基于多通道時(shí)空信息的表面肌電信號(hào)分解.pdf

1、肌電信號(hào)(Electromyography signal，EMGs)是運(yùn)動(dòng)神經(jīng)元興奮產(chǎn)生的運(yùn)動(dòng)單位動(dòng)作電位序列(Motor Unit Action Potential Train，MUAPT)在檢測(cè)電極處的時(shí)空疊加形成的混合信號(hào)，其中包含了運(yùn)動(dòng)神經(jīng)元的募集和發(fā)放以及肌纖維的傳導(dǎo)等信息。肌電信號(hào)分解是肌電形成的逆過(guò)程，通過(guò)分解得到運(yùn)動(dòng)單位(Motor Unit，MU)的募集和發(fā)放信息，對(duì)于神經(jīng)肌肉控制機(jī)理的研究以及臨床診斷有重要的研究意義

2、，并且在康復(fù)治療，人機(jī)交互等方面有著重要的應(yīng)用價(jià)值。
　　 表面肌電信號(hào)的采集相比于插入式肌電信號(hào)具有無(wú)創(chuàng)的優(yōu)點(diǎn)，使用范圍更廣，更加方便，能夠采集多種肌肉的肌電信號(hào)。其不足之處在于信號(hào)質(zhì)量較差，信噪比較低，疊加波形較多，給分解帶來(lái)了困難。很多研究者將插入式肌電信號(hào)的分解方法做一些修改應(yīng)用到表面肌電信號(hào)的分解研究中，但是都不能達(dá)到插入式肌電信號(hào)的分解效果。
　　 本文重點(diǎn)討論了疊加波形的時(shí)頻域分解方法以及基于多通道信息的表

3、面肌電信號(hào)分解算法，主要的研究工作和成果如下：
　　 1）針對(duì)表面肌電信號(hào)疊加波形較多這一特點(diǎn)，重點(diǎn)研究了基于時(shí)頻分布的疊加波形分解算法。分析了時(shí)頻分布對(duì)疊加分解的作用，根據(jù)疊加波形與其組成成分的互時(shí)頻分布應(yīng)當(dāng)與該組成成分的時(shí)頻分布相類似這一基本思想，研究了在多種疊加情況下，時(shí)頻分布對(duì)疊加分解的有效性。實(shí)驗(yàn)表明相比于一般的匹配方法，基于時(shí)頻分布的方法對(duì)于疊加波形的分解更加有效。
　　 2）為了提高M(jìn)UAP的檢測(cè)和識(shí)別率，

4、提出了一種基于多通道時(shí)空信息的表面肌電信號(hào)分解方法。通過(guò)仿真實(shí)驗(yàn)對(duì)比了單通道肌電分解和多通道肌電分解的分解結(jié)果。實(shí)驗(yàn)表明，利用多通道信息的分解算法能夠提高M(jìn)U的檢測(cè)率，特別是提高小幅值MUAP的檢出和識(shí)別效果，另外，對(duì)于相似的MUAP也能夠通過(guò)多通道的信息進(jìn)行識(shí)別校正，從而提高識(shí)別準(zhǔn)確率。在此研究基礎(chǔ)上對(duì)采集的真實(shí)表面肌電信號(hào)也進(jìn)行了分解，同樣得到比較好的分解結(jié)果。
　　 3）為了方便分解操作，搭建了一個(gè)基于MATLAB平臺(tái)的分