[发明专利]基于样本熵和高斯模型的表面肌电信号活动段分割方法

摘要

本发明公开了一种基于样本熵和高斯模型的表面肌电信号活动段分割方法，其步骤包括：1从人体相关肌肉采集表面肌电信号的电位值，设定滑动窗口的宽度u与步长f，对数据进行滑动分割；2设置样本熵参数m，r并计算每一个滑动窗口的样本熵；3采用DBSCAN聚类的方法确定高斯多项式基本模型，然后初始化模型参数；4非线性最小二乘法拟合高斯模型；5根据高斯模型确定能量阈值分割活动段。本发明能利用样本熵对噪声有抑制作用的特性，克服噪声对信号分割的影响，从而表面肌电信号进一步分析的精确性和可靠性提供基础。

主权项

1.一种基于样本熵和高斯模型的表面肌电信号活动段分割方法，其特征是按如下步骤进行：步骤1、利用表面肌电信号传感器采集一段人体运动时与人体运动相关的表面肌电信号的电位值，记为电位值数据段：X＝[x₁,x₂,…,x_n,…,x_N]，x_n表示按时间顺序采样到的第n个表面肌电信号的电位值，N为采集到的电位值的个数；利用宽度为u和步长为f的滑动窗口，对所述电位值数据段按电位值采样的先后顺序进行滑动分割，得到分割后的表面肌电信号窗口数据集E＝[e₁,e₂,…,e_t,…,e_T]，e_t表示第t个表面肌电信号窗口，且e_t＝[x_f(t‑1)+1,x_f(t‑1)+2,…,x_f(t‑1)+u]，x_f(t‑1)+u表示电位值数据段X中第f(t‑1)+u个电位值；t＝1,2,…,T，T为窗口个数且步骤2、设置样本熵的嵌入维数为m，相似容限为r，计算表面肌电信号窗口数据集E内第t个表面肌电信号窗口e_t的样本熵s_t，从而得到表面肌电信号窗口数据集E内所有窗口的样本熵所组成的样本熵序列S＝[s₁,s₂,…,s_t,…s_T]；步骤3、根据所述表面肌电信号的样本熵序列S，确认高斯多项式的基本模型并对高斯模型参数进行初始化：步骤3.1、样本熵序列预处理：对样本熵序列S进行预处理，剔除样本熵中值为无穷大或为无穷小的无效值，并采用均值平滑滤波法滤除高频噪声，从而得到预处理后的样本熵序列S′，记为S′＝[s′₁,s′₂,…,s′_t,…s′_T]，s′_t为第t个滑动窗口e_t的预处理后的样本熵值；步骤3.2、通过DBSCAN聚类的方法确定样本熵的高斯多项式的基本模型；步骤3.3、初始化样本熵高斯多项式模型的未知参数；步骤4、非线性最小二乘法拟合高斯多项式参数；步骤5、通过能量阈值法计算表面肌电信号活动段的分割区域。