[发明专利]一种用于人体下肢表面肌电信号的辨识方法

摘要

本发明涉及一种用于人体下肢表面肌电信号的辨识方法。本发明主要步骤为：实时采集对应肌肉块在活动动作刺激下的表面EMG信号；对采集的EMG信号进行预处理，获得消除伪迹信号后的EMG信号；使用离散小波变换方法对获得的EMG信号进行分解，分解后获得低频系数向量和高频系数列；采用时、频域结合的滤波方法，将获得的小波分量进行奇异值分解，并将分解得到的奇异值构成特征矩阵；采用支持向量机对特征样本进行训练，并生成支持向量机分类器用于对盲样本进行分类识别。本发明的有益效果为，相对于传统技术，本发明提出了一种新的下肢EMG信号预处理方法。

主权项

1.一种用于人体下肢表面肌电信号的辨识方法，其特征在于，包括以下步骤：a.将一次性肌电电极粘放至下肢肌肉组织表皮上，实时采集对应肌肉块在活动动作刺激下的表面EMG信号；b.对步骤a中采集的EMG信号进行预处理，获得消除伪迹信号后的EMG信号；所述预处理方法包括工频干扰滤波、基线漂移滤波和高斯白噪声滤波；具体方法包括：b1.工频干扰滤波；具体方法为：将步骤a中采集得到的EMG信号c(t)作为原始输入信号CPLI(t)进行陷波滤波，得到滤波结果为a(t)，定义工频干扰因子εPLI，则εPLI可通过如下公式1计算：其中，var是信号方差算子，用于计算时间序列的方差，通过工频干扰因子εPLI对滤波结果进行修正如下公式2所示：其中，sPLI(t)是滤除工频干扰噪声的最终结果，公式2表明如果工频干扰噪声的能量占比超过原始信号能量的10％，则采用陷波滤波器的滤波结果；b2.基线漂移滤波；具体方法为：将步骤b1获得的信号sPLI(t)作为原始输入信号cBW(t)进行低通滤波，滤波结果为d(t)，定义基线漂移因子为εBW，则εBW可通过如下公式3计算：根据基线漂移因子εBW对滤波得到的基线漂移噪声d(t)进行修正得到b(t)，其表达式如公式4所示：最后，得到去除基线漂移噪声后的信号sBW(t)如下公式5所示：sBW(t)＝cBW(t)‑b(t)    (公式5)；b3.高斯白噪声滤波；具体方法为：将步骤b2得到的信号sBW(t)作为原始输入信号cWGN(t)进行滤波；对时域信号cWGN(t)基于过零点进行区间划分，再通过阈值判断方法对信号cWGN(t)进行高斯白噪声滤波；具体为：假设信号内包含j个过零点zi(i＝1，2，...，j)，则对于区间zi＜tj＜zi+1内的信号有：其中，T为信号c(t)的阈值，tm为区间内的极值点；阈值T由如下公式7和公式8确定：σ＝median(|cWGN(t)|：t＝1，2，...，L)/0.6745    (公式8)此处，σ为输入信号cWGN(t)的噪声水平；L为信号cWGN(t)的长度，特别地对于离散信号L即为离散点点数；median为信号中位数算子，用于获取时间序列的中位数；c.使用离散小波变换方法对步骤b获得的EMG信号进行分解，分解后获得低频系数向量cA1和高频系数向量cD1；使用离散小波变换的方法对低频系数向量cA1进行分解，获得低频系数向量cA2和高频系数cD2；继续重复使用离散小波变换的方法对低频系数向量进行分解，直至获得低频系数向量cA5和5个高频系数列cD1，cD2，cD3，cD4，cD5为止；d.采用时、频域结合的滤波方法，将步骤c中获得的小波分量进行奇异值分解，并将分解得到的奇异值构成特征矩阵；e.以步骤d中获得的特征矩阵为样本，采用支持向量机对特征样本进行训练，并生成支持向量机分类器用于对盲样本进行分类识别。