CN108403114A - 一种面向恒力的阵列式表面肌电信号分解方法 - Google Patents
一种面向恒力的阵列式表面肌电信号分解方法 Download PDFInfo
- Publication number
- CN108403114A CN108403114A CN201810140429.9A CN201810140429A CN108403114A CN 108403114 A CN108403114 A CN 108403114A CN 201810140429 A CN201810140429 A CN 201810140429A CN 108403114 A CN108403114 A CN 108403114A
- Authority
- CN
- China
- Prior art keywords
- point
- time
- sequence
- array
- constant force
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 15
- 230000003247 decreasing effect Effects 0.000 claims abstract description 7
- 239000002421 finishing Substances 0.000 claims abstract description 5
- 239000000284 extract Substances 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims 1
- 230000000750 progressive effect Effects 0.000 claims 1
- 238000002567 electromyography Methods 0.000 abstract description 12
- 238000007781 pre-processing Methods 0.000 abstract 1
- 239000011159 matrix material Substances 0.000 description 6
- 238000005070 sampling Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 101000739754 Homo sapiens Semenogelin-1 Proteins 0.000 description 1
- 102100037550 Semenogelin-1 Human genes 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供一种面向恒力的阵列式表面肌电信号分解方法,首先对阵列式表面肌电信号滤波预处理,其次采用卷积核补偿方法计算表面肌电信号能量序列,然后按照能量大小依次提取能量序列的时刻点,采用双向递减递增方法计算发放序列,最后重新计算新的运动单元发放序列,循环执行程序直至分解完成,并对所有发放序列归类整理,优化结果。该分解方法准确性高,计算快速、实现简单。
Description
技术领域
本发明涉及一种面向恒力的阵列式表面肌电信号分解方法。
背景技术
表面肌电信号(surface EMG,sEMG)是利用表面电极从人体体表检测肌电信号,与针电极肌电信号(Needle EMG,NEMG)相比,它具有无创性、易于患者接受的特点,因此应用前景广阔。在临床上,通过阵列式sEMG可以较全面地了解神经肌肉的功能状态,鉴别神经源性和肌源性疾病,判断神经损伤的部位、程度及恢复状况,并且阵列式sEMG信号的检测分析对康复医学及运动医学也有具有重要意义。目前,对sEMG信号分解主要针对的是恒力输出的表面肌电信号,本发明就是一种面向恒力的阵列式表面肌电信号分解方法。
国内外学者研究的sEMG信号分解方法主要有:K均值聚类算法、模板匹配法、人工神经网络(ANN)算法、实时线性混叠盲信号分离算法、独立成分分折(ICA)、卷积核补偿算法等方法。由于阵列式sEMG的信噪比较低,MUAP波形的变异性强且相互间的叠加程度较大,导致sEMG分解效果不理想。总的来看,阵列式表面肌电信号分解研究还处于探索阶段,是肌电研究领域的难点之一。
发明内容
鉴于上述问题,本发明的目的在于提供一种面向恒力的阵列式表面肌电信号分解方法,其特征是包括以下步骤:
步骤一,采集恒力输出下的阵列式表面肌电信号,截取时长为T的信号,对信号滤波,削弱干扰;
步骤二,采用卷积核补偿方法计算阵列式sEMG信号能量序列;
步骤三,按照能量大小依次提取能量序列的时刻点;
步骤四,采用双向递减递增方法计算发放序列;
步骤五,针对信号能量序列,重复步骤二-----步骤四,计算发放序列;
步骤六,对所有发放序列归类整理,剔除重复以及不合理的发放时刻向量,优化结果。
优化的技术措施包括:
步骤四中采用双向递减递增方法计算发放时刻,具体方法如下:
A)计算每个时刻点与后面时刻点之间的时间间隔,找到出现次数最多的时间间隔IT,并且记录时间间隔IT连续出现最多的时间点T1,T2(T1<T2);
B)以时间点T1递减时间间隔IT,直到小于0的时刻点之前为止;以时间点T2递增时间间隔IT,直到大于时长T的时刻点之前为止;在时间点T1,T2之间以时间间隔IT取时间点;
C)将上述计算得到的时间点组合得到发放序列。
与现有技术相比,本发明的一种面向恒力的阵列式表面肌电信号分解方法,由于发放时刻的叠加,导致表面肌电信号能量序列出现误差,但是大部分正常的发放时刻仍然在能量序列中出现,为了准确提取发放时刻,本发明提出从所有的时间间隔中找到真实的发放时刻,由于肌肉恒力输出下,发放时刻间隔稳定,利用稳定发放频率提取发放序列,大大提升了分解的准确性,运行过程不需要人工干预,使用方便。本发明不需要计算运动单元发放序列和阵列sEMG信号间混合矩阵,大大减少计算时间,提高了效率。
附图说明
图1是本发明流程图。
具体实施方式
以下结合附图实例对本发明作进一步详细描述,本领域技术人员可由本说明书所揭露的内容轻易地实现。
如图1所示为本发明的流程图。
一种面向恒力的阵列式表面肌电信号分解方法,其特征是包括以下步骤:
步骤一,采集恒力输出下的阵列式表面肌电信号,截取时长为T的信号,对信号滤波,削弱干扰。由于sEMG信号中包含各种干扰信号,预处理首先需要采用带通滤波器,保留10Hz--500Hz频段信号,然后采用陷波滤波器,滤除50Hz工频干扰。
步骤二,采用卷积核补偿方法计算阵列式sEMG信号能量序列。首先计算阵列sEMG信号互相关矩阵以及互相关矩阵逆矩阵,互相关矩阵表示为:
C=E(S(n)ST(n))
其中n是采样时刻,S(n)是第n个采样时刻的阵列信号,ST(n)是第n个采样时刻的阵列信号转置,E(·)是数序期望。计算互相关矩阵的逆矩阵C-1,即
C-1=[E(S(n)ST(n))]-1
然后采样时刻n取sEMG信号能量的中值,能量按照下式计算:
Δ=ST(n)C-1S(n)
取能量中值所对应的时刻n0。最后利用如下公式计算信号能量序列:
ξ(n0)=ST(n0)C-1S(n0)
步骤三,按照能量大小依次提取能量序列的时刻点。
步骤四,采用双向递减递增方法计算发放序列,方法如下:
A)计算每个时刻点与后面时刻点之间的时间间隔,找到出现次数最多的时间间隔IT,并且记录时间间隔IT连续出现最多的时间点T1,T2(T1<T2);
B)以时间点T1递减时间间隔IT,直到小于0的时刻点之前为止;以时间点T2递增时间间隔IT,直到大于时长T的时刻点之前为止;在时间点T1,T2之间以时间间隔IT取时间点;
C)将上述计算得到的时间点组合得到发放序列。
为了具体描述双向递减递增方法,下面举例说明。假设能量序列的时刻点为:10、100、180、220、280、380、480、700,计算每个时刻点与后面时刻点之间的时间间隔,则10与后面时刻点的时间间隔依次为90、170、210、270、370、470、690;
100与后面时刻点的时间间隔依次为80、120、180、280、380、600;
180与后面时刻点的时间间隔依次为40、100、280、300、520;
220与后面时刻点的时间间隔依次为60、160、260、480;
280与后面时刻点的时间间隔依次为100、200、420;
380与后面时刻点的时间间隔依次为100、320;
380与后面时刻点的时间间隔依次为220;
可以看出时间间隔100出现3次,次数最多,因此取IT=100,时间点T1=180,T2=380,以时间点T1递减时间间隔IT,直到小于0的时刻点之前为止,即80;以时间点T2递增时间间隔IT,直到大于时长T的时刻点之前为止,即480,580,680;在时间点T1,T2之间以时间间隔IT取时间点,即280,综合上述时间点,得到发放时刻序列为80、180、280、380、480、580、680。
步骤五,针对信号能量序列,重复步骤二-----步骤四,计算发放时刻;
步骤六,对所有发放时刻归类整理,剔除重复以及不合理的发放时刻向量,优化结果。
对所有发放序列归类整理:重复步骤二--步骤五,直到初始发放时刻不能提取,sEMG提取完成。剔除重复的以及不合理的发放序列向量,优化结果。不合理的发放序列指发放时刻小于15毫秒的序列,需剔除。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (2)
1.一种面向恒力的阵列式表面肌电信号分解方法,其特征是包括以下步骤:
步骤一,采集恒力输出下的阵列式表面肌电信号,截取时长为T的信号,对信号滤波,削弱干扰;
步骤二,采用卷积核补偿方法计算阵列式sEMG信号能量序列;
步骤三,按照能量大小依次提取能量序列的时刻点;
步骤四,采用双向递减递增方法计算发放序列;
步骤五,针对信号能量序列,重复步骤二-----步骤四,计算发放序列;
步骤六,对所有发放序列归类整理,剔除重复以及不合理的发放时刻向量,优化结果。
2.根据权利要求1所述的一种面向恒力的阵列式表面肌电信号分解方法,其特征在于,步骤四中采用双向递减递增方法计算发放序列,具体方法如下:
A)计算每个时刻点与后面时刻点之间的时间间隔,找到出现次数最多的时间间隔IT,并且记录时间间隔IT连续出现最多的时间点T1,T2(T1<T2);
B)以时间点T1递减时间间隔IT,直到小于0的时刻点之前为止;以时间点T2递增时间间隔IT,直到大于时长T的时刻点之前为止;在时间点T1,T2之间以时间间隔IT取时间点;
C)将上述计算得到的时间点组合得到发放序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810140429.9A CN108403114B (zh) | 2018-02-11 | 2018-02-11 | 一种面向恒力的阵列式表面肌电信号分解方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810140429.9A CN108403114B (zh) | 2018-02-11 | 2018-02-11 | 一种面向恒力的阵列式表面肌电信号分解方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108403114A true CN108403114A (zh) | 2018-08-17 |
CN108403114B CN108403114B (zh) | 2021-02-02 |
Family
ID=63128405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810140429.9A Expired - Fee Related CN108403114B (zh) | 2018-02-11 | 2018-02-11 | 一种面向恒力的阵列式表面肌电信号分解方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108403114B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104997508A (zh) * | 2015-08-19 | 2015-10-28 | 宁波工程学院 | 阵列式sEMG信号自动分解方法 |
CN105956547A (zh) * | 2016-04-28 | 2016-09-21 | 宁波工程学院 | 基于阵列式表面肌电信号平滑的分解方法 |
CN105975917A (zh) * | 2016-04-28 | 2016-09-28 | 宁波工程学院 | 面向强干扰的阵列式表面肌电信号分解方法 |
CN106726357A (zh) * | 2017-02-24 | 2017-05-31 | 宁波工程学院 | 一种外骨骼机械腿康复系统站立模式控制方法 |
US20170231521A1 (en) * | 2014-10-17 | 2017-08-17 | G-Tech Medical, Inc. | Systems and methods for processing electromyographic signals of the gastrointestinal tract |
CN107526952A (zh) * | 2016-06-22 | 2017-12-29 | 宁波工程学院 | 基于多通道表面肌电信号的身份识别方法 |
-
2018
- 2018-02-11 CN CN201810140429.9A patent/CN108403114B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170231521A1 (en) * | 2014-10-17 | 2017-08-17 | G-Tech Medical, Inc. | Systems and methods for processing electromyographic signals of the gastrointestinal tract |
CN104997508A (zh) * | 2015-08-19 | 2015-10-28 | 宁波工程学院 | 阵列式sEMG信号自动分解方法 |
CN105956547A (zh) * | 2016-04-28 | 2016-09-21 | 宁波工程学院 | 基于阵列式表面肌电信号平滑的分解方法 |
CN105975917A (zh) * | 2016-04-28 | 2016-09-28 | 宁波工程学院 | 面向强干扰的阵列式表面肌电信号分解方法 |
CN107526952A (zh) * | 2016-06-22 | 2017-12-29 | 宁波工程学院 | 基于多通道表面肌电信号的身份识别方法 |
CN106726357A (zh) * | 2017-02-24 | 2017-05-31 | 宁波工程学院 | 一种外骨骼机械腿康复系统站立模式控制方法 |
Non-Patent Citations (1)
Title |
---|
PENG, YUN 等: "Motor unit number estimation based on high-density surface electromyography decomposition", 《CLINICAL NEUROPHYSIOLOGY》 * |
Also Published As
Publication number | Publication date |
---|---|
CN108403114B (zh) | 2021-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102697493B (zh) | 一种快速的脑电信号中眼电伪迹自动识别和去除的方法 | |
CN108403108A (zh) | 基于波形优化的阵列式表面肌电信号分解方法 | |
CN102426651B (zh) | 人体前臂表面肌电信号采集及模式识别系统 | |
CN104997508B (zh) | 阵列式sEMG信号自动分解方法 | |
CN103190898B (zh) | 心磁信号噪声自适应滤波消除设计方法 | |
CN106889981B (zh) | 一种用于提取胎儿心率的智能终端 | |
CN204931634U (zh) | 基于生理信息的抑郁症评估系统 | |
CN111860410A (zh) | 基于多特征融合cnn的肌电手势识别方法 | |
CN103610461A (zh) | 基于双密度小波邻域相关阈值处理的脑电信号消噪方法 | |
CN104688220A (zh) | 一种去除脑电信号中眼电伪迹的方法 | |
CN109589114A (zh) | 基于ceemd和区间阈值的肌电消噪方法 | |
CN107411741A (zh) | 基于相干性—非负矩阵分解的多通道肌电耦合特性分析方法 | |
CN103761424A (zh) | 基于二代小波和ica的肌电信号降噪与去混迭方法 | |
CN107440716A (zh) | 基于单通道肌电信号的人体下肢运动动作分类辨识方法 | |
CN107822629A (zh) | 四肢表面肌电轴的检测方法 | |
CN108403115A (zh) | 一种肌肉运动单元数量估计方法 | |
CN108836301A (zh) | 一种基于奇异谱分析和稀疏表示的单次诱发电位提取方法 | |
CN105956547A (zh) | 基于阵列式表面肌电信号平滑的分解方法 | |
CN105748067B (zh) | 一种基于随机梯度自适应滤波的诱发脑电提取方法 | |
CN113397571A (zh) | 一种基于先验模板的肌电运动单元分解方法 | |
CN106691437B (zh) | 一种基于母体心电信号的胎儿心率提取方法 | |
CN105975917B (zh) | 面向强干扰的阵列式表面肌电信号分解方法 | |
CN108403113A (zh) | 一种半自动的阵列式表面肌电信号分解方法 | |
CN103876731B (zh) | 一种胎儿心电信号提取装置及方法 | |
CN103070681B (zh) | 一种基于稀疏成分分析的心室晚电位分离方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210202 |