基于神经网络和递归模板对准技术的表面肌电信号分解

摘要

为了提高表面肌电信号(surface electromyography,sEMG)分解的准确率,我们利用空间相邻两通道sEMG信号的信息,采用联合低频小波分解系数作为运动单位动作电位(motor unit action potential,MUAP)活动段的特征,并将自组织特征映射(self-organizing feature map,SOFM)与学习向量量化(learning vectorquantization,LVQ)网络结合起来,完成对MUAP波形的分类。同时为了实现对sEMG信号分解的完整性,采用一种基于递归的模板对准技术分解叠加波形。仿真信号和真实信号的实验表明,本方法具有较高的分解准确率,对于中低收缩力度下sEMG信号的分解十分有效。