[发明专利]基于平滑小波相干性的肌电信号特征提取方法

说明书

本发明公开了一种基于平滑小波相干性的肌电信号特征提取方法，本发明通过肌电信号采集仪采集人体相关肌肉的肌电信号，并采用带通滤波方法进行预处理，对滤波处理后的肌电信号进行小波变换，然后计算两路肌电信号的交叉小波变换，并对交叉小波变换分别进行时间轴和尺度轴上的平滑操作。最后，计算两路肌电信号的平滑小波相干系数，并使用T检验来检验不同行为之间的相关性是否存在统计学差异，得到不同肌肉组合的32级平滑小波相干系数作为特征向量。本发明使用的平滑小波相干性在特征提取方法上具有很大创新，对于后续模式识别具有较高的识别率和可靠性，可以较好地满足多模式识别任务中的特征提取要求，具有广阔的应用前景。

技术领域

本发明属于肌电信号处理领域，涉及一种肌电信号特征提取方法，特别涉及一种基于肌电平滑小波相干性的肌电信号特征提取方法。

背景技术

肌电信号(Electromyogram，EMG)是肌纤维动作电位的叠加，是一种微弱，非线性，随机非稳定的生物电信号。在医学上，肌电信号可以用来诊断和分析帕金森病、肌萎缩侧索硬化等疾病。在工程应用领域，肌电等生物电信号常常被用作控制信号源。神经驱动信息可以从肌电信号中获取，根据获取肌电信号的途径，一般分为插入式肌电信号和表面肌电信号(surface EMG,sEMG)。表面肌电信号由于不需要插入皮肤层以下，对人体无损伤而被越来越多的研究者所采用，也有着广泛的应用前景。

表面肌电信号的特征提取是模式识别和回归预测的前提和关键步骤，它的目的在于从中获取有用的信息并且去除冗余的信息，从而使得信息有更好的可区分性。根据特征提取的方式可以分为时域，频域，时频域，非线性动力学分析方法。时频域方法结合了时域和频域的特点，既可以局部的描绘信号的特征信息，又能了解信号的频域信息，小波变换是时频域的一种主要方法。

小波变换在表面肌电信号处理中有着广泛的应用，它将表面肌电信号分解成许多包含精确信息的子带。而对时频空间中两种目标信号之间的关系进行相干性分析，也是数字信号分析特别是小波变换中常用的方法。RyotaroImoto等人运用肌电信号小波相干分析研究了主动肌与拮抗肌的协调运动机制，得出了稳定条件下比不稳定条件有更高相关性的结论。通常，小波相干性可以用来分析非平稳随机信号，如肌电信号和脑电信号。表面肌电信号的相干性可以提供一种皮层肌肉耦合信息。目前基于表面肌电信号相干性分析的研究较少，有较为广阔的研究空间。

发明内容

本发明针对现有肌电特征提取方法存在的不足，提出一种基于平滑小波相干性分析的肌电信号特征提取方法，可以有效提取表面肌电信号的特征。通过肌电信号采集仪采集人体相关肌肉的肌电信号，并采用带通滤波方法进行预处理，对滤波处理后的肌电信号进行小波变换，然后计算两路肌电信号的交叉小波变换，并对交叉小波变换分别进行时间轴和尺度轴上的平滑操作。最后，计算两路肌电信号的平滑小波相干系数，并使用T检验来检验不同行为之间的相关性是否存在统计学差异，得到不同肌肉组合的32级小波相干系数作为特征向量。

为了实现以上目的，本发明方法主要包括以下步骤：

步骤一，获取相关肌电信号样本数据，首先通过肌电信号采集仪采集人体相关肌肉的肌电信号，然后采用带通滤波方法进行预处理。

步骤二，对滤波处理后的肌电信号进行小波变换。

W_x(a,b)是小波系数，x(t)是待分析的肌电信号，是Morlet母小波函数，a是小波尺度因子，b是时移，t是局部时间原点。

p是频率参数，σ是控制小波衰减的参数。

步骤三，计算两路肌电信号x(t)，y(t)的交叉小波变换：

步骤四，对W_xy(a,b)进行平滑处理。先计算时间轴上的平滑操作。