[发明专利]一种融合小波包和双谱分析的肌电信号特征提取方法

权利要求书

1.一种融合小波包和双谱分析的肌电信号特征提取方法，其特征在于，包括以下步骤：

S1、输入表面肌电sEMG信号，采用小波包对sEMG信号进行j层分解；步骤S1中采用小波包对表面肌电sEMG信号进行j层分解，小波包对sEMG进行分解的算法为：

式中为上层小波包分解结果，和为下一级分解结果，j是尺度指标，为位置指标，n为频率指标，k为变量，h₀和h₁为分解使用的多分辨率滤波器系数；

S2、选取n个有效频带，求出每个频带的能量，具体包括：假设信号的采样频率为2f，如果对信号进行j层小波包分解，就可以形成2_j个等宽频带，每个区间频宽为f/(2j)，小波包分解之后，得到j层小波包系数C_j,m,k，k＝0,1,…,2^j-1,m为小波包空间位置标识；

由Parseval能量积分等式，sEMG信号x(t)在时域上的能量为：根据该能量积分等式关联起来可知，式子与x(t)的小波包变换系数C_j,k具有能量量纲，将原始信号的能量分布用小波包能量谱来表示；

S3、将步骤S2求出的频带能量进行归一化处理，作为表面肌电sEMG信号的特征向量；将步骤S2求出的频带能量进行归一化处理的公式为：

T_j,k表示频带能量；T′_j，k表示归一化处理的频带能量；

并将其当作sEMG信号的特征向量，即：

T＝[T′₁,T′₂,…,T′_n]；

S4、小波包重构sEMG信号的时域信号；S5、对表面肌电sEMG的时域信号进行双谱分析，提取出双谱特征；S6、融合小波包和双谱分析的肌电信号特征向量；

所述融合小波包和双谱分析的肌电信号特征向量，其具体步骤为：

每个样本的双谱值为B_j(f₁,f₂)，j＝1,2,…,n，n为样本数，对每个样本分别进行双谱计算，取平均可得样本双谱为：

f_i为频率变量；

接下来再对每个样本求极大值Max(B_j(f₁,f₂))所对应的(f₁^j,f₂^j)即为特征向量，

然后与能量特征组合作为新的特征向量：

2.根据权利要求1所述的融合小波包和双谱分析的肌电信号特征提取方法，其特征在于，步骤S4采用小波包重构表面肌电sEMG的时域信号，其中小波包重构算法为：

式中为上层小波包分解结果，和为下一级分解结果，j是尺度指标，为位置指标，n为频率指标，k为变量，h₀和h₁为分解使用的多分辨率滤波器系数。

3.根据权利要求1所述的融合小波包和双谱分析的肌电信号特征提取方法，其特征在于，S5、对表面肌电sEMG的时域信号进行双谱分析，提取出双谱特征，具体包括步骤：

设一离散、平稳时间序列{x(i)}，i＝1，2，...N,根据信号的离散傅里叶变换，双谱定义为：

B_x(f₁,f₂)＝E[X(f₁)X(f₂)X^*(f₁+f₂)]，

式中f_i为频率变量；X(f_i)为信号的离散傅里叶变换；i＝1,2；E[]为数学期望，双谱估计采用双谱估计间接法，首先估计实验数据{x(i)}的三阶累积量，然后对该累积量进行二维DFT变换，这样就得到随机序列的双谱估计。

4.根据权利要求3所述的融合小波包和双谱分析的肌电信号特征提取方法，其特征在于，所述双谱估计间接法算法的具体描述如下：

a、将长度为N的实验数据{x(i)}分成K段，每段有M个数据，即N＝KM；

b、进行去均值操作，去除每段数据的均值，使将分析数据的均值为0；

c、假设{x_j(i)}(i＝1,2,…,M；j＝1,2,…,K)为第j段的数据，估计每段数据的三阶累积量：

表示第j段数据的三阶积累量，

k₁＝max{1,-m,-n}，k₁表示1、-m、-n中最大值；

k₂＝min{M,M-m,M-n}；k₂表示M、M-m、M-n中最小值；

d、对进行统计平均，得到K组数据的累积量估计，即：

e、对三阶累积量估计进行二维DFT变换，即得双谱估计。