CN114052752B - 多通道表面肌电信号中心电qrs波群干扰的滤除方法 - Google Patents
多通道表面肌电信号中心电qrs波群干扰的滤除方法 Download PDFInfo
- Publication number
- CN114052752B CN114052752B CN202111174445.8A CN202111174445A CN114052752B CN 114052752 B CN114052752 B CN 114052752B CN 202111174445 A CN202111174445 A CN 202111174445A CN 114052752 B CN114052752 B CN 114052752B
- Authority
- CN
- China
- Prior art keywords
- channel
- interference
- semg
- qrs complex
- signal
- 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
- 238000000718 qrs complex Methods 0.000 title claims abstract description 58
- 238000001914 filtration Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 28
- 210000003205 muscle Anatomy 0.000 claims abstract description 13
- 230000003044 adaptive effect Effects 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 238000004070 electrodeposition Methods 0.000 claims abstract description 4
- 230000008602 contraction Effects 0.000 claims abstract description 3
- 238000005516 engineering process Methods 0.000 claims abstract description 3
- 230000003205 diastolic effect Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 206010021118 Hypotonia Diseases 0.000 claims description 3
- 230000036640 muscle relaxation Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 239000003814 drug Substances 0.000 abstract description 4
- 208000012661 Dyskinesia Diseases 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000002567 electromyography Methods 0.000 description 18
- 210000001364 upper extremity Anatomy 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 6
- 210000003109 clavicle Anatomy 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 101001023680 Homo sapiens Ribosomal RNA small subunit methyltransferase NEP1 Proteins 0.000 description 1
- 102100035491 Ribosomal RNA small subunit methyltransferase NEP1 Human genes 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012880 independent component analysis Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000004118 muscle contraction Effects 0.000 description 1
- 239000007787 solid Substances 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
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Power Engineering (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种多通道表面肌电信号中心电QRS波群干扰的滤除方法。利用肌电采集技术同步采集肌肉收缩和舒张状态下的多通道表面肌电信号；首先去除50Hz工频干扰、低频噪声以及心电P、T波干扰；对电极位置最接近心脏的单通道表面肌电信号进行峰峰值检测，定位QRS波群的R峰；利用窗函数截取各通道表面肌电信号，得到QRS波模板后构造QRS波群干扰信号作为参考信号，采用自适应滤波方法去除心电QRS波群干扰。本发明不仅可在无需同步采集心电信号的情况下有效滤除心电QRS波群干扰，同时可很好地保留有用的多通道表面肌电信号。本发明计算简便，适用于健康人和有运动功能障碍患者的多通道表面肌电信号，在运动医学和康复医学研究上具有应用价值。
Description
技术领域
本发明涉及一种多通道表面肌电(sEMG)信号中心电QRS波群干扰的滤除方法。
背景技术
表面肌电(Surface Electromyography,sEMG)是非常微弱的生物电信号，其幅值通常不超过5mV，一般以uV为计量单位；sEMG信号的频谱范围为20～1000Hz，信号能量在50～150Hz之间。这些特征导致了sEMG信号极易受到50Hz工频信号、心电噪声、运动伪影和其他噪声的干扰。
传统的sEMG信号滤波分为三步：(1)高通滤波去除低频噪声；(2)50Hz陷波器去除工频干扰；(3)低通滤波去除高频噪声。然而此过程并不能将那些电极位置靠近心脏的sEMG信号中的心电干扰彻底滤除。这是由于心电信号的频谱在0～50Hz，与sEMG信号的低频部分有所重叠，为了保留有用的肌电信号成分，合适的高通滤波器只能滤除频谱集中在0～13Hz的P波和T波的大部分能量，却并不能完全去除幅值较高、频谱集中在0～33Hz的QRS波群对于sEMG信号的干扰。
针对滤除心电干扰的问题，有研究者提出了门控法，通过同步采集的心电信号识别QRS区段，并将对应区间内的sEMG信号置零，然而该方法不可避免的会导致有用的sEMG数据丢失；也有研究者将同步采集的心电信号作为参考信号，通过自适应滤波的方式去除膈肌肌电信号中的心电干扰，然而若将该方法应用于多通道sEMG信号，需同步采集多导联心电信号，这将严重加剧实验负担；还有研究者提出采用盲源分离的方法，通过独立成分分析对原始信号进行源分离，自动去除心电干扰，但该方法实际上难以自动识别噪声成分。
发明内容
为了克服上述方法的局限性，进一步抑制多通道sEMG信号中的心电QRS波群干扰，提高后续sEMG信号分析的准确性，本发明的目的在于提供一种多通道表面肌电(sEMG)信号中心电QRS波群干扰的滤除方法。本发明在心电干扰最严重的导联上进行R峰定位，并利用以R峰为中心的窗函数在各通道sEMG信号上截取QRS波、得到各通道上的QRS波模板，然后构造各通道的参考心电QRS波群干扰，最后自适应地滤除多通道sEMG信号中的心电QRS波群干扰。
本发明提出的一种多通道表面肌电(sEMG)信号中心电QRS波群干扰的滤除方法，具体步骤如下：
(1)利用肌电采集技术同步采集肌肉收缩和舒张状态下的多通道sEMG信号，设通道数为M(M≥2)；
(2)对步骤(1)的多通道sEMG信号进行预处理，采用50Hz带阻滤波器滤除50Hz工频干扰，并采用高通滤波器滤除低频噪声以及心电P、T波干扰；
(3)对步骤(2)得到的预处理后的多通道sEMG信号，利用其中电极位置最接近心脏的第m通道定位心电QRS波群干扰的R峰，具体方法如下：
由于心电QRS波群的峰值幅度大于肌肉收缩时的sEMG信号幅度，故通过寻找第m通道sEMG信号(包括收缩态和舒张态)中幅度大于设定阈值a的局部极大值点，得到所有心电干扰的R峰；假定第m通道中共有L个心电干扰，用表示第m通道中第i个心电干扰的R峰位置，i＝1,2,…,L；由于步骤(1)得到的多通道sEMG信号是同步采集的，则其他通道中心电干扰的R峰位置都与第m通道的相同，即/>
(4)设步骤(3)得到的L个心电干扰中，肌肉舒张状态下的心电干扰为N个(N≤L)，利用窗函数截取各通道中的N个QRS波群，具体方法如下：
在步骤(3)得到的多通道sEMG信号中心电干扰的R峰位置中，采用以N个舒张状态下心电干扰的R峰为中心、窗长为w的窗函数，乘以步骤(2)得到的预处理后的多通道sEMG信号，则可截取到该通道中的N个QRS波群，计算公式如下：
其中：表示在第k通道sEMG信号舒张态截取到的第j个QRS波群，k＝1,2,…,M，j＝1,2,…,N；/>表示以/>为中心，窗长为w的窗函数，sEMGk表示第k通道sEMG信号的幅值；
(5)对步骤(4)得到的多通道sEMG信号中的N个QRS波群取平均，并进行归一化处理，得到各通道中心电干扰的QRS波群模板QRSk，k＝1,2,…,M；
(6)利用步骤(3)得到的多通道sEMG信号中的R峰位置和步骤(5)得到的多通道QRS波群模板QRSk，构造各通道的QRS波群干扰信号，计算公式如下：
其中，QRSk(n)表示第k通道的QRS波群干扰信号，w为窗函数的窗长；
(7)将步骤(6)得到的第k通道QRS波群干扰信号作为自适应滤波器的输入信号，将步骤(2)得到的预处理后的第k通道sEMG信号作为期望信号，则滤波器的误差信号为滤除了心电QRS波群干扰的第k通道sEMG信号，k＝1,2,…,M；
(8)对每一通道的sEMG信号都进行步骤(7)的自适应滤波操作，则可得到滤除了心电QRS波群干扰的多通道sEMG信号。
本发明具有以下有益效果：
1.本发明提出的sEMG信号中心电QRS波群干扰的滤除方法使用自适应滤波，与传统的自适应滤波方法相比，无需同步采集心电信号，减轻了实验负担；
2.本发明的心电干扰滤除方法，在肌肉舒张时的sEMG信号段提取QRS波群模板，最大程度上保证了QRS波群模板的准确性，在有效去除QRS波群干扰的同时，可很好地保留有用的sEMG信号；
3.本发明的心电QRS波群干扰的滤除方法，适用于受心电干扰的多通道sEMG信号，且具有算法简便的优点；
4.本发明不仅适用于健康人的多通道sEMG信号，同时适用于有运动功能障碍患者的多通道sEMG信号，在康复医学和运动医学的研究上均具有一定的应用价值。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面对该实施例中所需使用的附图作简单的介绍。需要说明的是，以下附图仅展示出了本发明的某些实施例，因此不应被看作是范围的限定。
图1是本发明实施例1的滤波流程图。
图2是本发明实施例1中上肢8通道sEMG信号的时域图。时长40s，采样频率为1000Hz，从上到下分别是菱形肌的sEMG信号(EMG1)、冈上肌的sEMG信号(EMG2)、三角肌前部的sEMG信号(EMG3)、三角肌后部的sEMG信号(EMG4)、胸大肌锁骨部的sEMG信号(EMG5)、胸大肌胸肋部的sEMG信号(EMG6)、冈下肌的sEMG信号(EMG7)和大圆肌的sEMG信号(EMG8)。横坐标为时间，单位为ms，纵坐标为幅度，单位为uV。
图3是本发明实施例1中预处理后的上肢8通道sEMG信号时域图，图片布局与图2相同。
图4是本发明实施例1中预处理前后的上肢8通道sEMG信号功率谱图，(a)～(h)分别表示EMG1～EMG8，横轴表示频率，纵轴表示功率，浅灰色表示原始sEMG信号的功率谱，黑色表示预处理后的sEMG信号的功率谱。
图5是本发明实施例1中EMG6信号的R峰检测示意图，图中圆圈所在位置表示找到的R峰位置。
图6是本发明实施例1中8个通道sEMG信号中提取到的QRS波群模板，横轴为时间，纵轴为归一化幅度。
图7是本发明实施例1中构造的肌肉舒张状态下局部sEMG信号的QRS波群干扰信号。时长为2s，横轴为时间，纵轴为幅度，浅灰色实线表示预处理后的局部舒张态sEMG信号，黑色实线表示本发明实施例构造的QRS波群干扰信号。
图8是本发明实施例1中构造的肌肉收缩状态下局部sEMG信号的QRS波群干扰信号，图片布局与图7相同。
图9是本发明实施例1中滤除了心电干扰前后的8个通道sEMG信号的时域图，其中，横轴为时间，纵轴为幅度，浅灰色实线表示预处理后的8个通道sEMG信号，黑色实线表示滤除了心电干扰的8个通道sEMG信号。
具体实施方式
下面结合附图和具体实施例进一步阐述本发明的实施过程。这些实施方式并不限制本发明。
实施例1：将本发明的心电QRS波群干扰的滤除方法应用于采样率为1000Hz的上肢8通道sEMG信号(即通道数M＝8)，采集电极分别放置在菱形肌(EMG1)、冈上肌(EMG2)、三角肌前部(EMG3)、三角肌后部(EMG4)、胸大肌锁骨部(EMG5)、胸大肌胸肋部(EMG6)、冈下肌(EMG7)和大圆肌(EMG8)的肌腹隆起处。工作流程如下：
(1)观察同步采集到的上肢8块肌肉在舒张和收缩状态时的8通道sEMG信号(数字信号)，如图2所示。由图可知，这8个通道的sEMG信号都受到了心电干扰，某些通道中的心电干扰十分严重，如EMG5和EMG6；
(2)对步骤(1)的上肢8通道sEMG信号进行预处理。首先以15Hz为截止频率进行高通滤波，滤除包括心电P波和T波在内的低频噪声；然后利用50Hz的带阻滤波器滤除工频干扰。经上述预处理前后的上肢8通道sEMG信号的时域图如图3所示，预处理前后的功率谱图如图4所示。从功率谱图中可以直观地发现sEMG信号的低频成分和50Hz成分得到了有效的滤除，然而从时域图中可观察到各通道中的心电干扰仍然存在；
(3)对步骤(2)得到的预处理信号中电极位置最接近心脏、心电干扰最严重的EMG6信号，设定幅度阈值a＝50uV，通过寻找信号中局部极大值的形式，定位EMG6信号中R波波峰，R峰的位置如图5中圆圈所示。由于8通道sEMG信号是同步采集的，其他7通道sEMG信号中心电干扰的R峰位置与EMG6信号中的R峰位置相同；
(4)选取N＝10个高斯窗，设定窗长w＝120ms、窗中心为肌肉舒张态的sEMG信号中R峰所在位置，乘以步骤(2)所得预处理后的各通道sEMG信号，得到每通道sEMG信号中的10个QRS波群；
(5)对步骤(4)所得的每通道sEMG信号中10个QRS波群取平均，并进行归一化，得到8通道sEMG信号中的QRS波群模板，如图6所示；
(6)利用步骤(3)所得的R峰位置和步骤(5)所得的8通道QRS波群模板，通过计算公式(2)构造8通道QRS波群干扰信号。8通道肌肉局部舒张态和收缩态的sEMG信号的QRS波群干扰信号分别如图7和图8中的黑色实线所示。由图可知，构造出的QRS波群干扰信号基本与sEMG信号中的QRS波群干扰一致；
(7)采用基于最小均方算法的自适应滤波器，设定迭代步长为10-5，依次将步骤(6)所得的8通道QRS波群干扰信号作为自适应滤波器的输入信号，将步骤(2)所得的预处理后的多通道sEMG信号作为自适应滤波器的期望信号，则该滤波器输出的误差信号即为滤除了心电QRS波群干扰的8通道sEMG信号，滤波效果如图9所示。对比预处理后残留严重心电干扰的灰色实线信号，自适应滤波所得的黑色实线信号中心电干扰得到了有效的滤除。
Claims (1)
1.一种多通道表面肌电(sEMG)信号中心电QRS波群干扰的滤除方法，其特征在于具体步骤如下：
(1)利用肌电采集技术同步采集肌肉收缩和舒张状态下的多通道sEMG信号，设通道数为M，M≥2；
(2)对步骤(1)得到的多通道sEMG信号进行预处理，采用50Hz带阻滤波器滤除50Hz工频干扰，并采用高通滤波器滤除低频噪声以及心电P、T波干扰；
(3)对步骤(2)得到的预处理后的多通道sEMG信号，利用其中电极位置最接近心脏的第m通道定位心电QRS波群干扰的R峰，具体方法如下：
心电QRS波群的峰值幅度大于肌肉收缩时的sEMG信号幅度，通过寻找第m通道sEMG信号中幅度大于设定阈值a的局部极大值点，得到所有心电干扰的R峰；假定第m通道中共有L个心电干扰，用表示第m通道中第i个心电干扰的R峰位置，i＝1,2,…,L；由于步骤(1)得到的多通道sEMG信号是同步采集的，则其他通道中心电干扰的R峰位置都与第m通道的相同，即/>k＝1,2,…,M；
(4)设步骤(3)得到的L个心电干扰中，肌肉舒张状态下的心电干扰为N个，N≤L，利用窗函数截取各通道中的N个QRS波群，具体方法如下：
在步骤(3)得到的多通道sEMG信号中心电干扰的R峰位置中，采用以N个舒张状态下心电干扰的R峰为中心、窗长为w的窗函数，乘以步骤(2)得到的预处理后的多通道sEMG信号，则可截取到该通道中的N个QRS波群，计算公式如下：
其中：表示在第k通道sEMG信号舒张态截取到的第j个QRS波群，k＝1,2,…,M，j＝1,2,…,N；/>表示以/>为中心，窗长为w的窗函数，sEMGk表示第k通道sEMG信号的幅值；
(5)对步骤(4)得到的多通道sEMG信号中的N个QRS波群取平均，并进行归一化处理，得到各通道中心电干扰的QRS波群模板QRSk，k＝1,2,…,M；
(6)利用步骤(3)得到的多通道sEMG信号中的R峰位置和步骤(5)得到的多通道QRS波群模板QRSk，构造各通道的QRS波群干扰信号，计算公式如下：
其中，QRSk(n)表示第k通道的QRS波群干扰信号，w为窗函数的窗长；
(7)将步骤(6)得到的第k通道QRS波群干扰信号作为自适应滤波器的输入信号，将步骤(2)得到的预处理后的第k通道sEMG信号作为期望信号，则滤波器的误差信号为滤除了心电QRS波群干扰的第k通道sEMG信号，k＝1,2,…,M；
(8)对每一通道的sEMG信号都进行步骤(7)的自适应滤波操作，则可得到滤除了心电QRS波群干扰的多通道sEMG信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111174445.8A CN114052752B (zh) | 2021-10-09 | 2021-10-09 | 多通道表面肌电信号中心电qrs波群干扰的滤除方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111174445.8A CN114052752B (zh) | 2021-10-09 | 2021-10-09 | 多通道表面肌电信号中心电qrs波群干扰的滤除方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114052752A CN114052752A (zh) | 2022-02-18 |
| CN114052752B true CN114052752B (zh) | 2024-03-29 |
Family
ID=80234237
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111174445.8A Active CN114052752B (zh) | 2021-10-09 | 2021-10-09 | 多通道表面肌电信号中心电qrs波群干扰的滤除方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114052752B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116671943A (zh) * | 2023-06-29 | 2023-09-01 | 河南翔宇医疗设备股份有限公司 | 从表面肌电信号中去除心电干扰的方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104905786A (zh) * | 2015-07-02 | 2015-09-16 | 北京师范大学 | 一种心电伪迹在线去除算法 |
| CN105919590A (zh) * | 2016-06-02 | 2016-09-07 | 浙江铭众科技有限公司 | 一种多通道心电图的qrs自动划定方法 |
| CN109758143A (zh) * | 2019-02-22 | 2019-05-17 | 南京大学 | 一种同步记录的多通道心电信号的增强方法 |
| CN111956210A (zh) * | 2020-08-27 | 2020-11-20 | 重庆邮电大学 | 一种基于eemd和信号结构分析的心电信号r波识别方法 |
| CN113040784A (zh) * | 2021-04-21 | 2021-06-29 | 福州大学 | 一种心电信号的肌电噪声滤波方法 |
| CN113197584A (zh) * | 2021-04-30 | 2021-08-03 | 扬州大学 | 一种基于差分过零检测法的qrs波群识别方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9414761B2 (en) * | 2014-06-02 | 2016-08-16 | Indian Institute Of Technology Delhi | QRS complex identification in electrocardiogram signals |
-
2021
- 2021-10-09 CN CN202111174445.8A patent/CN114052752B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104905786A (zh) * | 2015-07-02 | 2015-09-16 | 北京师范大学 | 一种心电伪迹在线去除算法 |
| CN105919590A (zh) * | 2016-06-02 | 2016-09-07 | 浙江铭众科技有限公司 | 一种多通道心电图的qrs自动划定方法 |
| CN109758143A (zh) * | 2019-02-22 | 2019-05-17 | 南京大学 | 一种同步记录的多通道心电信号的增强方法 |
| CN111956210A (zh) * | 2020-08-27 | 2020-11-20 | 重庆邮电大学 | 一种基于eemd和信号结构分析的心电信号r波识别方法 |
| CN113040784A (zh) * | 2021-04-21 | 2021-06-29 | 福州大学 | 一种心电信号的肌电噪声滤波方法 |
| CN113197584A (zh) * | 2021-04-30 | 2021-08-03 | 扬州大学 | 一种基于差分过零检测法的qrs波群识别方法 |
Non-Patent Citations (3)
| Title |
|---|
| Enhanced FBLMS algorithm for ECG and noise removal from semg signals;M. El Fares Djellatou, F. Nougarou and D. Massicotte;18th International Conference on Digital Signal Processing (DSP), Fira, Greece, 2013;20131010;1-6 * |
| 一种适用于全心房心外膜标测中抑制心室 干扰的自适应滤波算法;孙莉倩;刘梁;王彦磊;杨翠微;中国医疗器械杂志;20110730;第35卷(第4期);243-245 * |
| 基于扩散模型的心电信号降噪研究;赵伟静;中国优秀硕士学位论文全文数据库 (医药卫生科技辑);20210215;E062-63 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114052752A (zh) | 2022-02-18 |
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 | |
| US7809433B2 (en) | Method and system for limiting interference in electroencephalographic signals | |
| CN110327036B (zh) | 从穿戴式心电中提取呼吸信号和呼吸频率的方法 | |
| CN103845137B (zh) | 基于稳态视觉诱发脑机接口的机器人控制方法 | |
| CN110353672B (zh) | 一种脑电信号中眼部伪迹去除系统及去除方法 | |
| Zhou et al. | Real time ECG artifact removal for myoelectric prosthesis control | |
| CN107260166A (zh) | 一种实用化在线脑电伪迹剔除方法 | |
| CN108577834A (zh) | 一种用于癫痫间期棘波自动检测的方法 | |
| CN109770900B (zh) | 基于卷积神经网络的脑机接口指令下发方法、系统、装置 | |
| CN113143293B (zh) | 一种基于脑电源成像的连续语音包络神经夹带提取方法 | |
| CN105852850A (zh) | 一种从心电信号中提取呼吸信号的方法及相关装置 | |
| CN114052752B (zh) | 多通道表面肌电信号中心电qrs波群干扰的滤除方法 | |
| Wang et al. | Wavelet transform based ECG denoising using adaptive thresholding | |
| Butt et al. | Denoising practices for electrocardiographic (ECG) signals: a survey | |
| CN113723557A (zh) | 一种基于多频带时空卷积网络的抑郁脑电分类系统 | |
| CN114601476A (zh) | 一种基于视频刺激下的eeg信号情感识别方法 | |
| CN114403896A (zh) | 单通道脑电信号中眼电伪迹去除方法 | |
| KR101048763B1 (ko) | 신호 검출 장치 및 방법 | |
| Fatourechi et al. | A wavelet-based approach for the extraction of event related potentials from EEG | |
| Noorbasha et al. | Joint singular spectrum analysis and generalized Moreau envelope total variation for motion artifact removal from single channel EEG signals | |
| Pacola et al. | The wavelet transform border effect in EEG spike signals | |
| CN114081506A (zh) | 一种基于长短期记忆网络的稳态视觉诱发电位分类方法 | |
| Khandait et al. | ECG signal processing using classifier to analyses cardiovascular disease | |
| Liu et al. | Subspace based adaptive denoising of surface EMG from neurological injury patients | |
| CN113208622A (zh) | 基于深度神经网络技术的脑电eeg信号去噪方法及系统 |
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 |