1、 工学硕士学位论文哈尔滨理工大学基于表面肌电信号的分解技术研究哈尔滨理工大学 哈尔滨理工大学硕士学位论文原创性声明本人郑重声明：此处所提交的硕士学位论文基于表面肌电信号的分解技术研究，是本人在导师指导下，在哈尔滨理工大学攻读硕士学位期间独立进行研究工作所取得的成果。据本人所知，论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文研究工作做出贡献的个人和集体，均在文中以明确方式注明。本声明的法律结果将由本人承担。作者签名：日期刃红月日日化与肌肉本身的结构、收缩时所发生的化学变化有着密切的关联。通过对肌电信号的研究和检测，可以判断神经肌肉系统的运动机能及其形态学的变化。肌电信号的分解就是
2、将其中所包含的运动单元动作电位波形畉琈提取出来，通过对其进行分析，可以获取神经肌肉系号 由于其在检测肌肉信号时的无创伤性以首先，对信号进行预处理。由于信号非常弱，在采集的过程中会受到各种噪声的干扰。传统的消噪方法采用的是常规滤波器，消噪效果不是十分有效，而且容易剔除掉信号中的一些有用信息。为得到信噪比更高的信号，本文采用小波降噪法来对信号进行出来。同时，为了后续的活动段的提取，本研究通过数学算子来突出信号的波峰值。其次，提取波形模板。信号的分解就是通过信号的求逆来得到组成信号的波形。首先，提取活动段，并对活动段中哈尔滨理工大学工学硕土学位论文。 甋 瑆目 录本章小结 第禄谛浠缓蚖的信号分解技术
3、活动段检测活动段的特征提取运动单元动作电位的聚类分析叠加波形的分解分解结果及分析哈尔滨理工大学工学硕士学位论文 。 的不断发放产生的电位波形组成了波形，波形按时间哈尔滨理工大学工学硕士学位论文性和完整性。首先就是信号分解理论的局限性所导致的，包括所使用的算法得到的分解正确率水平、分解系统能否实现完全分解以及有没有必要做进一步的手工细化分解；再次，在信号采集阶段，肌肉收缩力水平和特征髓的肌电图进行的分析，单个运动单元的动作电位的研究【。自此，肌电信号哈尔滨理工大学丁：学位论文从提高聚类正确率出发，采用模征值，利用最小生成树并结合欧式最小距离对波形进行监督分类，采用加权算法来更新模板以此来避免波形
4、变异带来的影响，最后为解决同一产生的由于变异，提出基于将能量差和形态学两个参数相结合的方法来对提取到的模板进行合并，只是由于繁重的计算，该算法仅能够完成包含两个模板的叠加波形分解。图表面肌电信号的复杂特性哈尔滨理工人学工学硕士学位论文叠加波形；信号的活动段，然后他通过自适应共振理论神经网络对活动段进行聚类的波形进行检测，同时为了能够将所有波形都提取出来，首先对信号进行预处理，在高水平收缩时，很难提取出分量中的独立分量。等【】通过加权低通微分对信号做滤波处理，采用过零区域滤波算法消除距电极较远的运动单元所发放的波形，以使得所产生的信号满足独立分量分析算法的分析条件，然后通过特征矩阵联合近似对角化
5、对信号做了进一步的分析，最后则是通过复杂的交互算法完成信号的分解。等改进了系统，以使其能够适用于信号的分解，该改进系统将信号分解过程分为四步：用数字滤波器对信号进行预处哈尔滨理工大学丁学硕士学位论文聚类问题并采用无监督神经网络分解，取得较满意的叠加波形分类效果。魏代建了可以实现信号分解的人机交互系统。信号的分解成果最为成功，在临床上已经被广泛使用。而由于信号自身特性的限制，使得相应的分解研究发展较为缓慢，但由于信号的采集具有无创伤特性，可运用的场合更为广泛，信号的分解受到越来越多的研究人员的关注，已经成为当前新的研究热点。为了提高信号的分解准确率，信号的采集技术以及分解算法不断地被更新，以此来
6、提高的可分性。尽管如此，信号分解所获得的个数和准确率依然还有待于提高。 本文的主要研究内容为基于表面肌电信号的自动分解算法。按照分解肌电信号的一般步骤，利用数字信号处理技术及模式识别算法，对表面肌电信号的分解提出优化，并对提出的表面肌电信号分解理论进行了实验验证。同时，文章中所提出的信号分析方法，也适用于类似的非平稳信号的分析出来。本文主要在以下几个方面展开研究工作：信号进行分析，提取其中的活动段，并提取活动段的小波系数特征值，之后利用小波神经网络对其进行聚类分析，提取波形模板，实现表面肌电信号到波形模板的分解。哈尔滨理工大学工学硕士学位论文表面电极虽然能无创伤、快捷地获取肌肉的生物电信号，但
7、由于其自身体积及检测面积的限制，与针电极肌电信号相比，其所采集到的肌电信号本身的信噪比低 。影响表面肌电信号的质量的因素有很多，大致可分为以下几类：号造成不同的噪声干扰，仪器精度的提高也只能是降低对表面肌电信号的影响，而无法从根本上消除该类噪声。表面电极的设计也对信号的采集有着不小的影响，随着电极面积的增大，所采集的波形的峰值也会有所降低，而且波形宽度会有所增大，因而电极尺寸会对表面肌电信号中的波形分辨率产生影响。流信号可能会通过不同的方式被引入到测量电路中，从而对信号产生干扰。在采集表面肌电信号的过程中，因肌肉的活动使得表面电极与所接触的肌肤表皮产生位移造成的。另一方面是由于采集系统中，信号
8、传输线的意外移动而造成的，可通过改进信号采集方案来避免这部分噪声，也可以采用合适的低频滤波法直接将其去除，所以移动伪迹噪声对于采集表面肌电信号的工作影响不是很大。信号的采集哈尔滨理搜学硕学位论文 小波降噪法，猦，、和为分别为第、愀咂敌凳琣5层低频小波系数。哈尔滨理工大学工学硕士学位论文对于表面肌电信号而言，信号中的有用部分与噪声具有不同的时频特性，噪声一般表现为高频特性，而肌电信号通常则是低频信号，因此信号经过小波变换之后，噪声信号则主要集中在小波分解的高频区域。所以，通过选取合适的小波系数阈值，可以有效地去除高频部分的噪声信号，小波降噪法的一般分为以下三步：信号在各个分解层数的小波系数。量化
9、处理，去除小波系数高频段中的噪声部分。号即为降噪后的信号。小波基函数具有很好的紧支撑性以及正交性，其计算过程也相对简甦满足，。西哥帽函数，其在时域与频域有很好的局部化，并且满足：小波为单频率复正弦函数，它的数学表达式如下所示：缈 小波降噪的过程中，所涉及到的主要参数有分解尺度和阈值门限。其中分解尺度的选择对于降噪效果有着极大的影响。当所选择的分解尺度过小的时候，信号的降噪可能不彻底，从而导致信号还存在噪声干扰。当分解尺度过大的时候，信号中的部分细节信息可能导致被误删，甚至与导致信号的失真。因此，合理的分解尺度对于小波降噪来说尤为关键。式中，!苨，；【，一玎，厶一为噪声的，的比值，即，。均方根误
10、差是指信号降噪前后的均方误差，记为，计算表达式为：式中，为原始信号，；为降噪后的信号，行为信号的长度。平滑度也是本章小结琈，而所募肌纤维是肌肉组成的最基本单元，因此表面肌电信号模型是以单个肌纤维为基础进行分析。神经激励促使运动单元兴奋，使得该运动单元所能够支配的肌纤维激活，此时所被激活的肌纤维细胞膜附近的离子浓度产生改变，进而能够在细胞膜产生一次较为短暂的电位波动，在电极检测处表现为一个单纤维动哈尔滨理，搜叮簀：学位论文里，我们采用经典的运动单元募集发放方案，即以“大小原理”为基础为理论依据。运动单元的募集数目会随着神经激励以及肌肉收缩力的增大而逐渐提高，瓣悟瓣 砻娴缂獻瓣幡瓣藏目 针电极图表面肌电信号模型仿真流程神经激励胞膜内动作电位可由公式所表示。！籦：聊细胞膜内电流图哈尔滨理工人学工学硕士学位论文传递权函数 维总数，则可计算出各个所含的肌纤维个数。哈尔滨理工人学工学硕学位论文参数大小
