基于表面肌电信号的分解技术研究

摘要

肌电信号反应了骨骼肌在不同状态下的电位变化状态，所产生的电位变化与肌肉本身的结构、收缩时所发生的化学变化有着密切的关联。通过对肌电信号的研究和检测，可以判断神经肌肉系统的运动机能及其形态学的变化。肌电信号的分解就是将其中所包含的运动单元动作电位波形(motorunitactionpotential，MUAP)提取出来，通过对其进行分析，可以获取神经肌肉系统在运动时所产生的运动单元动作电位波形的一些基本信息。而表面肌电信号(surfaceelectromyography,sEMG)由于其在检测肌肉信号时的无创伤性以及便捷性，更容易被接受，因此相关的研究也得到了研究人员的广泛关注。本文重点对sEMG信号分解的工作做了详细的研究，主要从以下几个方面进行分析。
　　首先，对sEMG信号进行预处理。由于sEMG信号非常弱，在采集的过程中会受到各种噪声的干扰。传统的消噪方法采用的是常规滤波器，消噪效果不是十分有效，而且容易剔除掉信号中的一些有用信息。为得到信噪比更高的sEMG信号，本文采用小波降噪法来对信号进行出来。同时，为了后续的活动段的提取，本研究通过数学算子来突出sEMG信号的波峰值。
　　其次，提取MUAP波形模板。sEMG信号的分解就是通过信号的求逆来得到组成sEMG信号的MUAP波形。首先，提取活动段，并对活动段中的叠加波形进行确定。之后，则是计算非叠加波形的小波系数特征向量来表征非叠加波形。最后通过小波神经网络对所提取到的非叠加波形进行聚类，并通过计算所提取到的MUAP波形间的概率，将来自同一MU的MUAP波形模板进行合并，完成MUAP波形模板的提取。
　　最后，对叠加波形进行分解。为了完整地分解表面肌电信号，还需要对叠加波形进行分解。本研究设定叠加波形是由多个MUAP波形叠加而成，因此以叠加波形和MUAP模板间的最小欧式距离为匹配标准，采用模板匹配算法对叠加波形进行分解。

目录

声明

摘要

第1章 绪论

1．1 课题研究的目的及意义

1．1．1 课题研究的来源

1．1．2 课题研究的目的

1．1．3 课题研究的意义

1．2 肌电信号的分解研究现状

1．2．1 针电极肌电信号的分解研究现状

1．2．2 表面肌电信号的分解研究现状

1．3 主要研究内容

第2章 表面肌电信号的采集及预处理

2．1 表面肌电信号的采集

2．1．1 sEMG信号采集过程分析

2．1．2 sEMG信号的采集

2．2 小波降噪法

2．2．1 小波基函数

2．2．2 小波分解的参数设定

2．2．3 降噪效果评价准则

2．3 本章小结

第3章 基于人体生理过程的表面肌电信号模型

3．1 肌电信号的仿真机理

3．2 表面肌电信号的仿真

3．2．1 单纤维动作电位

3．2．2 运动单元动作电位

3．2．3 运动单元的募集和发放

3．2．4 肌肉收缩力的仿真

3．2．5 信号模型的参数

3．3 信号模型仿真及对比

3．4 本章小结

第4章 基于小波变换和WNN的信号分解技术

4．1 活动段检测

4．2 活动段的特征提取

4．3 运动单元动作电位的聚类分析

4．3．1 小波神经网络的训练

4．3．2 MUAP模板的合并

4．4 叠加波形的分解

4．5 sEMG分解结果及分析

4．5．1 sEMG信号的预处理

4．5．2 MUAP波形的提取

4．5．3 叠加波形的分解

4．6 本章小结

结论

参考文献

攻读硕士学位期间发表的学术论文

致谢