CN108742611B - 一种随机动态参数电刺激条件下的自主肌电提取方法 - Google Patents
一种随机动态参数电刺激条件下的自主肌电提取方法 Download PDFInfo
- Publication number
- CN108742611B CN108742611B CN201810305542.8A CN201810305542A CN108742611B CN 108742611 B CN108742611 B CN 108742611B CN 201810305542 A CN201810305542 A CN 201810305542A CN 108742611 B CN108742611 B CN 108742611B
- Authority
- CN
- China
- Prior art keywords
- switch
- stimulation
- autonomous
- circuit
- electrode
- 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.)
- Active
Links
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
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种在随机动态参数功能电刺激条件下探测自主肌电信号的方法。一种随机动态参数电刺激条件下的自主肌电提取方法,该方法包含如下步骤:通过硬件电路对电刺激信号进行屏蔽,对屏蔽后信号xM+V(t)进行经验模式分解,获得固有模态函数集IMFm(t),使用连续窗口对固有模态函数集IMFm(t)进行拆分获得wIMFm,u(t),其中m为固有模态函数编号,u为窗口编号,窗口长度约为当前刺激脉冲周期。对wIMFm,u(t)进行特征提取。对提取的特征进行阈值筛选,将满足要求的窗口进行合成,获取降噪后的自主肌电信号。本发明主要是针对现有刺激噪声去除技术的缺陷,通过硬件屏蔽和基于经验模式分解的软件算法联合使用有效地去除刺激伪迹和M波的影响。
Description
技术领域
本发明属于康复医疗技术领域和生物电信号处理领域,具体涉及动态参数电刺激条件下的自主肌电信号提取方法。
背景技术
世界卫生组织(WHO)最新研究报告表明脑卒中(Stroke)已成为全球第二大致死原因,2012年有670万人死于脑卒中。在我国,截至目前,脑卒中高危人群筛查干预项目累计筛查40岁以上居民610余万人,筛查出95.2万余名脑卒中高危人群和患者,筛查发现率高达15.6%,因此脑卒中是危害我国居民健康的重大慢性病。随着现代医学的发展,现阶段脑卒中30天存活率约为85%,5年存活率超过50%,但是大多数患者都存在不同程度的功能障碍后遗症,其中约有80%的卒中患者存在肢体功能障碍。用于脑卒中瘫痪肢体功能康复的相关设备的研发,无疑具有重大的社会意义和经济价值。
研究表明通过功能性电刺激(Functional Electrical Stimulation,FES) 介导的瘫痪肢体重复运动训练可以有效地加快运动功能康复并可以减轻偏瘫引起的肩痛、改善心血管系统机能、减轻痉挛、防止肌肉萎缩、防止废用性骨质疏松以及防止深部静脉血栓形成。此外,大量证据显示,电刺激过程中患者的自主意识参与可以有效地提高运动功能康复的效果,本体感官输入及认知参与有助于提高神经可塑性,增强损伤侧脑功能区域的修复。
肌电信号(Electromyography,EMG)由于可以实时地反映肌肉收缩时肌肉运动单元的募集和爆发率情况,从而反映大脑对肌肉的控制意识,因此,一直以来作为FES系统中增强自主意识控制的研究重点之一。针对脑卒中患者瘫痪肌肉尚存在部分肌力或体表EMG可探测的情况,可以对瘫痪肌肉进行自主EMG提取并对相同肌肉的刺激进行控制,从而放大患者的自主运动意愿,辅助上肢的任务指向性训练,该种FES称为同源自主EMG控制FES。
发明人在同源自主EMG控制FES系统研发过程中发现在对同源肌肉进行控制时,由于EMG探测电极距离刺激电极极近,肌电信号微弱(几百μV到几 mV),通常需要放大数千倍,但是体表刺激脉冲峰值需达到20V以上才能诱发有效的肢体动作,故探测到的EMG常包含幅值较大的刺激伪迹。此外,刺激引发的肌肉运动单元同步活化而产生的M波,同样也会对自主EMG产生干扰,使用包含刺激伪迹和M波的极点信号进行同源自主EMG控制FES系统势必会引起系统的自激振荡。现有的刺激噪声去除方法主要包括空白法和自适应滤波方法均不能应对变幅变频的动态刺激噪声,空白法指在刺激噪声产生式不进行信号采集,直到(刺激伪迹和M波)全部结束,再采集自主EMG,然而这种方法的明显缺点在于刺激伪迹和M波通常持续时间较长(几十ms),故在刺激频率较高时,记录的自主EMG的有效时间极为有限。自适应滤波方法基于对参考波形的动态误差比较,因此对刺激噪声波形特征高度依赖,当幅度和频率发生动态变化时,参考波形不固定,因此难以去除动态刺激噪声。
发明内容
本发明主要是针对现有刺激噪声去除技术的缺陷,提出一种在随机动态参数(变幅、变频)功能电刺激条件下探测探测自主肌电信号的方法,通过硬件屏蔽和基于经验模式分解的软件算法联合使用有效地去除刺激伪迹和M波的影响。
该方法通过同时利用硬件屏蔽法和基于经验模式分解的降噪算法去除肌电信号中的动态刺激噪声和刺激诱发肌肉响应M波。首先,通过模拟开关控制电路,在刺激时短暂断开,屏蔽使放大器饱和的刺激噪声,而保留刺激诱发的肌肉响应M波和自主发力肌电信号成分。然后,对保留成分进行采样,并通过经验模式分解获得固有模态函数集合,通过标准差、Hurst指数特征对固有模态函数成分进行分析,筛选自主肌电相关的固有模态函数子集,将筛选后的固有模态函数叠加,获取自主发力时的肌电信号。本发明可有效的在动态电刺激强背景噪声的情况下提取微弱的自主肌电信号,提取后的自主肌电信号可作为功能性电刺激,达到瘫痪患者实时使用残余肌电信号控制瘫痪肢体运动的目的,同时也为各种参数功能性电刺激条件下分析研究患者自主肌电信号,评定肌肉功能提供了技术基础,具有可观的社会效益和经济价值。
本发明的技术方案如下:
一种随机动态参数电刺激条件下的自主肌电提取方法,其特征在于:该方法包含如下
步骤:
1)通过硬件电路对电刺激信号进行屏蔽,在刺激脉冲产生时,通过模拟开关断开肌电放大电路和探测电极的连接,并将探测电极接地,放大倍数置零,刺激脉冲结束后,延时 80-120微秒,重新将放大电路接通探测电极,恢复放大倍数,主控制器通过A/D转换获取的包含M波和自主肌电信号的xM+V(t),得到屏蔽后信号xM+V(t)包含肌肉在刺激下的响应M波及自主肌电成分;其中M表示由电刺激产生的同步活化肌电信号,即M波,V表示自主肌电信号,t表示时间;
2)对步骤1)得到的屏蔽后信号xM+V(t)进行经验模式分解,获得固有模态函数集IMFm(t),其中m为固有模态函数编号;
3)使用连续窗口对固有模态函数集IMFm(t)进行拆分获得窗口固有模态函数wIMFm,u(t),其中m为固有模态函数编号,u为窗口编号,所述连续窗口长度为1-2倍的当前刺激脉冲周期;
4)对所述窗口固有模态函数wIMFm,u(t)进行特征提取:包括标准差和Hurst指数;
5)对所述步骤4)提取到的标准差及Hurst指数特征进行阈值筛选,将满足阈值条件的 wIMFm,u(t)进行合成,获取降噪后的自主肌电信号。
所述步骤2)中经验模式分解采用集总经验模式分解,将白噪声反复叠加至信号之上,从而实现信号xM+V(t)在白噪声时频框架之上的投影,其中白噪声幅值取自主肌电信号标准差的0.1-0.5倍。
所述硬件电路包括肌电探测电极、开关控制肌电探测电路、主控制器、恒流电刺激电路和刺激电极;
其中,所述肌电探测电极包括三电极,中间电极为参考驱动电极、两端为阳极电极和阴极电极,三电极两两距离相等为0.5cm到2cm之间;刺激电极使用双电极,探测电极和刺激电极排布方向一致;
开关控制肌电探测电路包括:
开关屏蔽电路,用于在电刺激开始时断开探测电极的连接,并将探测电极接地;
前置放大器,用于初步放大肌电信号;
程控开关放大器,用于肌电信号的二次放大,并在刺激来临时将放大倍数置零;
后级滤波放大电路,用于选择有效的肌电信号并进行最终放大;
主控制器的作用包括:产生刺激脉冲、控制开关屏蔽电路以及对屏蔽后信号xM+V(t)进行信号处理;主控制器将经过屏蔽处理的模拟信号进行A/D模数转换,获得初步去除刺激伪迹保留M波和自主肌电信号的待降噪信号xM+V(t);
恒流电刺激电路包括:
电压电流转换电路,用于将主控信号处理产生的电压刺激脉冲转换为电流刺激脉冲;
恒流驱动电路,用于增加刺激电路输出阻抗,达到恒流输出的目的;
开关极性选择电路,用于产生互补双向脉冲。
所述开关屏蔽电路包括开关S1、开关S2、开关S3、开关S4、开关S5和开关S6;
当所述主控制器(7)产生刺激时,主控制器7通过IO口将开关S1、开关S2、开关S3断开,开关S4、开关S5、开关S6闭合,从而屏蔽刺激信号,当刺激结束后,将开关S1、开关S2、开关S3闭合,开关S4、开关S5、开关S6打开,从而恢复探测电极和前置放大器的连接;
所述前置放大器包括运算放大器A1、运算放大器A2、运算放大器A3、运算放大器A、4运算放大器A5、仪表运算放大器INA1;运算放大器A1、运算放大器A2用于阻抗变换,提高输入阻抗;运算放大器A3、运算放大器A4用于提供共模电压反馈,提高共模抑制比;运算放大器A5为低通滤波器给前置放大电路提供稳定的参考电压;运算放大器A6和开关 S7构成程控开关放大器(5),受主控制器7控制,在刺激产生时,开关闭合增益置零,刺激结束时开关断开,提供二级增益。
所述电压电流转换电路(8)包括运算放大器A12、运算放大器A13、三极管T1和三极管T2,运算放大器A12、A13和三极管T1、T2作为跟随器,分别跟随主控制器7的D/A 电平和地电平,通过Rg实现电压电流转换;
所述恒流驱动电路(9)包括三极管T3、三极管T4、三极管T5、三极管T6、电阻E21、电阻E22、电阻E23和电阻E24,三极管T3、三极管T4、三极管T5、三极管T6构成两个 Wilson电流镜,通过高压源HV+、HV-,实现电极输出端的恒流驱动;
所述开关极性选择电路10包括开关S8、开关S9、开关S10和开关S11,所述开关S8、开关S9、开关S10、开关S11构成开关极性选择电路,开关S8、开关S9闭合时正极输出端St+为阳极、负极输出端St-为阴极,开关S10、开关S11闭合时正极输出端St+为阴极、负极输出端St-为阳极;
由于刺激电极和皮肤阻抗较高,恒流时是高电压输出,故开关S8、开关S9、开关S10、开关S11可使用高压光耦继电器实现。
所述步骤2)中对得到的屏蔽后信号xM+V(t)进行经验模式分解的步骤如下:
首先对xM+V(t)分别加白噪声和减去白噪声,获得信号和/>其中L为集总次数;
分别找出的局部最大值和最小值,进行三次样条插值,获得上包络/>和下包络/>求出/>接着进一步找出/>的局部最大值最小值,进行三次样条插值,获得上包络/>和/>求出/>其中k为迭代次数;
一直迭代,直到满足小于0.2或0.3时停止迭代,此时获得第m个/>
将减去/>后,继续重复上述迭代过程,直至/>只剩下一个极值点为止,即可获得/>的全部固有模态函数/>
使用相同方法也可以获得的全部固有模态函数/>
令对IMFim做集总平均,即可得到xM+V(t)的固有模态函数集/>
所述步骤5)中包括如下步骤:
求取每个窗口wIMFm,u(t)的标准差sdm,u和Hurst指数Hm,u,其中sdm,u为常规求解方法;
通过对每个窗口wIMFm,u(t)的sdm,u和Hm,u与阈值进行对比,判断是否满足下述条件,即sdm,u<sdm,thresh&&|Hm,u-0.5|>Hthresh;
其中sdm,thresh和Hthresh的确定方法为:以腕伸肌为例,通过采集固定刺激脉宽为400μs,以2Hz为步长将20-70H的频率分为26个等级,调节刺激幅度使得产生20%、30%、40%最大自主收缩力量的腕伸肌肉发力,对应刺激幅度分别记为弱、中、强刺激幅度。记录上78种刺激参数刺激过程中产生的M波,构建M波资料库;采集5%~40%MVC发力等级时的自主EMG;
将资料库中的M波随机叠加至自主EMG之上,从而构建仿真信号;
对叠加了M波的自主EMG和纯粹的自主EMG,分别求取窗口的第m个固有模态函数IMFm进行标准差和Hurst指数进行分析,求出两种信号在标准差之间的差异及Hurst指数的差异,其差异均值的中位数分别记为sdm,thresh和Hthresh;
对满足条件的wIMFm,u(t)进行保留;
对不满足条件的wIMFm,u(t)进行去除;
将保留的wIMFm,u(t)进行叠加,从而获得自主肌电成分xV(t)。
本发明的优点及显著效果
1.已有的电刺激条件下的自主肌电提取方法包括硬件法和软件法,其中硬件方法,又称为“采样-保持法”(Sample-and-Hold Technique),也称为空白法 (BlankingTechnique),即在刺激开始前将探测放大电路设置为保持模式,不进行放大和采样,直至干扰信号包括伪迹和M波都完全结束后,再进入采样模式放大和记录自主EMG。然而这种方法的明显缺点在于刺激伪迹和M波通常持续时间较长(几十ms),故在刺激频率较高时,记录的自主EMG的有效时间极为有限。软件方法如中国专利ZL201210187151.3采用遗传算法优化了自适应匹配滤波器的参数,获得了较好的伪迹去除效果,但其算法复杂度高、且仅适用于固定频率刺激。
与上述方法相比,本发明由于只通过硬件屏蔽刺激伪迹,在刺激过程中,将探测电极接地,防止刺激信号对探测电极和皮肤之间的电容进行充电,使得多数自主肌电成分均得到保留,使得自主肌电的有效记录时间增长。再通过经验模式分解及固有模态函数筛选,去除电刺激引起的M波,由于经验模式分解的基函数完全依赖于数据,是自适应和后验的,且具有收敛性、完备性和正交性,适用于动态刺激产生的M波去除,与之前的仅针对固定较低频率刺激的噪声消除方法相比,解决了传统消噪方法只能针对固定较低频率刺激噪声、有效自主肌电记录时间短的局限性。这里只去除刺激伪迹的意义在于,由于脉冲刺激信号较大,探测电极与皮肤间的电容快速充电,需要较长的时间才能放电结束,导致肌电信号成分的丢失。在刺激过程中,将探测电极接地,屏蔽这一充电的过程,使得多数自主肌电成分均得到保留。
2.本发明具有广泛的应用领域:
本发明不仅可以应用于自主肌电控制FES系统,还可以推广应用于在动态参数刺激条件下进行电生理信号记录的其他领域,如神经细胞电生理研究、外周神经刺激、深部脑刺激、经颅磁刺激等。
附图说明
图1是本发明硬件系统框图。
图2是使用经验模式分解进行自主肌电信号提取的算法流程图。
图3是互补集总经验模式分解算法流程图。
图4是开关屏蔽电路、前置放大器、程控开关放大器的一种。
图5是后级滤波放大电路的一种。
图6是电压电流转换电路、恒流驱动电路和开关极性选择电路的一种。
图7为在腕伸肌使用脉宽为400μs,幅度和频率分别为10mA,20Hz到5mA, 50Hz变幅变频脉冲刺激时,使用1kHz采样率记录的包含刺激伪迹和M波的肌电信号图。
图8是变频变幅电刺激条件下使用本方法提取的自主肌电信号示例图
具体实施方式
下面结合附图对本发明做进一步描述。
如图1至图8,参看图1,将探测电极2和刺激电极11贴敷于人体待控制肌肉上方皮肤1上。探测电极2由三电极组成,中间电极为参考驱动电极、两端为阳极电极和阴极电极,三电极两两距离相等为0.5cm到2cm之间。刺激电极12由双电极组成,两电极间距可根据刺激目标肌肉进行调整,但排布方向与探测电极一致。探测电极通过开关屏蔽电路3连接至前置放大器4,开关屏蔽电路3可接受主控制器7的控制,在刺激产生时断开探测电极2与前置放大器4的连接,并将探测电极的三个电极短接到地,从而屏蔽刺激信号,刺激时间。前置放大器4用于电极阻抗变换,增加前置放大器输入阻抗,提高放大电路共模抑制比,并对信号进行初步放大。其后信号依次经过程控开关放大器5、后级滤波放大电路6;程控开关放大器5用于在刺激产生时屏蔽电极端产生的开关噪声,并提供一定增益;后级滤波放大电路6通过带通滤波筛选肌电信号所在频率范围的信号,并进行后级放大。主控制器7将经过屏蔽处理的模拟信号进行A/D模数转换,获得初步去除刺激伪迹保留M波和自主肌电信号的待降噪信号xM+V(t)。主控制器7的功能还包括:1)对xM+V(t) 进行软件降噪,首先对xM+V(t)经验模式分解,求取固有模态函数后进行窗口拆分,并对拆分后的固有模态函数进行特征筛选,从而获取自主肌电信号xV(t)。 2)控制刺激输出参数,包括频率、幅度、波形极性。此处所述主控制器可采用ARM Cortex-A53CPU内核的嵌入式芯片,例如BCM2837B0进行实现。主控制器7输出的刺激信号,经过电压电流转换电路8,将主控制器7产生的电压刺激脉冲转换为电流刺激脉冲,再通过恒流驱动电路9,该电路用于增加刺激电路输出阻抗,达到恒流输出的目的,最后通过开关极性选择电路10,在主控制器7的控制下选择输出刺激电极的极性,从而产生互补双向脉冲,达到刺激电荷平衡补偿,减少刺激带来的损伤。
参看图2,该图反映了主控制器提取自主肌电信号的算法流程。
701:主控制器通过A/D转换获取的包含M波和自主肌电信号的xM+V(t)
702:对xM+V(t)进行互补集总经验模式分解获得固有模态函数集IMFm,具体分解方式可参见图3举例。
703:将IMFm进行窗口拆分,拆分成wIMFm,u(t),窗口之间无重叠。
704:求取每个窗口wIMFm,u(t)的标准差sdm,u和Hurst指数Hm,u,其中sdm,u为常规求解方法。Hm,u采用时间序列分析中的R/S分析方法,也属常规计算方法。
705:通过对每个窗口wIMFm,u(t)的sdm,u和Hm,u与阈值进行对比,判断是否满足下述条件,即sdm,u<sdm,thresh&&|Hm,u-0.5|>Hthresh。其中sdm,thresh和Hthresh的确定方法为:以腕伸肌为例,通过采集固定刺激脉宽为400μs,以2Hz为步长将20-70H的频率分为26个等级,调节刺激幅度使得产生20%、30%、40%最大自主收缩力量的腕伸肌肉发力,对应刺激幅度分别记为弱、中、强刺激幅度。记录上78种刺激参数刺激过程中产生的M波,构建M 波资料库。采集5%~40%MVC发力等级时的自主EMG。将资料库中的M波随机叠加至自主EMG之上,从而构建仿真信号。对叠加了M波的自主EMG和纯粹的自主EMG,分别求取窗口的第m个固有模态函数IMFm进行标准差和Hurst指数进行分析,求出两种信号在标准差之间的差异及Hurst指数的差异,其差异均值的中位数分别记为sdm,thresh和Hthresh。
706:对满足条件的wIMFm,u(t)进行保留
707:对不满足条件的wIMFm,u(t)进行去除
708:将保留的wIMFm,u(t)进行叠加,从而获得自主肌电成分xV(t)。
参看图3,描述了一种固有模态函数集IMFm的求解方法。首先对xM+V(t)分别加白噪声和减去白噪声,获得信号和/>其中L为集总次数。分别找出/>的局部最大值和最小值,进行三次样条插值,获得上包络/>和下包络/>求出/>接着进一步找出/>的局部最大值最小值,进行三次样条插值,获得上包络/>和/>求出/>其中k为迭代次数。一直迭代,直到满足/>小于0.2或0.3时停止迭代,此时获得第m个/>将/>减去/>后,继续重复上述迭代过程,直至/>只剩下一个极值点为止,即可获得/>的全部固有模态函数/>使用相同方法也可以获得/>的全部固有模态函数/>令/>对IMFim做集总平均,即可得到xM+V(t)的固有模态函数集/>
参看图4,给出了开关屏蔽电路3、前置放大器4、程控开关放大器5的一种实现方法。其中开关屏蔽电路采用AD公司ADG734模拟开关控制,当主控制器7产生刺激时,主控制器7通过IO口将S1、S2、S3断开,S4、S5、 S6闭合,从而屏蔽刺激信号,当刺激结束后,将S1、S2、S3闭合,S4、S5、 S6打开,从而恢复探测电极和前置放大器的连接。前置放大器中A1、A2、A3、A4、A5为运算放大器,INA1为仪表运算放大器。A1、A2的作用为阻抗变换,提高输入阻抗;A3、A4起到共模电压反馈作用,提高共模抑制比; A5为低通滤波器给前置放大电路提供稳定的参考电压。运算放大器A6和开关S7构成程控开关放大器5,受主控制器7控制,在刺激产生时,开关闭合增益置零,刺激结束时开关断开,提供二级增益。开关S7也可以采用AD公司ADG734模拟开关实现。
参看图5,给出了后级放大滤波器6的一种实现方式,A7、A8、A9、A10 为运算放大器,构成了四阶Sallen-Key巴特沃斯带通滤波器,通频带为20— 450Hz,即肌电信号的主要频带范围。运算放大器A11构成的反相放大器提供了后级增益。
参看图6,给出了电压电流转换电路8、恒流驱动电路9、开关极性选择电路10的一种实现方式。运算放大器A12、A13和三极管T1、T2作为跟随器,分别跟随主控制器7的D/A电平和地电平,通过Rg实现电压电流转换。T3、 T4、T5、T6构成两个Wilson电流镜,通过高压源HV+、HV-,实现电极输出端的恒流驱动。开关S8、S9、S10、S11构成开关极性选择电路,S8、S9闭合时St+为阳极、St-为阴极,S10、S11闭合时St+为阴极、St-为阳极。由于刺激电极和皮肤阻抗较高,恒流时是高电压输出,故S8、S9、S10、S11可使用高压光耦继电器实现,如松下公司的AQS225光耦继电器芯片。
参看图7,给出了本方法的自主肌电提取范例。图7为在腕伸肌使用脉宽为400μs,幅度和频率分别为10mA,20Hz到5mA,50Hz变幅变频脉冲刺激时,使用1kHz采样率记录的包含刺激伪迹和M波的肌电信号。图8为使用本方法提取的自主肌电信号,可见本发明可以在随机动态参数刺激条件下,提取较为纯净的自主肌电信号。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (4)
1.一种随机动态参数电刺激条件下的自主肌电提取方法,其特征在于:
该方法包含如下步骤:
1)通过硬件电路对电刺激信号进行屏蔽,在刺激脉冲产生时,通过模拟开关断开肌电放大电路和探测电极的连接,并将探测电极接地,放大倍数置零,刺激脉冲结束后,延时80-120微秒,重新将放大电路接通探测电极,恢复放大倍数,主控制器通过A/D转换获取的包含M波和自主肌电信号的xM+V(t),得到屏蔽后信号xM+V(t)包含肌肉在刺激下的响应M波及自主肌电成分;其中M表示由电刺激产生的同步活化肌电信号,即M波,V表示自主肌电信号,t表示时间;
2)对步骤1)得到的屏蔽后信号xM+V(t)进行经验模式分解,获得固有模态函数集IMFm(t),其中m为固有模态函数编号;
3)使用连续窗口对固有模态函数集IMFm(t)进行拆分获得窗口固有模态函数wIMFm,u(t),其中m为固有模态函数编号,u为窗口编号,所述连续窗口长度为1-2倍的当前刺激脉冲周期;
4)对所述窗口固有模态函数wIMFm,u(t)进行特征提取:包括标准差和Hurst指数;
5)对所述步骤4)提取到的标准差及Hurst指数特征进行阈值筛选,将满足阈值条件的wIMFm,u(t)进行合成,获取降噪后的自主肌电信号;
所述步骤2)中经验模式分解采用集总经验模式分解,将白噪声反复叠加至信号之上,从而实现信号xM+V(t)在白噪声时频框架之上的投影,其中白噪声幅值取自主肌电信号标准差的0.1-0.5倍;
所述硬件电路包括肌电探测电极、开关控制肌电探测电路、主控制器、恒流电刺激电路和刺激电极;
其中,所述肌电探测电极包括三电极,中间电极为参考驱动电极、两端为阳极电极和阴极电极,三电极两两距离相等为0.5cm到2cm之间;刺激电极使用双电极,探测电极和刺激电极排布方向一致;
开关控制肌电探测电路包括:
开关屏蔽电路,用于在电刺激开始时断开探测电极的连接,并将探测电极接地;
前置放大器,用于初步放大肌电信号;
程控开关放大器,用于肌电信号的二次放大,并在刺激来临时将放大倍数置零;
后级滤波放大电路,用于选择有效的肌电信号并进行最终放大;
主控制器的作用包括:产生刺激脉冲、控制开关屏蔽电路以及对屏蔽后信号xM+V(t)进行信号处理;主控制器将经过屏蔽处理的模拟信号进行A/D模数转换,获得初步去除刺激伪迹保留M波和自主肌电信号的待降噪信号xM+V(t);
恒流电刺激电路包括:
电压电流转换电路,用于将主控信号处理产生的电压刺激脉冲转换为电流刺激脉冲;
恒流驱动电路,用于增加刺激电路输出阻抗,达到恒流输出的目的;
开关极性选择电路,用于产生互补双向脉冲;所述步骤5)中包括如下步骤:
求取每个窗口wIMFm,u(t)的标准差sdm,u和Hurst指数Hm,u,其中sdm,u为常规求解方法;
通过对每个窗口wIMFm,u(t)的sdm,u和Hm,u与阈值进行对比,判断是否满足下述条件,即sdm,u<sdm,thresh&&|Hm,u-0.5|>Hthresh;
其中sdm,thresh和Hthresh的确定方法为:以腕伸肌为例,通过采集固定刺激脉宽为400μs,以2Hz为步长将20-70H的频率分为26个等级,调节刺激幅度使得产生20%、30%、40%最大自主收缩力量的腕伸肌肉发力,对应刺激幅度分别记为弱、中、强刺激幅度;记录上78种刺激参数刺激过程中产生的M波,构建M波资料库;采集5%~40%MVC发力等级时的自主EMG;
将资料库中的M波随机叠加至自主EMG之上,从而构建仿真信号;
对叠加了M波的自主EMG和纯粹的自主EMG,分别求取窗口的第m个固有模态函数IMFm进行标准差和Hurst指数进行分析,求出两种信号在标准差之间的差异及Hurst指数的差异,其差异均值的中位数分别记为sdm,thresh和Hthresh;
对满足条件的wIMFm,u(t)进行保留;
对不满足条件的wIMFm,u(t)进行去除;
将保留的wIMFm,u(t)进行叠加,从而获得自主肌电成分xV(t)。
2.根据权利要求1所述一种随机动态参数电刺激条件下的自主肌电提取方法,其特征在于:
所述开关屏蔽电路包括开关(S1)、开关(S2)、开关(S3)、开关(S4)、开关(S5)和开关(S6);
当所述主控制器(7)产生刺激时,主控制器(7)通过IO口将开关(S1)、开关(S2)、开关(S3)断开,开关(S4)、开关(S5)、开关(S6)闭合,从而屏蔽刺激信号,当刺激结束后,将开关(S1)、开关(S2)、开关(S3)闭合,开关(S4)、开关(S5)、开关(S6)打开,从而恢复探测电极和前置放大器的连接;
所述前置放大器包括运算放大器(A1)、运算放大器(A2)、运算放大器(A3)、运算放大器(A4)、运算放大器(A5)、仪表运算放大器(INA1);运算放大器(A1)、运算放大器(A2)用于阻抗变换,提高输入阻抗;运算放大器(A3)、运算放大器(A4)用于提供共模电压反馈,提高共模抑制比;运算放大器(A5)为低通滤波器给前置放大电路提供稳定的参考电压;运算放大器(A6)和开关(S7)构成程控开关放大器(5),受主控制器(7)控制,在刺激产生时,开关闭合增益置零,刺激结束时开关断开,提供二级增益。
3.根据权利要求1所述一种随机动态参数电刺激条件下的自主肌电提取方法,其特征在于:所述电压电流转换电路(8)包括运算放大器(A12)、运算放大器(A13)、三极管(T1)和三极管(T2),运算放大器(A12)、(A13)和三极管(T1)、(T2)作为跟随器,分别跟随主控制器(7)的D/A电平和地电平,通过Rg实现电压电流转换;
所述恒流驱动电路(9)包括三极管(T3)、三极管(T4)、三极管(T5)、三极管(T6)、电阻(E21)、电阻(E22)、电阻(E23)和电阻(E24),三极管(T3)、三极管(T4)、三极管(T5)、三极管(T6)构成两个Wilson电流镜,通过高压源(HV+)、(HV-),实现电极输出端的恒流驱动;
所述开关极性选择电路(10)包括开关(S8)、开关(S9)、开关(S10)和开关(S11),所述开关(S8)、开关(S9)、开关(S10)、开关(S11)构成开关极性选择电路,开关(S8)、开关(S9)闭合时正极输出端St+为阳极、负极输出端St-为阴极,开关(S10)、开关(S11)闭合时正极输出端St+为阴极、负极输出端St-为阳极;
由于刺激电极和皮肤阻抗较高,恒流时是高电压输出,故开关(S8)、开关(S9)、开关(S10)、开关(S11)可使用高压光耦继电器实现。
4.根据权利要求1所述一种随机动态参数电刺激条件下的自主肌电提取方法,其特征在于:所述步骤2)中对得到的屏蔽后信号xM+V(t)进行经验模式分解的步骤如下:
首先对xM+V(t)分别加白噪声和减去白噪声,获得信号和/>其中L为集总次数;
分别找出的局部最大值和最小值,进行三次样条插值,获得上包络/>和下包络求出/>接着进一步找出/>的局部最大值最小值,进行三次样条插值,获得上包络/>和/>求出/>其中k为迭代次数;
一直迭代,直到满足小于0.2或0.3时停止迭代,此时获得第m个/>
将减去/>后,继续重复上述迭代过程,直至/>只剩下一个极值点为止,即可获得/>的全部固有模态函数/>
使用相同方法也可以获得的全部固有模态函数/>
令对IMFim做集总平均,即可得到xM+V(t)的固有模态函数集/>
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810305542.8A CN108742611B (zh) | 2018-04-08 | 2018-04-08 | 一种随机动态参数电刺激条件下的自主肌电提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810305542.8A CN108742611B (zh) | 2018-04-08 | 2018-04-08 | 一种随机动态参数电刺激条件下的自主肌电提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108742611A CN108742611A (zh) | 2018-11-06 |
CN108742611B true CN108742611B (zh) | 2023-10-13 |
Family
ID=63981115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810305542.8A Active CN108742611B (zh) | 2018-04-08 | 2018-04-08 | 一种随机动态参数电刺激条件下的自主肌电提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108742611B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109700458B (zh) * | 2019-01-14 | 2021-09-24 | 广西医科大学第一附属医院 | 一种eeg脑功能网络构建方法、装置及存储介质 |
CN111714123A (zh) * | 2020-07-22 | 2020-09-29 | 华南理工大学 | 一种人体腰背部表面肌电信号的检测系统和方法 |
CN114831641A (zh) * | 2021-02-02 | 2022-08-02 | 武汉联影智融医疗科技有限公司 | 人体信号采集装置 |
CN113111618B (zh) * | 2021-03-09 | 2022-10-18 | 电子科技大学 | 一种基于改进的经验小波变换的模拟电路故障诊断方法 |
CN117298448B (zh) * | 2023-10-31 | 2024-04-19 | 首都医科大学宣武医院 | 脑电异常捕捉及节律调控方法、系统、设备和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101869477A (zh) * | 2010-05-14 | 2010-10-27 | 北京工业大学 | 一种自适应脑电信号中眼电伪迹的自动去除方法 |
CN102697495A (zh) * | 2012-05-23 | 2012-10-03 | 杭州电子科技大学 | 基于总体平均经验模式分解的二代小波肌电信号消噪方法 |
CN103200139A (zh) * | 2013-04-11 | 2013-07-10 | 西安电子科技大学 | 一种ofdm信号带宽盲估计方法 |
CN105031812A (zh) * | 2015-06-09 | 2015-11-11 | 电子科技大学 | 一种肌电信号反馈的功能性电刺激闭环控制系统及方法 |
CN105030232A (zh) * | 2015-06-30 | 2015-11-11 | 广东工业大学 | 一种心电信号的基线漂移校正方法 |
CN106108897A (zh) * | 2016-07-20 | 2016-11-16 | 西安中科比奇创新科技有限责任公司 | 一种基于经验模式分解的肌电信号滤波方法 |
CN106568589A (zh) * | 2016-11-04 | 2017-04-19 | 东南大学 | 一种基于经验小波变换碰摩声发射消噪方法 |
CN107184203A (zh) * | 2017-07-03 | 2017-09-22 | 重庆大学 | 基于自适应集合经验模态分解的心电信号特征点识别方法 |
CN107464226A (zh) * | 2017-07-31 | 2017-12-12 | 东南大学 | 一种基于改进二维经验模态分解算法的图像去噪方法 |
-
2018
- 2018-04-08 CN CN201810305542.8A patent/CN108742611B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101869477A (zh) * | 2010-05-14 | 2010-10-27 | 北京工业大学 | 一种自适应脑电信号中眼电伪迹的自动去除方法 |
CN102697495A (zh) * | 2012-05-23 | 2012-10-03 | 杭州电子科技大学 | 基于总体平均经验模式分解的二代小波肌电信号消噪方法 |
CN103200139A (zh) * | 2013-04-11 | 2013-07-10 | 西安电子科技大学 | 一种ofdm信号带宽盲估计方法 |
CN105031812A (zh) * | 2015-06-09 | 2015-11-11 | 电子科技大学 | 一种肌电信号反馈的功能性电刺激闭环控制系统及方法 |
CN105030232A (zh) * | 2015-06-30 | 2015-11-11 | 广东工业大学 | 一种心电信号的基线漂移校正方法 |
CN106108897A (zh) * | 2016-07-20 | 2016-11-16 | 西安中科比奇创新科技有限责任公司 | 一种基于经验模式分解的肌电信号滤波方法 |
CN106568589A (zh) * | 2016-11-04 | 2017-04-19 | 东南大学 | 一种基于经验小波变换碰摩声发射消噪方法 |
CN107184203A (zh) * | 2017-07-03 | 2017-09-22 | 重庆大学 | 基于自适应集合经验模态分解的心电信号特征点识别方法 |
CN107464226A (zh) * | 2017-07-31 | 2017-12-12 | 东南大学 | 一种基于改进二维经验模态分解算法的图像去噪方法 |
Non-Patent Citations (5)
Title |
---|
Damasevicius, Robertas. Vasiljevas, Mindaugas等.BoostEMD: An Extension of EMD Method and Its Application for Denoising of EMG Signals.《ELEKTRONIKA ELEKTROTECHNIKA》.2016,第第21卷卷(第第21卷期),第57-61页. * |
Zhou YuXuan.A Frequency and Pulse-Width Co-Modulation Strategy for Transcutaneous Neuromuscular Electrical Stimulation Based on SEMG Time-Domain Features.《Journal of Neural Engineering》.2016,第第13卷卷(第第13卷期),第1-15页. * |
周宇轩.基于通信原理与肌电信号控制的上肢运动功能重建系统设计与实验研究.《中国优秀硕士学位论文全文数据库 (医药卫生科技辑)》.2017,(第undefined期),全文. * |
杨晨.基于经验模式分解(EMD)的脑信号研究.《中国优秀硕士学位论文全文数据库 (信息科技辑)。.2016,(第undefined期),全文. * |
许剑.基于andriod平台手机的老人跌倒检测识别方法研究.《中国优秀硕士学位论文全文数据库 (信息科技辑)》.2016,(第undefined期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN108742611A (zh) | 2018-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108742611B (zh) | 一种随机动态参数电刺激条件下的自主肌电提取方法 | |
CN103845137B (zh) | 基于稳态视觉诱发脑机接口的机器人控制方法 | |
CN105549743A (zh) | 一种基于脑-机接口的机器人系统及实现方法 | |
CN109325586B (zh) | 一种用于脑电信号去噪的系统 | |
CN104548347A (zh) | 一种纯意念神经肌肉电刺激控制与神经功能评价系统 | |
Barhatte et al. | Noise analysis of ECG signal using fast ICA | |
Li et al. | A method for suppressing electrical stimulation artifacts from electromyography | |
CN117064409A (zh) | 经颅直流电干预刺激效果实时评估方法、装置及终端 | |
Culaclii et al. | A hybrid hardware and software approach for cancelling stimulus artifacts during same-electrode neural stimulation and recording | |
Wodlinger et al. | Recovery of neural activity from nerve cuff electrodes | |
CN114680905A (zh) | 肌电信号处理电路和装置 | |
Chu et al. | Equalization for intracortical microstimulation artifact reduction | |
CN205083477U (zh) | 基于体表肌电的实时控制装置 | |
Hsueh et al. | Hardware system for real-time EMG signal acquisition and separation processing during electrical stimulation | |
Pérez-Prieto et al. | Artifact-aware analogue/mixed-signal front-ends for neural recording applications | |
Karnewar et al. | The combined effect of median and FIR filter in pre-processing of ECG signal using MATLAB | |
Hoshimiya et al. | Basic studies on electrophrenic respiration Part 1—Electrophrenic respirator synchronised with phrenic nerve impulses | |
CN205850003U (zh) | 一种基于单片机的肌电刺激脉冲仪 | |
Zhou et al. | Elimination of ECG artifacts from myoelectric prosthesis control signals developed by targeted muscle reinnervation | |
Earley et al. | Neurostimulation artifact removal for implantable sensors improves signal clarity and decoding of motor volition | |
Bhoi et al. | Wavelet packet based Denoising of EMG Signal | |
Luo et al. | Applying stationary wavelet transform for locating and cancelling electrocardiogram interference interval in diaphragmatic electromyography | |
Sen et al. | Development of a novel ECG signal denoising system using extended kalman filter | |
CN109464145A (zh) | 一种肌电采集装置 | |
Oo et al. | Effects of SNR on removing ECG noise from EMG signal using DSWT |
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 |