-Sk_min；3)這樣K段得K個差值V1，V2，Λ，Vk，得到第i段自適應時長的滑動窗時間長度Ti： T i = L b + m a x ( V 1 , V 2 , ...

【專利技術屬性】
技術研發人員：何金保，駱再飛，李國君，
申請(專利權)人：寧波工程學院，
類型：發明
國別省市：浙江;33