CN117562561B - 表面肌电信号去噪方法、系统、设备及计算机存储介质 - Google Patents

Abstract

本发明提出一种表面肌电信号去噪方法、系统、设备及计算机存储介质，应用于生物电信号测量技术领域，该方法包括：对表面肌电信号进行小波包分解，得到最优小波包分解树；获取最优小波包分解树中多个节点各自对应的小波包系数，并分别确定多个小波包系数中的多个元素各自对应的风险因数，并通过多个小波包系数各自对应的数值最小的风险因数，确定多个小波包系数各自对应的去噪阈值；通过多个去噪阈值对多个小波包系数进行去噪处理，得到多个新小波包系数，并对多个新小波包系数进行重构，得到去噪后的表面肌电信号。本发明技术方案能够解决在去除表面肌电信号中各种干扰噪声的同时保留表面肌电真实信号的技术问题。

Description

表面肌电信号去噪方法、系统、设备及计算机存储介质

技术领域

本发明涉及生物电信号测量技术领域，尤其涉及一种表面肌电信号去噪方法、系统、设备及计算机存储介质。

背景技术

表面肌电信号是人体在活动过程中所产生的弱电信号，可以有效的评价肌肉功能和状态。采用对表面肌电信号进行特征提取的方式来评价肌肉的疲劳程度是医学界和生物界的常用手段。然而，由于表面肌电信号检测设备采集的表面肌电信号中会掺杂着运动伪影、工频干扰、心电信号和高斯白噪声等干扰噪声信号，因此需要对表面肌电信号进行去噪处理。

目前常用的滤波去噪手段包括：高通滤波、低通滤波、陷波滤波和小波滤波，但是，大量研究实验证明这些滤波去噪方法在去除表面肌电信号各种干扰信号上效果并不显著。因此，如何在去除表面肌电信号中各种干扰噪声的同时保留表面肌电真实信号是本领域技术人员尚待解决的问题。

发明内容

本发明提出一种表面肌电信号去噪方法、系统、设备及计算机存储介质，旨在解决如何在去除表面肌电信号中各种干扰噪声的同时保留表面肌电真实信号的技术问题。

为解决上述问题，本发明提出一种表面肌电信号去噪方法，所述表面肌电信号去噪方法包括：

对表面肌电信号进行最优小波包分解，得到最优小波包分解树，其中，所述最优小波包分解树的最大层数为预设层数，每个小波包节点通过香农熵判定每个小波包节点是否进行小波包分解；

获取所述最优小波包分解树中多个节点各自对应的小波包系数，并分别确定多个所述小波包系数中的多个元素各自对应的风险因数，并通过多个所述小波包系数各自对应的数值最小的风险因数，确定多个所述小波包系数各自对应的去噪阈值；

通过多个所述去噪阈值对多个所述小波包系数进行去噪处理，得到多个新小波包系数，并对多个所述新小波包系数进行重构，得到去噪后的表面肌电信号。

可选地，所述对表面肌电信号进行小波包分解，得到最优小波包分解树的步骤，包括：

所述对表面肌电信号进行最优小波包分解，得到最优小波包分解树的步骤，包括：

通过预设的小波基函数对表面肌电信号进行小波包分解，通过对小波包节点进行小波包分解得到第一子节点和第二子节点，并计算所述小波包节点、所述第一子节点和所述第二子节点的香农熵；

确定所述第一子节点和所述第二子节点的香农熵的和值，并在检测到所述和值小于所述小波包节点的香农熵时，将所述小波包节点分解为第一子节点和第二子节点，以得到最优小波包分解树；

其中，所述在检测到所述和值小于所述小波包节点的香农熵时，将所述小波包节点分解为第一子节点和第二子节点，以得到最优小波包分解树的步骤，包括：

在检测到所述和值小于所述小波包节点的香农熵时，以所述小波包节点为父节点，并以所述第一子节点和所述第二子节点为子节点构建初级分解树；

在检测到所述初级分解树的最大层数小于所述预设层数时，分别将所述第一子节点和所述第二子节点作为新的表面肌电信号，循环执行对表面肌电信号进行最优小波包分解和构建初级分解树的步骤；

在检测到所述初级分解树的最大层数等于所述预设层数时，将所述初级分解树作为最优小波包分解树。

可选地，所述分别确定多个所述小波包系数中的多个元素各自对应的风险因数的步骤，包括：

分别对多个所述小波包系数中的多个元素进行平方处理，得到多个所述小波包系数各自对应的多个新元素，并对多个所述小波包系数各自对应的多个所述新元素进行排序；

将排序后的多个所述新元素分别输入预设的风险因数确定公式中，得到多个所述新元素各自对应的风险因数。

可选地，所述通过多个所述小波包系数各自对应的数值最小的风险因数，确定多个所述小波包系数各自对应的去噪阈值的步骤，包括：

查找多个所述小波包系数各自对应的数值最小的风险因数对应的元素序号，并将多个所述元素序号对应的新元素作为目标元素；

对多个所述目标元素进行开方处理，得到多个所述小波包系数各自对应的去噪阈值。

可选地，所述通过多个所述去噪阈值对多个所述小波包系数进行去噪处理，得到多个新小波包系数的步骤，包括：

在检测到多个所述小波包系数各自对应的绝对值小于各自对应的去噪阈值时，将多个所述小波包系数输入预设的第一公式中，得到多个新小波包系数；

或者，

在检测到多个所述小波包系数各自对应的绝对值大于或者等于各自对应的去噪阈值时，将多个所述小波包系数输入预设的第二公式中，得到多个新小波包系数。

可选地，在所述通过多个所述小波包系数各自对应的数值最小的风险因数，确定多个所述小波包系数各自对应的去噪阈值的步骤之前，所述方法还包括：

分别根据预设排序规则对多个所述小波包系数各自对应的多个风险因数进行排序，得到多个所述小波包系数各自对应的风险因数序列；

将多个所述风险因数序列中首端的风险因数或者末端的风险因数作为多个所述小波包系数各自对应的数值最小的风险因数。

此外，为解决上述问题，本发明还提出一种表面肌电信号去噪系统，所述表面肌电信号去噪系统包括：

小波包分解模块，用于对表面肌电信号进行最优小波包分解，得到最优小波包分解树，其中，所述最优小波包分解树的最大层数为预设层数，每个小波包节点通过香农熵判定每个小波包节点是否进行小波包分解；

阈值确定模块，用于获取所述最优小波包分解树中多个节点各自对应的小波包系数，并分别确定多个所述小波包系数中的多个元素各自对应的风险因数，并通过多个所述小波包系数各自对应的数值最小的风险因数，确定多个所述小波包系数各自对应的去噪阈值；

信号去噪模块，用于通过多个所述去噪阈值对多个所述小波包系数进行去噪处理，得到多个新小波包系数，并对多个所述新小波包系数进行重构，得到去噪后的表面肌电信号。

此外，为解决上述问题，本发明还提出一种表面肌电信号去噪设备，所述表面肌电信号去噪设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的表面肌电信号去噪程序，所述表面肌电信号去噪程序被所述处理器执行时实现如上所述的表面肌电信号去噪方法的步骤。

此外，为解决上述问题，本发明还提出一种计算机存储介质，所述计算机存储介质上存储有表面肌电信号去噪程序，所述表面肌电信号去噪程序被处理器执行时实现如上所述的表面肌电信号去噪方法的步骤。

在本实施例中，通过对表面肌电信号进行最优小波包分解，得到最优小波包分解树，其中，最优小波包分解树的层数为预设层数，能够通过最优小波包分解对表面肌电信号中的高频信号和低频信号进行进一步分解，从而得到最优小波包分解树；然后通过获取最优小波包分解树中多个节点各自对应的小波包系数，并分别确定多个小波包系数中的多个元素各自对应的风险因数，并通过多个小波包系数各自对应的数值最小的风险因数，确定多个小波包系数各自对应的去噪阈值，能够确定最优小波包分解树中每个节点各自对应的去噪阈值；然后通过多个去噪阈值对多个小波包系数进行去噪处理，得到多个新小波包系数，并对多个新小波包系数进行重构，得到去噪后的表面肌电信号，能够通过去噪阈值去除小波包系数中的噪声并且保留小波包系数中的有效信息，从而能够提高降噪后的小波包系数重构得到的表面肌电信号的可用性。

相比传统的去噪方式来说，本发明通过不同去噪阈值对不同小波包系数进行去噪的方式，能够使得重构得到的表面肌电信号是平缓且稳定的，从而使得重构后的表面肌电信号在去除噪声的同时保留了大量有效信号。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例方案涉及的表面肌电信号去噪设备硬件运行环境的设备结构示意图；

图2为本发明表面肌电信号去噪方法第一实施例的流程示意图；

图3为本发明表面肌电信号去噪方法分解示意图；

图4为本发明表面肌电信号去噪方法一实施例的最优小波包分解树示意图；

图5为本发明表面肌电信号去噪方法一实施例的流程示意图；

图6为本发明表面肌电信号去噪系统一实施例的功能模块示意图。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

在本发明中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

如图1所示，图1是本发明实施例方案涉及的表面肌电信号去噪设备硬件运行环境的设备结构示意图。

如图1所示，在表面肌电信号去噪设备的硬件运行环境中，该表面肌电信号去噪设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。存储器1005可以是高速RAM存储器，也可以是稳定的存储器（non-volatile memory），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的表面肌电信号去噪设备结构并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及表面肌电信号去噪程序。

在图1所示的设备中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端（用户端），与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的表面肌电信号去噪程序，并执行以下操作：

对表面肌电信号进行最优小波包分解，得到最优小波包分解树，其中，所述最优小波包分解树的最大层数为预设层数，每个小波包节点通过香农熵判定每个小波包节点是否进行小波包分解；

获取所述最优小波包分解树中多个节点各自对应的小波包系数，并分别确定多个所述小波包系数中的多个元素各自对应的风险因数，并通过多个所述小波包系数各自对应的数值最小的风险因数，确定多个所述小波包系数各自对应的去噪阈值；

通过多个所述去噪阈值对多个所述小波包系数进行去噪处理，得到多个新小波包系数，并对多个所述新小波包系数进行重构，得到去噪后的表面肌电信号。

基于上述硬件结构，提出本发明表面肌电信号去噪方法各个实施例的整体构思。

现如今，表面肌电信号是人体在活动过程中所产生的弱电信号，可以有效的评价肌肉功能和状态。采用对表面肌电信号进行特征提取的方式来评价肌肉的疲劳程度是医学界和生物界的常用手段。然而，由于表面肌电信号检测设备采集的表面肌电信号中会掺杂着运动伪影、工频干扰、心电信号和高斯白噪声等干扰噪声信号，因此需要对表面肌电信号进行去噪处理。

目前常用的滤波去噪手段包括：高通滤波、低通滤波、陷波滤波和小波滤波，但是，大量研究实验证明这些滤波去噪方法在去除表面肌电信号各种干扰信号上效果并不显著。因此，如何在去除表面肌电信号中各种干扰噪声的同时保留表面肌电真实信号是本领域技术人员尚待解决的问题。

为解决上述问题，本发明提出一种表面肌电信号去噪方法。

基于上述本发明表面肌电信号去噪方法各个实施例的整体构思，提出本发明表面肌电信号去噪方法的各个实施例。

需要说明的是，本发明表面肌电信号去噪方法的执行主体为表面肌电信号去噪设备，表面肌电信号去噪设备可以是电脑、服务器等设备。为便于阐述，在以下实施例中，均省略执行主体进行阐述。

请参照图2，图2为本发明表面肌电信号去噪方法第一实施例的流程示意图。需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，当然可以以不同于此处的顺序执行本发明表面肌电信号去噪方法的各个步骤。

在本实施例中，所述表面肌电信号去噪方法包括：

步骤S10，对表面肌电信号进行最优小波包分解，得到最优小波包分解树，其中，所述最优小波包分解树的最大层数为预设层数，每个小波包节点通过香农熵判定每个小波包节点是否进行小波包分解；

小波包分解为小波分解的改进，小波包分解能够将信号第一子节点和第二子节点都进行分解，比小波变换划分更加精细和全面，更能体现出信号全频率特点。另外，最优小波包分解为：在小波包分解过程中基于小波包分解父节点和子节点的香农熵判定父节点是否进行小波包分解的方法。

在采集到包括噪声的表面肌电信号后，可以选择小波基函数对表面肌电信号进行最优小波包分解，将表面肌电信号中的第一子节点和第二子节点均进行分解，并基于分解后的两个节点的香农熵和分解前的节点的香农熵的比较结果，得到最大层数为预设层数的最优小波包分解树。其中，小波包节点为表面肌电信号节点或者表面肌电信号分解得到的节点。

需要说明的是，用于对表面肌电信号进行小波包分解的小波基函数可以是haar小波、bior小波等等，本发明对此不作限定。

作为一种示例，能够通过bior2.4对包括噪声的表面肌电信号进行小波包分解，将表面肌电信号中的第一子节点和第二子节点分解，直到分解得到的最优小波包分解树的最大层数为预设层数。

步骤S20，获取所述最优小波包分解树中多个节点各自对应的小波包系数，并分别确定多个所述小波包系数中的多个元素各自对应的风险因数，并通过多个所述小波包系数各自对应的数值最小的风险因数，确定多个所述小波包系数各自对应的去噪阈值；

在得到最优小波包分解树后，获取最优小波包分解树中多个节点（节点为分解得到的第一子节点和第二子节点）各自对应的小波包系数，其中，每个小波包系数中均包括多个元素，故而能够确定每个小波包系数中的各个元素的风险因数，进而通过每个小波包系数各自对应的数值最小的风险因数，计算每个小波包系数各自对应的去噪阈值。

需要说明的是，小波包系数是指在小波包变换时,每个子信号（第一子节点或者第二子节点）的系数值,这些系数值反映了该子信号在整个信号中的重要程度和能量分布。

作为一种示例，在得到最优小波包分解树后能够得到每个分解得到的信号在整个信号中的重要程度和能量分布，即能够得到最优小波包分解树中每个节点对应的小波包系数，并且每个小波包系数中包括多个元素，从而通过每个小波包系数中多个元素各自对应的风险因数，确定每个小波包系数各自对应的去噪阈值。例如，在某一节点包括9个元素时，能够确定该节点中9个元素各自对应的风险因数，进而在9个风险因数中确定数值最小的风险因数，并通过该节点中数值最小的风险因数确定该节点对应的去噪阈值。

可选地，在一种可行的实施例中，在上述步骤通过多个所述小波包系数各自对应的数值最小的风险因数，确定多个所述小波包系数各自对应的去噪阈值之前，所述方法还包括：

步骤S100，分别根据预设排序规则对多个所述小波包系数各自对应的多个风险因数进行排序，得到多个所述小波包系数各自对应的风险因数序列；

需要说明的是，预设排序规则可以是按照数值从小到大进行排序，也可以是按照数值从大到小进行排序，还可以是其他排序规则，本发明对此不作限定。

在得到多个小波包系数各自对应的多个风险因数后，能够按照风险因数的数值大小，对每个小波包系数对应的多个风险因数按照从小到大的顺序进行排序，或者，按照从大到小的顺序进行排序，从而得到多个小波包系数各自对应的风险因数序列。

步骤S110，将多个所述风险因数序列中首端的风险因数或者末端的风险因数作为多个所述小波包系数各自对应的数值最小的风险因数。

在得到多个小波包系数各自对应的风险因数序列后，在预设排序规则为从小到大的顺序时，将多个小波包系数各自对应的风险因数序列中首端的风险因数作为多个小波包系数各自对应的数值最小的风险因数；在预设排序规则为从大到小的顺序时，将多个小波包系数各自对应的风险因数序列中末端的风险因数作为多个小波包系数各自对应的数值最小的风险因数。

作为一种示例，假设最优小波包分解树中某节点对应的小波包系数对应的风险因数有a1，a2，a3，a4，则能够按照数值从小到大或者从大到小或者其他排序规则对上述4个风险因数进行排序，得到该小波包系数对应的风险因数序列，进而基于排序规则将风险因数序列中的第一个风险因数或者最后一个风险因数作为该小波包系数对应的数值最小的风险因数。

步骤S30，通过多个所述去噪阈值对多个所述小波包系数进行去噪处理，得到多个新小波包系数，并对多个所述新小波包系数进行重构，得到去噪后的表面肌电信号。

在得到最优小波包分解树中各个节点的小波包系数各自对应的去噪阈值后，能够根据该对应关系控制去噪阈值对小波包系数进行去噪处理，从而得到多个小波包系数各自对应的新小波包系数，进而对多个新小波包系数进行小波包逆变换重构，从而得到去噪后的表面肌电信号。

需要说明的是，对小波包系数进行逆变换重构为现有成熟技术，此处不再赘述。

相比传统的去噪方式来说，本发明通过不同去噪阈值对不同小波包系数进行去噪的方式，能够使得重构得到的表面肌电信号是平缓且稳定的，从而使得重构后的表面肌电信号在去除噪声的同时保留了大量有效信号。

进一步地，基于上述本发明表面肌电信号去噪方法的第一实施例，提出本发明表面肌电信号去噪方法的第二实施例。

在本实施例中，上述步骤S10，包括：

步骤S101，通过预设的小波基函数对表面肌电信号进行小波包分解，通过对小波包节点进行小波包分解得到第一子节点和第二子节点，并计算所述小波包节点、所述第一子节点和所述第二子节点的香农熵；

在得到表面肌电信号后，将表面肌电信号作为小波包节点，然后能够通过预设的小波基函数对表面肌电信号进行分解，从而将表面肌电信号分解为第一子节点和第二子节点，进而能够根据预设的熵计算公式确定第一子节点的香农熵、第二子节点的香农熵和小波包节点的香农熵。

请参照图3，图3为本发明表面肌电信号去噪方法分解示意图，其中，节点N1（表面肌电信号）被分解为两个节点N2和N3（第一子节点和第二子节点）。

需要说明的是，熵计算公式可以是：

其中，i代表当前层数，Z代表分解后的总层数，为第i层的小波包系数，/>代表第i层的香农熵。

步骤S102，确定所述第一子节点和所述第二子节点的香农熵的和值，并在检测到所述和值小于所述小波包节点的香农熵时，将所述小波包节点分解为第一子节点和第二子节点，以得到最优小波包分解树。

在得到分解后的两个节点对应的香农熵后，将分解后两个节点的香农熵进行合并，例如可以将第一子节点的香农熵和第二子节点的香农熵相加得到和值，进而将和值和分解前节点（小波包节点）对应的熵进行比较得到比较结果，从而根据比较结果得到最优小波包分解树。本发明通过将分解前的熵和分解后的熵进行比较的方式，能够确定分解后的信号是否有序性更高。

可选地，在一种可行的实施例中，上述步骤S102，包括：

步骤S1021，在检测到所述和值小于所述小波包节点的香农熵时，以所述小波包节点为父节点，并以所述第一子节点和所述第二子节点为子节点构建初级分解树；

步骤S1022，在检测到所述初级分解树的最大层数小于所述预设层数时，分别将所述第一子节点和所述第二子节点作为新的表面肌电信号，循环执行对表面肌电信号进行最优小波包分解和构建初级分解树的步骤；

步骤S1023，在检测到所述初级分解树的最大层数等于所述预设层数时，将所述初级分解树作为最优小波包分解树。

在检测到分解后熵的和值小于表面肌电信号（小波包节点）的香农熵时，能够识别出分解后的信号有序性更高，从而能够以表面肌电信号为父节点，以分解后的第一子节点和第二子节点为子节点构建初级分解树，例如，图3中示出了一种初级分解树。在检测到分解后熵的和值大于或者等于表面肌电信号的香农熵时，能够识别出分解后的信号有序性更低，故而不对该表面肌电信号进行分解，仅保留表面肌电信号所在节点。

为将表面肌电信号分解至预设层数，需要实时对初级分解树的最大层数进行检测，并在检测到初级分解树的最大层数小于预设层数时，将分解得到的第一子节点和第二子节点分别作为新的表面肌电信号，并循环执行对表面肌电信号进行最优小波包分解和构建初级分解树的步骤；并在检测到初级分解树的最大层数等于预设层数时，将当前的初级分解树作为最优小波包分解树。

请参照图4，图4为本发明表面肌电信号去噪方法一实施例的最优小波包分解树示意图。其中，S表示采集得到的表面肌电信号，A1表示初次分解得到的第一子节点，D1表示初次分解得到的第二子节点；AA2表示在将第一子节点作为新的表面肌电信号分解得到的新的第一子节点；DA2表示在将第一子节点作为新的表面肌电信号分解得到的新的第二子节点；AD2表示在将第二子节点作为新的表面肌电信号分解得到的新的第一子节点；DD2表示在将第二子节点作为新的表面肌电信号分解得到的新的第二子节点；其余节点的表示意义与上述各个节点意义相似，此处不再赘述。

在预设层数为3层时，图4中示出的初级分解树能够作为最优小波包分解树；在预设层数为5层时，还需对图4中示出的初级分解树做进一步分解，直至层数为5。

本发明通过将分解后的熵与分解前的熵进行比较，从而确定是否需要对节点进行分解的方式，能够通过分解提高表面肌电信号的有序性，进而保证分解后信号的对于肌电信号研究的有效性。因此，本发明提出的上述构建最优小波包分解树的方式，能够最大程度的保留表面肌电信号的有效性。

进一步地，基于上述本发明表面肌电信号去噪方法的第一实施例和第二实施例，提出本发明表面肌电信号去噪方法的第三实施例。

在本实施例中，上述步骤S20，包括：

步骤S201，分别对多个所述小波包系数中的多个元素进行平方处理，得到多个所述小波包系数各自对应的多个新元素，并对多个所述小波包系数各自对应的多个所述新元素进行排序；

步骤S202，将排序后的多个所述新元素分别输入预设的风险因数确定公式中，得到多个所述新元素各自对应的风险因数。

在得到多个小波包系数后，通过平方处理的方式将小波包系数中元素的负数形式转换为正数形式，并将平方处理后的正数形式的元素作为新元素，然后根据新元素数值大小，分别按照从小到大的顺序对每个小波包系数对应的多个新元素进行排序；然后将每个小波包系数中排序后的新元素分别输入风险因数确定公式中，以得到每个新元素各自对应的风险因数。

作为一种示例，假设一小波包系数中包括N个元素，则先对N个元素进行平方处理，并将平方处理后的N个元素作为N个新元素，进而按照从小到大的顺序进行排序，能够得到一个元素序列：

,

其中，N表示元素个数，上述元素序列表示该小波包系数中的N个元素。然后根据以下风险因数确定公式计算每个元素的风险因数：

,

其中，i表示第i个元素，N为元素总个数，risk（i）表示第i个元素的风险因数。风险因数表征该元素对该小波包系数的风险影响程度。

可选地，在一种可行的实施例中，上述步骤S20，还包括：

步骤S203，查找多个所述小波包系数各自对应的数值最小的风险因数对应的元素序号，并将多个所述元素序号对应的新元素作为目标元素；

步骤S204，对多个所述目标元素进行开方处理，得到多个所述小波包系数各自对应的去噪阈值。

在得到多个小波包系数各自对应的多个风险因数后，能够在多个风险因数中确定数值最小的风险因数，从而查找到数值最小的风险因数对应的元素序号，从而能够得到多个元素序号。其中，元素序号的个数与小波包系数的数量相同。进而将元素序号对应的新元素作为目标元素。在查找到多个小波包系数各自对应的目标元素后，对每个目标元素进行开方，从而得到多个小波包系数各自对应的去噪阈值。

作为一种示例，假设一小波包系数中有4个新元素，并且四个新元素中第3个新元素的风险因数最小，则将3作为该小波包系数对应的元素序号，并将第3个新元素作为目标元素，从而对第3个新元素进行开方，开方得到的数值为该小波包系数对应的去噪阈值。

作为另一种示例，在第i个风险因数最小时，确定元素序号的公式可以是：

，

其中，为元素序号。

确定去噪阈值的公式可以是：

，

其中，为目标元素。

本发明通过风险最小的元素确定去噪阈值的方式，能够使得得到的去噪阈值不仅能够保证去噪效果，还能保留表面肌电信号的有效信号。

进一步地，基于上述本发明表面肌电信号去噪方法的上述所有实施例，提出本发明表面肌电信号去噪方法的第四实施例。

在本实施例中，上述步骤S30，包括：

步骤S301，在检测到多个所述小波包系数各自对应的绝对值小于各自对应的去噪阈值时，将多个所述小波包系数输入预设的第一公式中，得到多个新小波包系数；

步骤S302,在检测到多个所述小波包系数各自对应的绝对值大于或者等于各自对应的去噪阈值时，将多个所述小波包系数输入预设的第二公式中，得到多个新小波包系数。

在通过去噪阈值对小波包系数进行去噪时，若检测到小波包系数的绝对值小于该小波包系数对应的去噪阈值，则将该小波包系数输入预设的第一公式中，得到该小波包系数对应的新小波包系数；若检测到小波包系数的绝对值大于或者等于该小波包系数对应的去噪阈值，则将该小波包系数输入预设的第二公式中，得到该小波包系数对应的新小波包系数。

作为一种示例，第一公式可以是：

，

其中，为新小波包系数，m为调整参数，/>为去噪阈值，/>为第j层编号为k的节点的小波包系数，sign为符号函数，对数函数以10为底数。

第二公式可以是：

，

请参照图5，图5为本发明表面肌电信号去噪方法一实施例的流程示意图。在图5中，在得到表面肌电信号（原始sEMG信号）后，通过小波基函数对表面肌电信号进行小波包分解，从而将表面肌电信号分解为多层，并判断分解后的熵与分解前的熵是否符合预设大小关系（即，是否满足最优小波包树），若不符合，则继续分解，直到将表面肌电信号分解为预设层数。然后计算每个小波包系数对应的阈值（去噪阈值），进而通过阈值对小波包系数去噪（阈值函数去噪），最后对去噪后的小波包系数进行重构，即可得到去噪后的表面肌电信号。

在本实施例中，本发明通过第一公式或者第二公式得到新小波包系数的方式，能够根据小波包系数绝对值大小和去噪阈值大小的比较关系，对小波包系数进行降噪，从而避免了传统小波包去噪方式中将不符合阈值条件的小波包系数置零导致的信号中断的问题。因此，本发明能够兼顾信号去噪和有效信号的保留。

此外，本发明还提出一种表面肌电信号去噪系统。

请参照图6，所述表面肌电信号去噪系统包括：

小波包分解模块10，用于对表面肌电信号进行最优小波包分解，得到最优小波包分解树，其中，所述最优小波包分解树的最大层数为预设层数，每个小波包节点通过香农熵判定每个小波包节点是否进行小波包分解；

阈值确定模块20，用于获取所述最优小波包分解树中多个节点各自对应的小波包系数，并分别确定多个所述小波包系数中的多个元素各自对应的风险因数，并通过多个所述小波包系数各自对应的数值最小的风险因数，确定多个所述小波包系数各自对应的去噪阈值；

信号去噪模块30，用于通过多个所述去噪阈值对多个所述小波包系数进行去噪处理，得到多个新小波包系数，并对多个所述新小波包系数进行重构，得到去噪后的表面肌电信号。

可选地，上述小波包分解模块10，包括：

熵计算单元，用于通过预设的小波基函数对表面肌电信号进行小波包分解，通过对小波包节点进行小波包分解得到第一子节点和第二子节点，并计算所述小波包节点、所述第一子节点和所述第二子节点的香农熵；

熵比较单元，用于确定所述第一子节点和所述第二子节点的香农熵的和值，并在检测到所述和值小于所述小波包节点的香农熵时，将所述小波包节点分解为第一子节点和第二子节点，以得到最优小波包分解树。

可选地，熵比较单元包括：

分解树构建子单元，用于在检测到所述和值小于所述小波包节点的香农熵时，以所述小波包节点为父节点，并以所述第一子节点和所述第二子节点为子节点构建初级分解树；

循环分解子单元，用于在检测到所述初级分解树的最大层数小于所述预设层数时，分别将所述第一子节点和所述第二子节点作为新的表面肌电信号，循环执行对表面肌电信号进行最优小波包分解和构建初级分解树的步骤；

最优小波包分解树确定子单元，在检测到所述初级分解树的最大层数等于所述预设层数时，将所述初级分解树作为最优小波包分解树。

可选地，阈值确定模块20，包括：

系数转换单元，用于分别对多个所述小波包系数中的多个元素进行平方处理，得到多个所述小波包系数各自对应的多个新元素，并对多个所述小波包系数各自对应的多个所述新元素进行排序；

风险因数确定单元，用于将排序后的多个所述新元素分别输入预设的风险因数确定公式中，得到多个所述新元素各自对应的风险因数。

可选地，阈值确定模块20，还包括：

目标元素确定单元，用于查找多个所述小波包系数各自对应的数值最小的风险因数对应的元素序号，并将多个所述元素序号对应的新元素作为目标元素；

元素处理单元，用于对多个所述目标元素进行开方处理，得到多个所述小波包系数各自对应的去噪阈值。

可选地，信号去噪模块30，包括：

第一公式计算单元，用于在检测到多个所述小波包系数各自对应的绝对值小于各自对应的去噪阈值时，将多个所述小波包系数输入预设的第一公式中，得到多个新小波包系数；

第二公式计算单元，用于在检测到多个所述小波包系数各自对应的绝对值大于或者等于各自对应的去噪阈值时，将多个所述小波包系数输入预设的第二公式中，得到多个新小波包系数。

可选地，所述表面肌电信号去噪系统还包括：

风险因数排序模块，用于分别根据预设排序规则对多个所述小波包系数各自对应的多个风险因数进行排序，得到多个所述小波包系数各自对应的风险因数序列；

数值筛选模块，用于将多个所述风险因数序列中首端的风险因数或者末端的风险因数作为多个所述小波包系数各自对应的数值最小的风险因数。

其中，上述表面肌电信号去噪系统中各个模块的功能实现与上述表面肌电信号去噪方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。

此外，本发明还提出一种表面肌电信号去噪设备，该表面肌电信号去噪设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的表面肌电信号去噪程序，所述表面肌电信号去噪程序被所述处理器执行时实现如上所述本发明表面肌电信号去噪方法的步骤。

本发明表面肌电信号去噪设备的具体实施例与上述表面肌电信号去噪方法各实施例基本相同，在此不作赘述。

此外，本发明还提出一种计算机存储介质，该计算机存储介质上存储有表面肌电信号去噪程序，该表面肌电信号去噪程序被处理器执行时实现如上所述本发明表面肌电信号去噪方法的步骤。

本发明计算机存储介质的具体实施例与上述表面肌电信号去噪方法各实施例基本相同，在此不作赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是车载电脑，智能手机，计算机，或者服务器等）执行本申请各个实施例所述的方法。

以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (5)

1.一种表面肌电信号去噪方法，其特征在于，所述表面肌电信号去噪方法包括：

对表面肌电信号进行最优小波包分解，得到最优小波包分解树，其中，所述最优小波包分解树的最大层数为预设层数，每个小波包节点通过香农熵判定每个小波包节点是否进行小波包分解；

获取所述最优小波包分解树中多个节点各自对应的小波包系数，并分别确定多个所述小波包系数中的多个元素各自对应的风险因数，并通过多个所述小波包系数各自对应的数值最小的风险因数，确定多个所述小波包系数各自对应的去噪阈值，其中，小波包系数是指在小波包变换时,所述表面肌电信号的每个子信号的系数值；

通过多个所述去噪阈值对多个所述小波包系数进行去噪处理，得到多个新小波包系数，并对多个所述新小波包系数进行重构，得到去噪后的表面肌电信号；

所述对表面肌电信号进行最优小波包分解，得到最优小波包分解树的步骤，包括：

通过预设的小波基函数对表面肌电信号进行小波包分解，通过对小波包节点进行小波包分解得到第一子节点和第二子节点，并计算所述小波包节点、所述第一子节点和所述第二子节点的香农熵；

确定所述第一子节点和所述第二子节点的香农熵的和值，并在检测到所述和值小于所述小波包节点的香农熵时，将所述小波包节点分解为第一子节点和第二子节点，以得到最优小波包分解树；

其中，所述在检测到所述和值小于所述小波包节点的香农熵时，将所述小波包节点分解为第一子节点和第二子节点，以得到最优小波包分解树的步骤，包括：

在检测到所述和值小于所述小波包节点的香农熵时，以所述小波包节点为父节点，并以所述第一子节点和所述第二子节点为子节点构建初级分解树；

在检测到所述初级分解树的最大层数小于所述预设层数时，分别将所述第一子节点和所述第二子节点作为新的表面肌电信号，循环执行对表面肌电信号进行最优小波包分解和构建初级分解树的步骤；

在检测到所述初级分解树的最大层数等于所述预设层数时，将所述初级分解树作为最优小波包分解树；

所述分别确定多个所述小波包系数中的多个元素各自对应的风险因数的步骤，包括：

分别对多个所述小波包系数中的多个元素进行平方处理，得到多个所述小波包系数各自对应的多个新元素，并对多个所述小波包系数各自对应的多个所述新元素进行排序；

将排序后的多个所述新元素分别输入预设的风险因数确定公式中，得到多个所述新元素各自对应的风险因数；

所述通过多个所述小波包系数各自对应的数值最小的风险因数，确定多个所述小波包系数各自对应的去噪阈值的步骤，包括：

查找多个所述小波包系数各自对应的数值最小的风险因数对应的元素序号，并将多个所述元素序号对应的新元素作为目标元素；

对多个所述目标元素进行开方处理，得到多个所述小波包系数各自对应的去噪阈值;

所述通过多个所述去噪阈值对多个所述小波包系数进行去噪处理，得到多个新小波包系数的步骤，包括：

在检测到多个所述小波包系数各自对应的绝对值小于各自对应的去噪阈值时，将多个所述小波包系数输入预设的第一公式中，得到多个新小波包系数,其中，所述第一公式为：

，

其中，为新小波包系数，m为调整参数，/>为去噪阈值，/>为第j层编号为k的节点的小波包系数，sign为符号函数，对数函数以10为底数；

或者，

在检测到多个所述小波包系数各自对应的绝对值大于或者等于各自对应的去噪阈值时，将多个所述小波包系数输入预设的第二公式中，得到多个新小波包系数，其中，所述第二公式为：

，

其中，为新小波包系数，m为调整参数，/>为去噪阈值，/>为第j层编号为k的节点的小波包系数，sign为符号函数，对数函数以10为底数。

2.如权利要求1所述的表面肌电信号去噪方法，其特征在于，在所述通过多个所述小波包系数各自对应的数值最小的风险因数，确定多个所述小波包系数各自对应的去噪阈值的步骤之前，所述方法还包括：

分别根据预设排序规则对多个所述小波包系数各自对应的多个风险因数进行排序，得到多个所述小波包系数各自对应的风险因数序列；

将多个所述风险因数序列中首端的风险因数或者末端的风险因数作为多个所述小波包系数各自对应的数值最小的风险因数。

3.一种表面肌电信号去噪系统，其特征在于，所述表面肌电信号去噪系统包括：

小波包分解模块，用于对表面肌电信号进行最优小波包分解，得到最优小波包分解树，其中，所述最优小波包分解树的最大层数为预设层数，每个小波包节点通过香农熵判定每个小波包节点是否进行小波包分解；

阈值确定模块，用于获取所述最优小波包分解树中多个节点各自对应的小波包系数，并分别确定多个所述小波包系数中的多个元素各自对应的风险因数，并通过多个所述小波包系数各自对应的数值最小的风险因数，确定多个所述小波包系数各自对应的去噪阈值，其中，小波包系数是指在小波包变换时,所述表面肌电信号的每个子信号的系数值；

信号去噪模块，用于通过多个所述去噪阈值对多个所述小波包系数进行去噪处理，得到多个新小波包系数，并对多个所述新小波包系数进行重构，得到去噪后的表面肌电信号；

其中，所述小波包分解模块，还用于：

通过预设的小波基函数对表面肌电信号进行小波包分解，通过对小波包节点进行小波包分解得到第一子节点和第二子节点，并计算所述小波包节点、所述第一子节点和所述第二子节点的香农熵；

确定所述第一子节点和所述第二子节点的香农熵的和值，并在检测到所述和值小于所述小波包节点的香农熵时，将所述小波包节点分解为第一子节点和第二子节点，以得到最优小波包分解树；

所述小波包分解模块，还用于：

在检测到所述和值小于所述小波包节点的香农熵时，以所述小波包节点为父节点，并以所述第一子节点和所述第二子节点为子节点构建初级分解树；

在检测到所述初级分解树的最大层数小于所述预设层数时，分别将所述第一子节点和所述第二子节点作为新的表面肌电信号，循环执行对表面肌电信号进行最优小波包分解和构建初级分解树的步骤；

在检测到所述初级分解树的最大层数等于所述预设层数时，将所述初级分解树作为最优小波包分解树；

阈值确定模块，还用于：

分别对多个所述小波包系数中的多个元素进行平方处理，得到多个所述小波包系数各自对应的多个新元素，并对多个所述小波包系数各自对应的多个所述新元素进行排序；

将排序后的多个所述新元素分别输入预设的风险因数确定公式中，得到多个所述新元素各自对应的风险因数；

阈值确定模块，还用于：

查找多个所述小波包系数各自对应的数值最小的风险因数对应的元素序号，并将多个所述元素序号对应的新元素作为目标元素；

对多个所述目标元素进行开方处理，得到多个所述小波包系数各自对应的去噪阈值；

所述信号去噪模块，还用于：

所述通过多个所述去噪阈值对多个所述小波包系数进行去噪处理，得到多个新小波包系数的步骤，包括：

在检测到多个所述小波包系数各自对应的绝对值小于各自对应的去噪阈值时，将多个所述小波包系数输入预设的第一公式中，得到多个新小波包系数,其中，所述第一公式为：

，

其中，为新小波包系数，m为调整参数，/>为去噪阈值，/>为第j层编号为k的节点的小波包系数，sign为符号函数，对数函数以10为底数；

或者，

在检测到多个所述小波包系数各自对应的绝对值大于或者等于各自对应的去噪阈值时，将多个所述小波包系数输入预设的第二公式中，得到多个新小波包系数，其中，所述第二公式为：

，

其中，为新小波包系数，m为调整参数，/>为去噪阈值，/>为第j层编号为k的节点的小波包系数，sign为符号函数，对数函数以10为底数。

4.一种表面肌电信号去噪设备，其特征在于，所述表面肌电信号去噪设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的表面肌电信号去噪程序，所述表面肌电信号去噪程序被所述处理器执行时实现如权利要求1至2中任一项所述的表面肌电信号去噪方法的步骤。

5.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有表面肌电信号去噪程序，所述表面肌电信号去噪程序被处理器执行时实现如权利要求1至2中任一项所述的表面肌电信号去噪方法的步骤。