一种基于卷积盲源分离的高密度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CN109359619A(43)申请公布日2019.02.19(21)申请号201811281363.1(22)申请日2018.10.31(71)申请人浙江工业大学之江学院地址312000浙江省绍兴市柯桥区柯桥街道柯华路958号(72)发明人朱向军王洁冯志林应亚萍周云水(74)专利代理机构上海精晟知识产权代理有限公司31253代理人冯子玲(51)Int.Cl.G06K9/00(2006.01)A61B5/0488(2006.01)权利要求书2页说明书6页附图1页(54)发明名称一种基于卷积盲源分离的高密度表面肌电信号分解方法(57)摘要本发明公开了一种基于卷积盲源分离的高密度表面肌电信号分解方法，1）利用恒力输出下的高密度表面肌电信号，纠正不同电极间的时延，并进行时间对齐；然后采用迭代紧缩方法进行卷积盲源分离过程，提取运动单元信号源；2）重复卷积盲源分离过程，提取更多个运动单元信号源，直到重复迭代3次后仍未检测出新的运动单元信号源为止；3）对所有提取出的运动单元信号源的发放序列归类整理，剔除重复以及不合理的发放时刻向量，再次审核运动单元信号源；4）利用审核通过的运动单元信号源进行神经源性和肌源性疾病的辅助诊断、神经肌肉系统的正常、病理及疲劳过程的机理研究。本发明有效提高分解的准确性。CN109359619ACN109359619A权利要求书1/2页1.一种基于卷积盲源分离的高密度表面肌电信号分解方法，其特征在于：包括如下步骤：1)利用粘贴在人体皮肤上的表面电极栅格采集皮下肌肉电信号，即为恒力输出下的高密度表面肌电信号，纠正不同电极间的时延，并进行时间对齐；然后采用迭代紧缩方法进行卷积盲源分离过程，提取运动单元信号源；2)重复卷积盲源分离过程，提取更多个运动单元信号源，直到重复迭代3次后仍未检测出新的运动单元信号源为止；3)对所有提取出的运动单元信号源的发放序列归类整理，剔除重复以及不合理的发放时刻向量，再次审核运动单元信号源；4)利用审核通过的运动单元信号源进行神经源性和肌源性疾病的辅助诊断、神经肌肉系统的正常、病理及疲劳过程的机理研究。2.如权利要求1所述的一种基于卷积盲源分离的高密度表面肌电信号分解方法，其特征在于：所述的步骤1)中对高密度表面肌电信号做时延纠正和时间对齐的方法具体是：利用非线性能量算子对测量信号滤波，然后利用巴特利特窗函数与滤波结果卷积以去除由于噪声产生的虚假波峰，通过计算NEO滤波信号间的互相关性时延纠正，实现时间对齐。3.如权利要求1所述的一种基于卷积盲源分离的高密度表面肌电信号分解方法，其特征在于：所述的步骤1)中卷积盲源分离过程包括如下步骤：(1)利用峭度对比函数最大化算法提取出一个运动单元源信号；(2)对提取的运动单元源信号进行去噪处理，以保证在每个假定发放时刻的波形相似性；(3)利用自适应阈值化算法检测波峰，以波峰为中心识别出此运动单元对应的所有活动段，提取运动单元发放序列；(4)估算本次提取的运动单元源在各个电极产生的信号贡献，并将其从测量信号中减除，得到更新的测量信号。4.如权利要求3所述的一种基于卷积盲源分离的高密度表面肌电信号分解方法，其特征在于：所述的步骤(1)中，首先利用公式(5)和公式(6)迭代计算以最大化公式(4)给出的峭度对比函数，提取出一个运动单元信号源；所述的公式(4)为：所述的公式(5)为：y(p)(n)＝(b(p)*x)(n)；所述的公式(6)为:其中X为测量所得信号；y(n)为运动单元信号源的估计向量；p为迭代系数；kurt(y)为y(n)的峭度；μ(p)为步长，为梯度；b(k)为长度为K的有限冲击响应；J(b(k))为峭度对比函数。5.如权利要求2所述的一种基于卷积盲源分离的高密度表面肌电信号分解方法，其特征在于：所述的步骤(3)具体为：首先利用自适应阈值化算法检测波峰，其阈值选取为信号均方根的5倍，以波峰为中心识别出此运动单元对应的所有活动段，并设定时间窗宽度为10.5ms，记录所有活动段的时间、波形特征信息，利用欧氏距离计算所有活动段的相似度，2CN109359619A权利要求书2/2页并计算所有相似性较高的活动段的平均波形生成运动单元动作电位波形模板，保存此运动单元发放序列的相关数据。6.如权利要求2所述的一种基于卷积盲源分离的高密度表面肌电信号分解方法，其特征在于：所述的步骤3)中信号贡献方法为：利用线性最小二乘法，从所有测量信号中减除来自本次提取的运动单元源的贡献量，得到了(N-1)个源的紧缩矩阵；也就是说从降维矩阵中分离出剩余的(N-1)个信号源；具体方法为：从测量信号x(q-1)(n)中减去按公式(8)计算的来(q-1)自第(q-1)个源yq-1(n)的贡献z(n)，得到按公式