CN110477916A - 一种表面肌电信号的运动起始时刻识别方法与装置 - Google Patents

一种表面肌电信号的运动起始时刻识别方法与装置 Download PDF

Info

Publication number
CN110477916A
CN110477916A CN201910745825.9A CN201910745825A CN110477916A CN 110477916 A CN110477916 A CN 110477916A CN 201910745825 A CN201910745825 A CN 201910745825A CN 110477916 A CN110477916 A CN 110477916A
Authority
CN
China
Prior art keywords
signal
surface electromyogram
electromyogram signal
initial time
threshold
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
Application number
CN201910745825.9A
Other languages
English (en)
Other versions
CN110477916B (zh
Inventor
张利朋
胡玉霞
张锐
申通达
苏筱雅
师丽
高金峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhengzhou University
Original Assignee
Zhengzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhengzhou University filed Critical Zhengzhou University
Priority to CN201910745825.9A priority Critical patent/CN110477916B/zh
Publication of CN110477916A publication Critical patent/CN110477916A/zh
Application granted granted Critical
Publication of CN110477916B publication Critical patent/CN110477916B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • 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
    • A61B5/7235—Details of waveform analysis
    • 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
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters

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)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及一种表面肌电信号的运动起始时刻识别方法与装置，该方法对表面肌电信号进行零相移带通滤波，提取上包络，并进行重采样插值重构，根据重构信号设定第一阈值和第二阈值，按照重构信号的时间顺序选取第一个信号大于第一阈值的时刻，按照该时刻向前搜索直至出现第一个小于第二阈值的信号，该信号对应的时刻即为运动起始时刻。通过分析表面肌电信号得到运动起始时刻，克服了原有表面肌电信号提取运动起始时刻不准确的问题，其中，通过零相移滤波、重采样插值等方式的组合对该表面肌电信号进行处理，降低了表面肌电信号噪声的影响，并运用前向搜索准确找到运动起始时刻，该方法替代了原有的按键响应方法，具有更高的准确性。

Description

一种表面肌电信号的运动起始时刻识别方法与装置
技术领域
本发明涉及一种表面肌电信号的运动起始时刻识别方法与装置。
背景技术
目前，在脑科学领域，研究人员对运动过程中大脑各功能区的作用仍然缺乏充足的认识，而对运动过程的研究离不开运动起始时刻的确定，也就是说首先要准确的获取肢体运动的时刻。当前的研究大多采用按键响应来记录被试的运动起始时刻，而按键响应的时刻作为肢体肌肉运动的时刻是不准确的，这是因为从肌肉运动到按键响应会有一定的时间差，这就增加了实验分析的误差。
研究表明肢体在运动前会有肌电信号的变化，通过肌电信号的变化也可以识别运动起始时刻。然而，表面肌电信号是一种非平稳信号，原始信号有很多噪声，很难准确提取到运动起始时刻。
发明内容
本发明的目的是提供一种表面肌电信号的运动起始时刻识别方法与装置，用以解决现有依据表面肌电信号提取运动起始时刻不准确的问题。
为了实现上述目的，本发明提供一种表面肌电信号的运动起始时刻识别方法，包括以下步骤：
1)获取表面肌电信号，对表面肌电信号进行零相移带通滤波，得到滤波后的表面肌电信号；
2)将滤波后的表面肌电信号中的负值转换为正值，并去除小于设定低值的信号得到去基线信号；
3)提取去基线信号的上包络，并进行重采样插值重构得到重构信号；
4)根据重构信号设定第一阈值和第二阈值，其中，第一阈值大于第二阈值；按照重构信号的时间顺序选取第一个信号大于第一阈值的时刻，按照所述时刻向前搜索直至出现第一个小于第二阈值的信号，该信号对应的时刻即为运动起始时刻。
有益效果是，通过分析表面肌电信号得到运动起始时刻，克服了原有表面肌电信号提取运动起始时刻不准确的问题，其中，通过零相移滤波、重采样插值等方式的组合对该表面肌电信号进行处理，降低了表面肌电信号噪声的影响，并运用前向搜索准确找到运动起始时刻，该方法替代了原有的按键响应方法，具有更高的准确性。
进一步地，为了在将表面肌电信号中负值转换为正值的同时提高信号的幅值，步骤2)中将滤波后的表面肌电信号中的负值转换为正值，采用公式如下：
式中，S1为滤波后的表面肌电信号，S2为转换后的表面肌电信号，n为表面肌电信号的长度。
进一步地，为了排除基线伪迹的影响，提高信号的可信度，所述设定低值为其中，为S2的均值，S2为转换后的表面肌电信号。
进一步地，为了达到较好的识别效果，第一阈值的取值范围为第二阈值为为重构信号的平均值。
进一步地，为了得到较好的滤波效果，所述零相移带通滤波的滤波范围为55Hz～65Hz。
进一步地，为了简单实现表面肌电信号的滤波，采用MATLAB中的filtfilt函数对所述表面肌电信号进行零相移带通滤波。
本发明提供一种表面肌电信号的运动起始时刻识别装置，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：
1)获取表面肌电信号，对表面肌电信号进行零相移带通滤波，得到滤波后的表面肌电信号；
2)将滤波后的表面肌电信号中的负值转换为正值，并去除小于设定低值的信号得到去基线信号；
3)提取去基线信号的上包络，并进行重采样插值重构得到重构信号；
4)根据重构信号设定第一阈值和第二阈值，其中，第一阈值大于第二阈值；按照重构信号的时间顺序选取第一个信号大于第一阈值的时刻，按照所述时刻向前搜索直至出现第一个小于第二阈值的信号，该信号对应的时刻即为运动起始时刻。
有益效果是，通过分析表面肌电信号得到运动起始时刻，克服了原有表面肌电信号提取运动起始时刻不准确的问题，其中，通过零相移滤波、重采样插值等方式对该表面肌电信号进行处理，降低了表面肌电信号噪声的影响，并运用前向搜索准确找到运动起始时刻，该方法替代了原有的按键响应方法，具有更高的准确性。
进一步地，为了在将表面肌电信号中负值转换为正值的同时提高信号的幅值，步骤2)中将滤波后的表面肌电信号中的负值转换为正值，采用公式如下：
式中，S1为滤波后的表面肌电信号，S2为转换后的表面肌电信号，n为表面肌电信号的长度。
进一步地，为了排除基线伪迹的影响，提高信号的可信度，所述设定低值为其中，为S2的均值，S2为转换后的表面肌电信号。
进一步地，为了达到较好的识别效果，第一阈值的取值范围为第二阈值为为重构信号的平均值。
进一步地，为了得到较好的滤波效果，所述零相移带通滤波的滤波范围为55Hz～65Hz。
进一步地，为了简单实现表面肌电信号的滤波，采用MATLAB中的filtfilt函数对所述表面肌电信号进行零相移带通滤波。
附图说明
图1是本发明的一种表面肌电信号的运动起始时刻识别方法的流程图；
图2是本发明的原始的表面肌电信号图；
图3是本发明的滤波后的表面肌电信号图；
图4是本发明的能量信号图；
图5是本发明的去基线信号图；
图6是本发明的重构后的重构信号图；
图7是本发明的识别结果图；
图8是本发明的识别误差箱线图。
具体实施方式
下面结合附图对本发明做进一步详细的说明。
方法实施例：
本发明提供一种表面肌电信号的运动起始时刻识别方法，如图1所示，包括以下步骤：
1)获取表面肌电信号，对表面肌电信号进行零相移带通滤波，得到滤波后的表面肌电信号。
本实施例使用原始表面肌电信号，如图2所示，采样率为1000Hz，长度为500440个采样点，为了去除低频信号对肌电的干扰，利用MATLAB的fdatool工具箱设计FIR带通滤波器，得到该滤波器的系数A和B，本实施例中，选取的阻带截止频率为[50 70]Hz，通带截止频率为[55 65]Hz，作为其他实施方式，该滤波器的截止频率可以根据不同使用对象进行相应调整。
采用MATLAB中的filtfilt函数对原始的表面肌电信号S进行零相移带通滤波，得到滤波后的表面肌电信号S1，如图3所示。
2)将滤波后的表面肌电信号中的负值转换为正值，采用公式如下：
式中，S1为滤波后的表面肌电信号，S2为能量信号即转换后的表面肌电信号，n为表面肌电信号的长度；能量信号S2如图4所示。
作为其他实施方式，也可以对滤波后的表面肌电信号取绝对值，实现负值到正值的转换。
3)计算能量信号S2的均值，去除S2中小于该均值的信号即去除基线，得到去基线信号S3，如图5所示。
本实施例中设定低值为S2的均值，即作为其他实施方式，该设定低值也可以是零，即不进行去除基线。
3)提取去基线信号的上包络，并进行重采样插值重构得到重构信号。
具体为，寻找去基线信号S3的上包络值，得到关于上包络值和出现时刻的矩阵P，对矩阵P进行重采样并插值，得到与去基线信号S3长度一致的重构信号S4，如图6所示。
4)根据重构信号设定第一阈值和第二阈值，其中，第一阈值大于第二阈值；按照重构信号的时间顺序选取第一个信号大于第一阈值的时刻，按照该时刻向前搜索直至出现第一个小于第二阈值的信号，该信号对应的时刻即为运动起始时刻。
具体的，本实施例中第一阈值即粗选阈值th1为第二阈值即精选阈值th2为为重构信号的平均值，作为其他实施方式，第一阈值的取值可以在的范围内选取，第二阈值的取值可以在的范围内选取。
本步骤在具体实施时，先找出重构信号S4中所有大于th1的数，令其值为1，所有小于等于th1的数，令其值为0，得到矩阵P1；再从P1中找出满足以下条件的时刻tk：
(1)P1k＝1；
(2)
其中，fs为表面肌电信号的采样率，α为大于0的实数，根据运动的时间间隔程度调整α。
从重构信号S4的tk时刻向前搜索，当S4k-a≤th2出现时，该tk-a时刻即为运动的起始时刻，其中a为向前搜索的距离，如图7所示。
利用上述方法，对13名被试的模拟肌电信号进行了运动起始时刻识别，将识别结果与其运动起始时刻对比，得到每名被试50组，共计650组识别结果；为了更加直观的获取结果信息，我们绘制了其结果的箱线图，如图8所示；13名被试得到了平均30.9ms的识别误差。该方法通过零相移滤波、插值和前向搜索等方法，取得了平均30.9ms的识别误差，具有较优异的性能。
装置实施例：
本发明提供一种表面肌电信号的运动起始时刻识别装置，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行程序时实现上述方法实施例中的方法步骤，在此不再赘述。
以上给出了本发明涉及的具体实施方式，但本发明不局限于所描述的实施方式。在本发明给出的思路下，采用对本领域技术人员而言容易想到的方式对上述实施例中的技术手段进行变换、替换、修改，并且起到的作用与本发明中的相应技术手段基本相同、实现的发明目的也基本相同，这样形成的技术方案是对上述实施例进行微调形成的，这种技术方案仍落入本发明的保护范围内。

Claims (7)

1.一种表面肌电信号的运动起始时刻识别方法，其特征在于，包括以下步骤：
1)获取表面肌电信号，对表面肌电信号进行零相移带通滤波，得到滤波后的表面肌电信号；
2)将滤波后的表面肌电信号中的负值转换为正值，并去除小于设定低值的信号得到去基线信号；
3)提取去基线信号的上包络，并进行重采样插值重构得到重构信号；
4)根据重构信号设定第一阈值和第二阈值，其中，第一阈值大于第二阈值；按照重构信号的时间顺序选取第一个信号大于第一阈值的时刻，按照所述时刻向前搜索直至出现第一个小于第二阈值的信号，该信号对应的时刻即为运动起始时刻。
2.根据权利要求1所述的表面肌电信号的运动起始时刻识别方法，其特征在于，步骤2)中将滤波后的表面肌电信号中的负值转换为正值，采用公式如下：
式中，S1为滤波后的表面肌电信号，S2为转换后的表面肌电信号，n为表面肌电信号的长度。
3.根据权利要求1或2所述的表面肌电信号的运动起始时刻识别方法，其特征在于，所述设定低值为其中，为S2的均值，S2为转换后的表面肌电信号。
4.根据权利要求1或2所述的表面肌电信号的运动起始时刻识别方法，其特征在于，第一阈值的取值范围为第二阈值为 为重构信号的平均值。
5.根据权利要求1所述的表面肌电信号的运动起始时刻识别方法，其特征在于，所述零相移带通滤波的滤波范围为55Hz～65Hz。
6.根据权利要求1所述的表面肌电信号的运动起始时刻识别方法，其特征在于，采用MATLAB中的filtfilt函数对所述表面肌电信号进行零相移带通滤波。
7.一种表面肌电信号的运动起始时刻识别装置，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任一项所述的表面肌电信号的运动起始时刻识别方法。
CN201910745825.9A 2019-08-13 2019-08-13 一种表面肌电信号的运动起始时刻识别方法与装置 Active CN110477916B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910745825.9A CN110477916B (zh) 2019-08-13 2019-08-13 一种表面肌电信号的运动起始时刻识别方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910745825.9A CN110477916B (zh) 2019-08-13 2019-08-13 一种表面肌电信号的运动起始时刻识别方法与装置

Publications (2)

Publication Number Publication Date
CN110477916A true CN110477916A (zh) 2019-11-22
CN110477916B CN110477916B (zh) 2022-02-15

Family

ID=68550969

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910745825.9A Active CN110477916B (zh) 2019-08-13 2019-08-13 一种表面肌电信号的运动起始时刻识别方法与装置

Country Status (1)

Country Link
CN (1) CN110477916B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115944309A (zh) * 2022-12-22 2023-04-11 广州医科大学附属第一医院（广州呼吸中心） 吞咽肌障碍的检测装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101930285A (zh) * 2009-11-23 2010-12-29 上海交通大学 基于表面肌电信号的手写识别方法
WO2017112960A1 (en) * 2015-12-23 2017-06-29 Invicta Medical, Inc. Method and apparatus for predicting disordered breathing
CN109318207A (zh) * 2018-11-07 2019-02-12 西安交通大学 一种利用肌电定时的下肢运动准备电位检测系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101930285A (zh) * 2009-11-23 2010-12-29 上海交通大学 基于表面肌电信号的手写识别方法
WO2017112960A1 (en) * 2015-12-23 2017-06-29 Invicta Medical, Inc. Method and apparatus for predicting disordered breathing
CN109318207A (zh) * 2018-11-07 2019-02-12 西安交通大学 一种利用肌电定时的下肢运动准备电位检测系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
成娟等: "基于样本熵的肌电信号起始点检测研究", 《电子商报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115944309A (zh) * 2022-12-22 2023-04-11 广州医科大学附属第一医院（广州呼吸中心） 吞咽肌障碍的检测装置
CN115944309B (zh) * 2022-12-22 2023-07-18 广州医科大学附属第一医院（广州呼吸中心） 吞咽肌障碍的检测装置

Also Published As

Publication number Publication date
CN110477916B (zh) 2022-02-15

Similar Documents

Publication Publication Date Title
CN109907752B (zh) 一种去除运动伪影干扰与心电特征检测的心电诊断与监护系统
CN103405227B (zh) 基于双层形态学滤波的心电信号预处理方法
Wan et al. Electrocardiogram baseline wander suppression based on the combination of morphological and wavelet transformation based filtering
CN109635699B (zh) 一种基于k-svd与omp算法结合的心电信号去噪方法
CN108272451B (zh) 一种基于改进小波变换的qrs波识别方法
Chang Ensemble empirical mode decomposition for high frequency ECG noise reduction
WO2017148452A1 (zh) 一种心电信号波形特征点的提取方法及装置
Phinyomark et al. A comparative study of wavelet denoising for multifunction myoelectric control
Phinyomark et al. Wavelet-based denoising algorithm for robust EMG pattern recognition
CN103761424A (zh) 基于二代小波和ica的肌电信号降噪与去混迭方法
CN105266800A (zh) 一种基于低信噪比条件下胎儿心电盲分离方法
CN115944303B (zh) 心电脉搏信号在线压缩方法、系统及存储介质
Tang et al. ECG de-noising based on empirical mode decomposition
Li et al. A low-complexity ECG processing algorithm based on the Haar wavelet transform for portable health-care devices
CN107361764A (zh) 一种心电信号特征波形r波的快速提取方法
CN110477916A (zh) 一种表面肌电信号的运动起始时刻识别方法与装置
CN108836305B (zh) 一种融合巴特沃斯滤波和小波变换的ecg特征提取方法
Yang et al. Removal of pulse waveform baseline drift using cubic spline interpolation
CN104352234B (zh) 一种生理电信号尖峰奇异点检测方法
CN114387668A (zh) 一种基于多层次神经肌肉耦合特征信息融合的分类方法
CN106529425A (zh) 一种心电信号的r波提取方法及系统
CN112244862B (zh) 基于rfda小波阈值的心电信号去噪算法
CN110420022B (zh) 一种基于双密度小波变换的p波检测方法
Pan et al. Detection of ECG characteristic points using biorthogonal spline wavelet
CN110327031A (zh) 一种去除心电信号运动伪迹的方法

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