[发明专利]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

说明书

技术领域

本发明属于信号消噪领域，涉及一种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。

背景技术

肌电信号（EMG）是人体自主运动过程中神经肌肉活动发出的生物电信号在体表的综合反映，已在临床、运动医学等领域被广泛的研究。同时由于其与肌肉的活动状态和功能状态之间存在着不同程度的关联性，在一定程度上反映神经肌肉的活动，因而成为了人工假肢和功能性神经电刺激的理想控制信号。

但是，由于肌电信号通常是在皮肤表面募集的，是一种非线性非平稳信号,有用能量主要分布在0-500 Hz之间，非常微弱,因而不可避免地会夹杂着生理噪声。同时，在拾取及处理过程中，存在外界或电路内部因素的干扰，使得实际采集的肌电信号是被污染的信号，如果直接用其作为控制源对假肢实施动作控制，就会造成不可挽回的损失。因而探索一种能将夹杂在采集信号中噪声的滤去方法是很有必要的。

目前已有的肌电信号消噪方法主要包括以下几种：

1、传统傅里叶变换滤波

肌电信号表现出明显的非线性、非平稳特性，给信号降噪和特征提取取带来了很大困难。传统傅里叶变换是建立在信号平稳性假设条件下的一种时域和频域的全局性变换，对于分析基于平稳信号或准平稳过程的信号十分有效，但其不能很好地揭示非平稳信号的特征。

2、小波变换

小波变换是近年来出现的新的时频分析方法，在生物医学信号处理中已得到了广泛的应用。小波消噪的方法大概可以分为三大类：第一类方法是基于小波变换模极大值原理的，最初由Mallat提出，即根据信号和噪声在小波变换各个尺度上的不同传播特性，剔除由噪声产生的模极大值点，保留信号所对应的模极大值点，然后利用所余模极大值点重构小波系数，进而恢复信号；第二类方法是对含噪信号作小波变换之后，计算相邻尺度间小波系数的相关性，根据相关性的大小区分小波系数的类型，进行取舍，然后直接重构信号；第三类方法是Donoho提出的阈值方法，该方法认为信号的小波系数是一致分布的，个数较多，但幅值小。基于这一思想，Donoho等人提出了软阈值和硬阈值去噪方法，即在众多小波系数中，把绝对值较小的系数置为零，而让绝对值较大的系数保留或收缩，分别对应于硬阈值和软阈值方法，得到估计小波系数，然后利用估计小波系数直接进行信号重构，即可达到去噪的目的。

小波变换具有良好的时频局部化特性，使其在肌电信号处理中得到广泛应用。但小波分析本质上是一种窗口可调的傅里叶变换，存在小波基选择困难，参数敏感和平稳性假设等问题，且一旦小波基被选定之后，就必须用小波基分析整个信号，缺乏自适应性。

3、经验模态分解（EmpiricalMode Decomposition，EMD）方法则是一种新的具有自适应性的时频分析方法，可根据信号的局部时变特性进行自适应的时频分解，比较适合对非线性、非平稳的肌电信号进行处理，但其重要缺陷就是产生模式混淆现象。

综上所述，已有的肌电信号消噪方法都存在不足之处。

发明内容

本发明的目的就是针对现有技术的不足，提出一种基于总体平均经验模式分解(Ensemble empirical mode decomposition ,EEMD)的二代小波变换肌电信号消噪新方法。总体平均经验模式分解方法本质上是一种借助于噪声的信号处理方法，由于在不连续的信号中，高频成分的极值点间隔分布密集，低频成分的极值点间隔分布稀疏，通过将白噪声加入到被分析的信号中，能够改变信号低频成分的极值点分布特性，使信号在整个频带中极值点间隔分布均匀，也保证了每次对信号进行准确求取上、下包络的局部均值，从而达到在经验模式分解中避免模式混淆的目的。

首先对信号加入白噪声处理后进行经验模态分解（EMD），然后对高频的内蕴模式函数(IMF)分量进行二代小波分解及阈值消噪处理，把经过处理的高频IMF分量与低频IMF分量进行叠加，重构后的信号即为去噪信号。

为了实现以上目的，本发明方法主要包括以下步骤：

步骤一，在含噪原始肌电信号                                               中多次加入具有均值为零、标准差为常数的白噪声, 即 

式中，原始肌电信号，信号长度记为,为第次加入白噪声后的信号，为第次加入的白噪声。

步骤二，对步骤一所得的信号分别进行经验模态分解，得到各自的内蕴模式函数（IMF）分量，记为，与一个余项，记为。其中表示第次加入白噪声后分解所得的第个IMF。