CN101862189A - 一种肌电功能性电刺激干扰滤除方法 - Google Patents
一种肌电功能性电刺激干扰滤除方法 Download PDFInfo
- Publication number
- CN101862189A CN101862189A CN 201010200508 CN201010200508A CN101862189A CN 101862189 A CN101862189 A CN 101862189A CN 201010200508 CN201010200508 CN 201010200508 CN 201010200508 A CN201010200508 A CN 201010200508A CN 101862189 A CN101862189 A CN 101862189A
- Authority
- CN
- China
- Prior art keywords
- low level
- crest
- matrix
- fes
- filtering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种肌电功能性电刺激干扰滤除方法,基于根据数据绝对值设定初始高电平和初始低电两点波峰阈值,从而检测出混有FES刺激干扰的原始信号中正的和负的刺激波峰,将相应的序列置零达到干扰滤除。与现有技术相比,本发明与现有技术相比,本发明可有效地滤除FES干扰获得纯净肌电信号,并获得可观的社会效益和经济效益,所提供的批量数据文件处理大幅度提高了工作效率,在保证信号质量的同时,具有很大的实用性和应用推广性。
Description
技术领域
本发明属于生物电信号处理技术领域,特别是涉及一种基于两点波峰阈值检测的肌电功能性电刺激信号的干扰滤除方法。
背景技术
目前,肌电生理活动信号的采集对于神经康复工程学的研究具有重要的意义。肌电信号的采集和分析是以预兆、诊断和治疗为目的的理解肌肉活动的有效的技术。功能性电刺激(functional electrical stimulation,FES),通过电流脉冲序列来刺激肢体运动肌群及其外周神经,能够有效地恢复或重建截瘫患者的部分运动功能。瘫痪肌肉受FES作用时,如果建立了电生理活动和被刺激肌肉的力之间的关系,那么FES作用肌肉产生的电生理诱发信号也是有益的。但是,记录肌电信号存在着很多技术上的难题,尤其当刺激作用肌肉和诱发肌电同时发生并且刺激电极和记录电极的位置相近时。其中一个最常见的问题是肌电信号混有刺激干扰,会影响到纯净肌电信号的采集。一股来说,FES的幅值是mV范围,比肌电信号幅值大许多倍。强大的刺激电信号输出会感染敏感的肌电采集系统,造成闭环神经假体控制的刺激干扰问题。因此,在采集肌肉的神经电生理活动时减弱或抑制FES干扰是十分必要的。
尽管减弱FES干扰的实验方法已经逐渐发展起来,但这些方法总是不可避免的残留刺激干扰,这将阻碍肌电信号的分析。采集肌电过程中的减弱或抑制刺激技术已经见于相关文献,主要分为消隐和剪除两种。消隐方法是在刺激作用时期断开肌电采集放大器的输入端。但是这种技术也会消除刺激时期的部分有用信号。剪除方法的基本原理是从混有刺激的肌电信号中剪除掉相关的刺激模板信号。它需要记录下纯净的刺激信号作为模板,这一过程增加了实验的复杂性。
发明内容
基于上述技术问题,本发明提出了一种肌电滤除功能性电刺激干扰方法,基于两点波峰阈值检测的,对采集信号中混有的FES干扰进行滤除,本方法通过建立高电平和低电平阈值来识别、隔离和滤除FES刺激信号,同时留下完整的肌电信号,利用新的FES干扰滤除算法滤除了FES刺激信号全部的正波峰、负波峰和指数衰减部分,从而有效地滤除FES干扰获得干净的肌电信号,并获得可观的社会效益和经济效益。
一种肌电功能性电刺激干扰滤除方法,基于根据数据绝对值设定初始高电平和初始低电两点波峰阈值,从而检测出混有FES刺激干扰的原始信号中正的和负的刺激波峰,将相应的序列置零达到干扰滤除。
该方法的一种处理流程,还包括以下步骤:
步骤1,将采集的混合刺激干扰的肌电信号作为输入信号;
步骤2,计算并滤除采集信号中的波形偏移量;
步骤3,扫描采集信号的绝对值矩阵并计算该矩阵中的最大值,这个最大值对应着刺激峰值幅值,根据该最大值设定分别两个初始阈值:即:一个高电平HT,为检测到的最大波峰值除以二;以及一个低电平LT,为最大波峰值的1/20;
步骤4,扫描采集信号的数据矩阵;
步骤5,直到该数据矩阵以增长的趋势经过初始低电平的幅值,即经过1-LT/2-HT/2-HT/1-LT阈值,则此时检测到刺激信号波峰;
步骤6,记录这个初始低电平的矩阵下标,从起始2-LT到最终1-LT,将这一系列矩阵置零,从而滤除检测到的这一段刺激信号;
步骤7,继续观测该矩阵以确定矩阵是否继续增长并经过1-LT阈值,此时检测到肌电波形;
步骤8,如果矩阵超过初始低电平后,数据值减小并再次经过初始低电平,那么这个点是肌电信号或者零星的噪声,处理中将其当作有效的肌电信号,忽略掉这个点,继续扫描矩阵来检测FES波峰。
该方法的另一种处理流程,还包括以下步骤:
如果经过初始低电平值后,数据矩阵的幅值继续增大并超过了高电平值,那么以初始低电平值的起始点开始标记这段数据矩阵的序列值,将该段数据矩阵作为检测到一个有效的FES干扰波峰;
监控数据矩阵,当经过初始高电平或初始低电平,标记并记录这个刺激序列的长度,从初始低电平经过点的矩阵下标到最终低电平经过点的矩阵下标,期间为检测到的有效波峰;
用零向量(或是肌电信号基线)代替这段刺激干扰序列。
当所述混有FES刺激干扰的原始信号为多倍数据的成批处理的数据文件时,该方法还包括以下步骤:
对记录的数据文件给予编码文件名;
加载了数据文件进入存储条,去掉文件名提取出滤除数据;
建立预测FES波峰数目的公式:
其中,A是时间上的占空系数中的分子比列;B是FES频率;C,数据采集时间;还有D,时间上的占空系数的分子和分母比例的和;
预期得到的数量的误差在5%以内,那么检测波峰的过程成功,执行滤除处理;
如果检测到的干扰波峰数量超出了5%误差
增加高/低电平值1%然后重新运行算法;
如果滤除刺激干扰的数量仍然过大,超过5%误差,继续增加高/低电平值的阈值;
相反,如果滤除刺激干扰的数量过少,误差超过预测值的5%,程序减小高/低电平值1%然后重新运行算法,直到刺激波峰的预测值与检测到的波峰数量相近到误差范围以内。
改变高/低电平值通过改变以下公式的分母来进行:
HT=MAX/X
LT=MAX/Y
其中HT/LT为高/低电平,MAX是数据矩阵最大值,X初始设置为2,根据每次重复的反馈来改变;Y初始设置为20,根据每次反馈来改变;
这一过程继续进行直到滤除的刺激波数量达到预期刺激波形数量,误差控制在5%以内;
根据检测刺激波峰数量是否在达到预期刺激波峰之前以及预测FES波峰数目的误差控制在5%以内,这两个因素停止上述的重复运行算法。
所述重复运行算法允许的最多反馈重复运行次数为20次;大多数数据文件的检测数量达到预期刺激数量,即误差5%时;在10次重复以内。
错误控制处理,包括以下步骤:
进行错误校验:刺激波形滤除数量=经验公式预期数量(允许5%误差);滤除掉刺激干扰的输出纯净的肌电信号。
所述编码文件名包括受试者的名前缀字母,FES刺激频率以及FES脉宽。
与现有技术相比,本发明可有效地滤除FES干扰获得纯净肌电信号,并获得可观的社会效益和经济效益。最佳实施方案拟采用专利转让、技术合作或产品开发。
附图说明
图1为本发明的肌电滤除功能性电刺激干扰方法流程图;
图2为本发明的肌电滤除功能性电刺激干扰方法的输入信号之一示意图;
图3为本发明的肌电滤除功能性电刺激干扰方法的输入信号之二示意图;
图4为本发明的肌电滤除功能性电刺激干扰方法的输出信号示意图;
图5为本发明的输出图表和调度日志文件格式示意图;
图6为本发明的FES实验场景示意图;
图7为本发明的FES实验在40mA电流刺激的滤噪效果图
图8为本发明的FES实验在50mA电流刺激的滤噪效果图。
具体实施方式
本发明的主旨是提出一种新的基于两点波峰阈值检测的肌电滤除功能性电刺激干扰方法,根据数据绝对值设定波峰的高电平和低电平,从而检测出正的和负的刺激波峰,将相应的序列置零达到滤除的目的。
本发明利用实验采集数据进行算法的验证,首先利用程序处理单一数据文件,高/低电平阈值可通过输出波形视觉反馈进行手动调整,以达到100%刺激干扰的滤除。为了验证成批处理多倍文件的有效性,程序逐一处理20个文件,手动调整阈值,将刺激波形滤除数量与公式1预测数量相比较,确定误差在5%以内。确定了公式(1)反馈方法的正确性之后,200个数据文件进行成批处理。程序成功地滤除了这200个数据文件中的所有刺激波形。
本方法通过建立高电平和低电平阈值来识别、隔离和滤除FES刺激信号同时留下完整的肌电信号,程序采用MATLAB编写。
FES干扰通常是一个大的尖峰波形。它的幅值和时间常数受一些因素共同控制,包括刺激输出电流、放大器设计、电极位置、刺激模式和刺激皮肤表皮等因素。如果肌电信号采集电极放置的足够远离刺激电极,那么刺激干扰和诱发肌电信号不会混叠。
以下结合附图对本发明提出的基于两点波峰阈值检测的肌电滤除功能性电刺激干扰方法进行详细地介绍。
如图1所示,为本发明的基于两点波峰阈值检测算法的肌电采集信号混有的FES干扰滤除方法的流程:
首先,将采集的混合刺激干扰的肌电信号作为输入信号,步骤100;计算并滤除采集信号中的波形偏移量,步骤102;扫描一遍采集信号的绝对值矩阵并计算该矩阵中的最大值,这个最大值对应着刺激峰值幅值,根据该最大值设定分别两个初始阈值:即:一个高电平(HT),为检测到的最大波峰值除以二;以及一个低电平(LT),为最大波峰值的1/20,步骤103;使用绝对值矩阵可以使正和负的干扰信号都用相同的高/低电平值处理。本程序每检测到一个波峰就随之滤除,因此可以滤除单一和复合相位的刺激干扰波。
扫描采集信号的数据矩阵,步骤104;直到该数据矩阵以增长的趋势经过初始低电平的幅值,即经过1-LT/2-HT/2-HT/1-LT阈值,则此时检测到刺激信号波峰(这个点可能是一个FES波峰的起始点),步骤104;记录这个初始低电平的矩阵下标,从起始2-LT到最终1-LT,将这一系列矩阵置零,从而滤除检测到的这一段刺激信号,步骤105;继续观测该矩阵以确定矩阵是否继续增长并经过1-LT阈值,此时检测到肌电波形,步骤106;如果矩阵超过初始低电平后,数据值减小并再次经过初始低电平,那么这个点是肌电信号或者零星的噪声,处理中将其当作有效的肌电信号,因此,程序将忽略掉这个点,继续扫描矩阵来检测FES波峰,步骤107;进行错误校验:刺激波形滤除数量=经验公式预期数量(允许5%误差),步骤108;滤除掉刺激干扰的输出纯净的肌电信号,步骤109。
上述流程的两种输入信号分别如图2和图3所示,即肌电刺激的干扰信号的两种波形,输出如图4所示,即去除干扰之后的肌电刺激信号。
本发明的另一种处理流程,如果经过初始低电平值后,数据矩阵的幅值继续增大并超过了高电平值,那么标记这段数据矩阵的序列值(开始于初始低电平值的起始点),也就是将该段数据矩阵作为检测到一个有效的FES干扰波峰;程序继续监控数据矩阵,当它经过初始高电平(以减小的趋势)或初始低电平(以增加的趋势),标记并记录这个刺激序列的长度(从初始低电平经过点的矩阵下标到最终低电平经过点的矩阵下标,期间为检测到的有效波峰);程序继而用零向量(或是肌电信号基线)代替这段刺激干扰序列。
确定从初始低电平到初始高电平的标记矩阵用零矩阵代替是不可或缺的步骤,这样刺激波峰部分会滤除掉。但是,刺激信号的指数衰减部分同样需要滤除。因此,程序继续扫描矩阵,监控数据系列过程直到刺激干扰幅值下降到高电平和低电平以下。
当应用到多倍数据的成批处理时,本发明还提供了一种有效滤除FES干扰的方法,具体描述如下:
对记录的肌电数据文件给予编码文件名,例如CB25H150。“CB”表示受试者的名前缀字母,“25H”表示FES刺激频率(25Hz),“150”表示FES脉宽。FES作用10s,占空比是1∶9,刺激波形是不对称的正负极性两阶段的。根据观察多倍数据的经验信息可以建立一个估算任意记录数据文件中的FES数目的公式。这个预测FES波峰数目的公式(1)如下所示:
其中A是时间上的占空系数中的分子比列;B是FES频率;C,数据采集时间;还有D,时间上的占空系数的分子和分母比例的和。使用上述采集10s数据的例子,程序将预测1×25×1=25个FES波峰。因为预测到的刺激波峰数量不是绝对的,如果检测到的波峰数量与公式(1)预期得到的数量的误差在5%以内,那么检测波峰的过程就认为是成功的。取5%的误差为可接受的系统误差是由经验确定的,通过对检测波峰数量比公式预测数量误差小于或等于5%的数据文件的滤波后输出的检验而确定。当算法加载了数据文件进入存储条,去掉文件名提取出需要的数据。对提取出的数据矩阵计算预测波峰数量值,程序将这个数值与实际检测隔离的干扰波峰数量相比较,如果检测到的干扰波峰数量超出了5%误差,那么程序会自动适当的改变高电平和低电平的值,重新扫描矩阵,执行重复过程如下:
如果刺激干扰的数量滤除的过多(误差超过预测值的5%),程序增加高/低电平值1%然后重新运行算法。如果滤除刺激干扰的数量仍然过多,继续增加高/低电平值的阈值。相反的,如果滤除刺激干扰的数量过少(误差超过预测值的5%),程序减小高/低电平值1%然后重新运行算法,直到刺激波峰的预测值与检测到的波峰数量相近到误差范围以内。程序通过改变公式(2)和(3)中的分母来改变高/低电平值:
HT=MAX/X 公式(2)
LT=MAX/Y 公式(3)
其中HT/LT为高/低电平,MAX是数据矩阵最大值,X初始设置为2,根据每次重复的反馈来改变;Y初始设置为20,根据每次反馈来改变。这一过程继续进行直到滤除的刺激波数量达到预期刺激波形数量(误差控制在5%以内)。为了避免程序的无限循环以及肌电数据的损失,程序检测刺激波形数量在达到预期刺激波峰(误差控制在5%以内)之前根据两个因素也会停止这一反复运行过程。
程序允许的最多反馈重复运行次数为20次。大多数数据文件的检测数量达到预期刺激数量(误差5%)时在10次重复以内。
程序不能持续降低高/低电平的阈值,这样有可能为了达到预期刺激波峰目标数量而滤除掉肌电信号。因此程序中有一个错误控制,计算纯净m-波的平均最大值,控制高电平值不能下降到这个幅值以下。这样避免了重要的m-波数据进入闭环反馈的重复,同时使滤除刺激波程序运行的效率达到最大化。
本发明的上述流程允许成批处理多倍数据文件而无需检验每一个文件。程序自动产生输出图表和调度日志文件如图5所示。两者都给用户程序运行的反馈重复信息(lo_th表示低电平阈值;hi_th表示高电平阈值)。程序输出文件显示预期刺激波形数量是25(±,少于或等于5%)。因此,程序接受24-26个范围内的刺激波峰数量为有效结果。根据初始条件设置高电平和低电平阈值后,第一次重复找到18个刺激波峰。经过接下来的一些重复,程序继续降低高/低电平阈值直到第四次重复,此时程序找到了全部25个刺激波形。程序将试图滤除掉预期的刺激波峰数量,但会接受5%误差数量内的结果。但是,这并不意味着程序达到了预期数量的5%误差范围以内就停止了扫描,而总是在不超出前述错误控制准则的情况下尽力找到最大数量的刺激波峰。
下面具体描述本发明的具体实施例:
本实验使用sigmedics公司生产的FES parastep-1型。刺激电极和肌电采集电极放置的相对位置对于减弱刺激干扰获得良好信号是至关重要的。实验开始前刺激的皮肤表面要预先使用磨砂膏去掉汗毛,从而确保更好的皮肤接触表面,提高导电性。实验时受试者安坐于测试台上,将刺激电极固定于股四头肌的两端位置,未施加电刺激时小腿放松、保持垂直悬空状态(定义此时为初始角度0o),FES实验场景如图6所示。电刺激脉冲序列采用经典的Lilly波形,脉冲频率为25Hz、脉宽150μs,脉冲电流在0~120m范围内可调。EMG采集电极放置于股直肌肌腹处,位置处于刺激正负电极连线之间。本实验中肌电采集系统是由北京祥云计算机技术公司生产的隔离肌电放大器EMG-200uV和NI公司的NI6024E构成,肌电放大器的增益为5000。由于存在较强的刺激干扰和电力线干扰,放大器需要有高共模抑制比(>120db)。A/D采集卡8路差分模拟输入,200KS/s采样率。采集到的肌电数据用LABVIEW软件记录到电脑中保存。
为了确保全部信号被采集,采样率越高越好。数据的频谱分析显示肌电混合刺激信号在4kHz以上没有明显的谱分量了,因此选择一个稍低的采样率可以减小处理复杂度和数据文件大小同时还保持着信号完整性。数据以1kHz被采样。实验中分别采用了40mA和50mA电流。图7和图8分别显示了40mA电流和50mA电流刺激的滤噪结果。图7所示的采集信号、图8所示的原始信号为混有刺激干扰的原始肌电波形,两图中的滤噪信号为滤除干扰之后的干净肌电信号波形,可以看出刺激波峰滤除的效果很好,获得纯净的肌电信号。
Claims (7)
1.一种肌电功能性电刺激干扰滤除方法,基于根据数据绝对值设定初始高电平和初始低电两点波峰阈值,从而检测出混有FES刺激干扰的原始信号中正的和负的刺激波峰,将相应的序列置零达到干扰滤除。
2.如权利要求1所述的肌电功能性电刺激干扰滤除方法,还包括以下步骤:
步骤(1),将采集的混合刺激干扰的肌电信号作为输入信号;
步骤(2),计算并滤除采集信号中的波形偏移量;
步骤(3),扫描采集信号的绝对值矩阵并计算该矩阵中的最大值,这个最大值对应着刺激峰值幅值,根据该最大值设定分别两个初始阈值:即:一个高电平HT,为检测到的最大波峰值除以二;以及一个低电平LT,为最大波峰值的1/20;
步骤(4),扫描采集信号的数据矩阵;
步骤(5),直到该数据矩阵以增长的趋势经过初始低电平的幅值,即经过1-LT/2-HT/2-HT/1-LT阈值,则此时检测到刺激信号波峰;
步骤(6),记录这个初始低电平的矩阵下标,从起始2-LT到最终1-LT,将这一系列矩阵置零,从而滤除检测到的这一段刺激信号;
步骤(7),继续观测该矩阵以确定矩阵是否继续增长并经过1-LT阈值,此时检测到肌电波形;
步骤(8),如果矩阵超过初始低电平后,数据值减小并再次经过初始低电平,那么这个点是肌电信号或者零星的噪声,处理中将其当作有效的肌电信号,忽略掉这个点,继续扫描矩阵来检测FES波峰。
3.如权利要求1所述的肌电功能性电刺激干扰滤除方法,还包括以下步骤:
如果经过初始低电平值后,数据矩阵的幅值继续增大并超过了高电平值,那么以初始低电平值的起始点开始标记这段数据矩阵的序列值,将该段数据矩阵作为检测到一个有效的FES干扰波峰;
监控数据矩阵,当经过初始高电平或初始低电平,标记并记录这个刺激序列的长度,从初始低电平经过点的矩阵下标到最终低电平经过点的矩阵下标,期间为检测到的有效波峰;
用零向量(或是肌电信号基线)代替这段刺激干扰序列。
4.如权利要求1所述的肌电功能性电刺激干扰滤除方法,当所述混有FES刺激干扰的原始信号为多倍数据的成批处理的数据文件时,该方法还包括以下步骤:
对记录的数据文件给予编码文件名;
加载了数据文件进入存储条,去掉文件名提取出滤除数据;
建立预测FES波峰数目的公式:
其中,A是时间上的占空系数中的分子比列;B是FES频率;C,数据采集时间;还有D,时间上的占空系数的分子和分母比例的和;
预期得到的数量的误差在5%以内,那么检测波峰的过程成功,执行滤除处理;
如果检测到的干扰波峰数量超出了5%误差
增加高/低电平值1%然后重新运行算法;
如果滤除刺激干扰的数量仍然过大,超过5%误差,继续增加高/低电平值的阈值;
相反,如果滤除刺激干扰的数量过少,误差超过预测值的5%,程序减小高/低电平值1%然后重新运行算法,直到刺激波峰的预测值与检测到的波峰数量相近到误差范围以内。
改变高/低电平值通过改变以下公式的分母来进行:
HT=MAX/X
LT=MAX/Y
其中HT/LT为高/低电平,MAX是数据矩阵最大值,X初始设置为2,根据每次重复的反馈来改变;Y初始设置为20,根据每次反馈来改变;
这一过程继续进行直到滤除的刺激波数量达到预期刺激波形数量,误差控制在5%以内;
根据检测刺激波峰数量是否在达到预期刺激波峰之前以及预测FES波峰数目的误差控制在5%以内,这两个因素停止上述的重复运行算法。
5.如权利要求1所述的肌电功能性电刺激干扰滤除方法,所述重复运行算法允许的最多反馈重复运行次数为20次;大多数数据文件的检测数量达到预期刺激数量,即误差5%时;在10次重复以内。
6.如权利要求2、3或4所述的肌电功能性电刺激干扰滤除方法,还包括错误控制处理,包括以下步骤:
进行错误校验:刺激波形滤除数量=经验公式预期数量(允许5%误差);滤除掉刺激干扰的输出纯净的肌电信号。
7.如权利要求4所述的肌电功能性电刺激干扰滤除方法,所述编码文件名包括受试者的名前缀字母,FES刺激频率以及FES脉宽。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010200508 CN101862189A (zh) | 2010-06-13 | 2010-06-13 | 一种肌电功能性电刺激干扰滤除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010200508 CN101862189A (zh) | 2010-06-13 | 2010-06-13 | 一种肌电功能性电刺激干扰滤除方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101862189A true CN101862189A (zh) | 2010-10-20 |
Family
ID=42954269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010200508 Pending CN101862189A (zh) | 2010-06-13 | 2010-06-13 | 一种肌电功能性电刺激干扰滤除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101862189A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102488965A (zh) * | 2011-12-08 | 2012-06-13 | 天津大学 | 一种功能性电刺激控制方法 |
CN102488963A (zh) * | 2011-12-08 | 2012-06-13 | 天津大学 | 一种功能性电刺激膝关节角度控制方法 |
CN102697496A (zh) * | 2012-06-07 | 2012-10-03 | 天津大学 | 一种功能性电刺激表面肌电信号的滤波方法 |
CN102715899A (zh) * | 2012-06-15 | 2012-10-10 | 天津大学 | 神经放电信号的正负峰形识别方法 |
WO2018214529A1 (zh) * | 2017-05-25 | 2018-11-29 | 深圳市前海未来无限投资管理有限公司 | 一种肌电信号采集方法及装置 |
CN112773381A (zh) * | 2019-11-07 | 2021-05-11 | 深圳市理邦精密仪器股份有限公司 | 一种肌电信号的处理方法、处理设备以及存储介质 |
CN113693605A (zh) * | 2021-09-03 | 2021-11-26 | 复旦大学 | 一种神经信号实时去除刺激伪迹的方法、装置及介质 |
CN116531003A (zh) * | 2023-06-20 | 2023-08-04 | 天津大学 | 一种功能性电刺激下的表面肌电采集系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5540235A (en) * | 1994-06-30 | 1996-07-30 | Wilson; John R. | Adaptor for neurophysiological monitoring with a personal computer |
CN101482773A (zh) * | 2009-01-16 | 2009-07-15 | 中国科学技术大学 | 一种多通道无线表面肌电信号采集装置及系统 |
CN101536905A (zh) * | 2009-05-06 | 2009-09-23 | 中国科学技术大学 | 表面肌电图系统及其电极板 |
-
2010
- 2010-06-13 CN CN 201010200508 patent/CN101862189A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5540235A (en) * | 1994-06-30 | 1996-07-30 | Wilson; John R. | Adaptor for neurophysiological monitoring with a personal computer |
CN101482773A (zh) * | 2009-01-16 | 2009-07-15 | 中国科学技术大学 | 一种多通道无线表面肌电信号采集装置及系统 |
CN101536905A (zh) * | 2009-05-06 | 2009-09-23 | 中国科学技术大学 | 表面肌电图系统及其电极板 |
Non-Patent Citations (1)
Title |
---|
《航天医学与医学工程》 20040630 赵捷、华玫 滤除ECG中肌电和宽频率范围工频干扰的小波算法 224-228 1-7 第17卷, 第3期 2 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102488963A (zh) * | 2011-12-08 | 2012-06-13 | 天津大学 | 一种功能性电刺激膝关节角度控制方法 |
CN102488965A (zh) * | 2011-12-08 | 2012-06-13 | 天津大学 | 一种功能性电刺激控制方法 |
CN102488963B (zh) * | 2011-12-08 | 2013-10-09 | 天津大学 | 一种功能性电刺激膝关节角度控制方法 |
CN102488965B (zh) * | 2011-12-08 | 2013-10-09 | 天津大学 | 一种功能性电刺激控制方法 |
CN102697496B (zh) * | 2012-06-07 | 2014-04-30 | 天津大学 | 一种功能性电刺激表面肌电信号的滤波方法 |
CN102697496A (zh) * | 2012-06-07 | 2012-10-03 | 天津大学 | 一种功能性电刺激表面肌电信号的滤波方法 |
CN102715899A (zh) * | 2012-06-15 | 2012-10-10 | 天津大学 | 神经放电信号的正负峰形识别方法 |
WO2018214529A1 (zh) * | 2017-05-25 | 2018-11-29 | 深圳市前海未来无限投资管理有限公司 | 一种肌电信号采集方法及装置 |
CN112773381A (zh) * | 2019-11-07 | 2021-05-11 | 深圳市理邦精密仪器股份有限公司 | 一种肌电信号的处理方法、处理设备以及存储介质 |
CN112773381B (zh) * | 2019-11-07 | 2023-09-22 | 深圳市理邦精密仪器股份有限公司 | 一种肌电信号的处理方法、处理设备以及存储介质 |
CN113693605A (zh) * | 2021-09-03 | 2021-11-26 | 复旦大学 | 一种神经信号实时去除刺激伪迹的方法、装置及介质 |
CN113693605B (zh) * | 2021-09-03 | 2022-07-26 | 复旦大学 | 一种神经信号实时去除刺激伪迹的方法、装置及介质 |
CN116531003A (zh) * | 2023-06-20 | 2023-08-04 | 天津大学 | 一种功能性电刺激下的表面肌电采集系统 |
CN116531003B (zh) * | 2023-06-20 | 2024-04-19 | 天津大学 | 一种功能性电刺激下的表面肌电采集系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101862189A (zh) | 一种肌电功能性电刺激干扰滤除方法 | |
Merletti et al. | Technology and instrumentation for detection and conditioning of the surface electromyographic signal: state of the art | |
Chen et al. | Adaptive real-time identification of motor unit discharges from non-stationary high-density surface electromyographic signals | |
CN109318207B (zh) | 一种利用肌电定时的下肢运动准备电位检测系统及方法 | |
Molla et al. | Separation of EOG artifacts from EEG signals using bivariate EMD | |
CN111067514B (zh) | 一种基于多尺度多变量传递熵的多通道脑电耦合分析方法 | |
CN110658851B (zh) | 一种基于脑电信号的无人机航迹规划系统 | |
CN106805945B (zh) | 一种少数通道的脑电信号中肌电伪迹的消除方法 | |
US9622672B2 (en) | Digitally invertible universal amplifier for recording and processing of bioelectric signals | |
CN103006212B (zh) | 近似熵分析诱发肌电m波评价电刺激致肌疲劳的方法 | |
Garcia et al. | A decomposition algorithm for surface electrode-array electromyogram | |
Ahmadi et al. | Decoding hand kinematics from local field potentials using long short-term memory (LSTM) network | |
CN107518895B (zh) | 面向康复训练的同一肌肉检测方法 | |
Zhang et al. | Muscle force estimation based on neural drive information from individual motor units | |
Avrillon et al. | Tutorial on MUedit: An open-source software for identifying and analysing the discharge timing of motor units from electromyographic signals | |
Sabzevari et al. | Muscle synergy extraction during arm reaching movements at different speeds | |
Geng et al. | Recognition of combined arm motions using support vector machine | |
CN116756643A (zh) | 一种基于Fisher分数的脑电通道选择方法 | |
CN107374620A (zh) | 一种基于独立成分分析算法的脑电信号预处理方法 | |
Ji et al. | Stationary wavelet-based two-directional two-dimensional principal component analysis for EMG signal classification | |
CN102649003B (zh) | 基于肌电反馈刺激的恒流刺激电路 | |
Zhang et al. | Forearm functional movement recognition using spare channel surface electromyography | |
Guo et al. | NAO robot limb control method based on motor imagery EEG | |
CN106102575A (zh) | 一种肌电信号采集装置 | |
CN112933408B (zh) | 一种表面肌电信号的采集与低频电刺激控制系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20101020 |