一种静态表面肌电信号分解方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114358067A(43)申请公布日2022.04.15(21)申请号202111600201.1(22)申请日2021.12.24(71)申请人杭州电子科技大学地址310018浙江省杭州市钱塘新区白杨街道2号大街1158号(72)发明人郑赟马玉良汪婷席旭刚(51)Int.Cl.G06K9/00(2022.01)权利要求书2页说明书4页附图3页(54)发明名称一种静态表面肌电信号分解方法(57)摘要本发明公开了一种静态表面肌电信号(sEMG)分解方法。针对传统的基于盲源分离的sEMG分解方法无法提取小运动单元(MU)的问题，本发明采用多种策略结合的方式分解MU。本发明首先采用肌电采集设备采集受试者肱二头肌的电信号，进行预处理以及信道扩展；再通过循环CKC来准确分解大MU，并将改进的循环CKC方法与严格的迭代策略(Post‑Processor)和"剥离"策略相结合分解小MU。本发明与以往的方法相比大大提高了MU的分解产量，分解精度，并且在高噪声的环境下也能取得很好的分解结果，具有很强的鲁棒性。CN114358067ACN114358067A权利要求书1/2页1.一种静态表面肌电信号分解方法，其特征在于，包括以下步骤：步骤1.使用设备采集静态表面肌电信号；步骤2.对信号进行预处理；步骤3.对预处理好后的信号进行循环CKC分解，得到初步的MU的放电序列，并且根据指标将MU的放电序列分为好序列以及差序列；步骤4.对好序列使用尖峰检测，对坏序列使用Post‑Processor得到尖峰序列；步骤5.利用峰值触发平均技术估计MUAP波形，并且从静态表面肌电信号中删除；步骤6.重复步骤1‑5，直到没有新的MU生成。2.根据权利要求1所述的一种静态表面肌电信号分解方法，其特征在于，所述的步骤3具体包括以下子步骤:子步骤3‑1，计算静态表面肌电信号的协方差矩阵及其逆矩阵其中是预处理好的静态表面肌电信号，E()代表期望，T代表转置运算，‑1代表逆运算；子步骤3‑2，计算γ(n)，得到γ(n)中的最大值对应的时刻n0：再通过n0计算第j个MU放电序列子步骤3‑3，得到放电序列中前2个最大值对应的时刻加入Ψj，根据以下公式更新MU放电序列其中card(Ψj)代表Ψj中的元素个数；重复直到card(Ψj)＝r1；子步骤3‑4，将Ψj置空，通过得到其中的前2个最大值对应的时刻加入Ψj，并且去除邻近的时刻，重复此步骤直到card(Ψj)＝r2，得到MU初始放电序列；子步骤3‑5，计算每一个MU放电序列的指标，包括：PNR，COV:其中，diff()表示对集合内元素做差分运算，std()代表标准差运算，mean()代表均值计算；子步骤3‑6，通过PNR和COV指标将MU放电序列分为好序列和差序列。2CN114358067A权利要求书2/2页3.根据权利要求1所述的一种静态表面肌电信号分解方法，其特征在于，所述的步骤4具体包括以下子步骤:子步骤4‑1，删除每一个坏序列的时刻集合Ψj中，与好序列重合时刻大于30％的部分；子步骤4‑2，保留那些删除时刻后的Ψj元素个数超过原来40％的坏序列，并且根据保留结果重新计算每个坏序列子步骤4‑3，对于每个MU，通过得到其中的前2个最大值对应的时刻加入Ψj，去除邻近的时刻以及与好序列的重合时刻大于30％的部分；重复此步骤直到card(Ψj)＝r3，得到小MU放电序列。4.根据权利要求1所述的一种静态表面肌电信号分解方法，其特征在于，所述的步骤5具体包括以下子步骤:子步骤5‑1.利用峰值触发平均技术估计MUAP波形：其中MUAPj是第j个MU在放电时刻±20个时刻内的波形；子步骤5‑2.从静态表面肌电信号中中，对于Ψj中的每个时刻±20个时刻删除MUAPj。3CN114358067A说明书1/4页一种静态表面肌电信号分解方法技术领域[0001]本发明涉及静态表面肌电信号分解方法，具体是一种通过分解静态表面肌电信号得到肌肉神经元放电信息的方法。背景技术[0002]在过去的几十年里，表面肌电图(sEMG)由于其非侵入性、运动单元(MU)的高产量和对肌肉力高收缩水平的应用而受到广泛关注。通过sEMG信号采集和处理方面的重大进展，这项技术在了解神经肌肉系统的神经生理学以及运动神经疾病和神经肌肉疾病的诊断方面发挥了关键作用。sEMG信号是活跃的运动单元动作电位(MUAPs)的总和。sEMG分解是一种能够将sEMG信号分解为各个MUAPs的技术，对于MU放电信息和MUAP波形的研究是必不可少的。[0003]研究人员已经做出了巨大的努力，并提出了各种分解算法。以前，模式识别是最常采用的sEMG信号分解技术之一。通过结合小波变换和ART网络分类，Gazzoni等人在