[发明专利]一种基于高密度肌电图的特征提取方法

说明书

本发明涉及一种基于高密度肌电图的特征提取方法，包括：获取预先通过阵列电极片方式采集的一维肌电信号；将一维肌电信号根据均方根转换成具有多个通道的二维肌电信号；针对二维肌电信号，对每个通道的均方根进行处理，确定所述二维肌电信号中的肌电信息，并将所述具有肌电信息的二维肌电信号与空间肌电信息结合，获取所述二维肌电信号中的特征信息集。本发明用阵列电极片采集信息，以阵列的形式把传统的一维肌电信息转变成二维肌电信息，使用户观察更方便。进一步，本发明给出了二维肌电信息中的二维均方根图的平均幅度以及质心坐标信息，并将所述具有肌电信息的二维肌电信号与空间肌电信息结合，获取所述二维肌电信号中的特征信息集。

技术领域

本发明涉及一种基于高密度肌电图的特征提取方法。

背景技术

肌电图(EMG)信号是运动神经元放电活动产生的运动单位动作电位(MUAP)的叠加，其编码脊髓电路的神经活动并且可以反映来自大脑的高水平神经控制信号。运动神经元放电活动可以提供对运动神经控制的理论认识，提供神经肌肉损伤的临床见解，也可以用作人机交互的界面信号。因此，从EMG信号中提取单独的运动神经单元(MU)的放电信息是重要研究课题。

在这个方向上，已经在不同的领域提出了一系列特征提取方法。最近，由Al-Timemy等人提出了一组由波形长度比，不规则因子，稀疏度，第一光谱矩，第二光谱矩和第四光谱矩组成的特征，称为时间依赖性功率谱描述符(TD-PSD)。为了更好地识别EMG信号模式，塞缪尔等人，还介绍了一种新的简单但有效的时域特征的组合，它考虑了expth根的总和的绝对值和一组分析窗口中数据的平方根求和的绝对值。此外，Khushaba等人。最近提出了一组时空描述符，用于改进EMG信号模式的表征。Hudgins提出使用四种不同的时域特征进行肢体运动意图解码。这些功能包括平均绝对值，波形长度，过零点和斜率符号变化。值得注意的是，Hudgins时域特征集可以说是迄今为止在肌电模式识别领域最常采用的。

通常，与基于频域或小波的特征相比，时域特征表现出简单的特征，并且它们通常需要很少的计算资源，实现与其他域中的特征类似的性能。这是其在肌电控制系统中广泛采用的一个原因。

但是，单独的时域特征提取特征集较为单一，且传统的肌电图为一维肌电信号观察起来也很不方便同时从一维肌电信号中得到特征时计算也比较繁琐，同时，提取的特征集没有反应出传统的肌电信息没有与空间肌电信息相结合。

发明内容

(一)要解决的技术问题

为了解决现有技术的上述问题，本发明提供一种基于高密度肌电图的特征提取方法。

(二)技术方案

为了达到上述目的，本发明提供一种基于高密度肌电图的特征提取方法，包括：

获取预先通过阵列电极片方式采集的一维肌电信号；

将所述一维肌电信号根据均方根转换成具有多个通道的二维肌电信号；

针对所述二维肌电信号，对每个通道的均方根进行处理，确定所述二维肌电信号中的肌电信息，并将所述具有肌电信息的二维肌电信号与空间肌电信息结合，获取所述二维肌电信号中的特征信息集。

优选的，

所述一维肌电信号为周期性采集的信号；

其中，所述一维肌电信号包括休息期肌电信号和稳定期肌电信号；

所述空间肌电信息为采用FastICA结合卷积核补偿算法以及滞后交叉相关获取的具体的神经支配区位置信息。

优选的，

从所述一维肌电信号中提取休息期肌电信号和稳定期肌电信号；

根据休息期肌电信号和稳定期肌电信号，获取休息期肌电信号的均方根以及稳定期肌电信号的均方根；