人体表面肌电信号单通道盲源分离法.pdf

(19)中华人民共和国国家知识产权局*CN102631195A*(12)发明专利申请(10)申请公布号CN102631195A(43)申请公布日2012.08.15(21)申请号201210114093.1(22)申请日2012.04.18(71)申请人太原科技大学地址030024山西省太原市万柏林区瓦流路66号(72)发明人郭一娜王清华黄书华卓东风李秋果(74)专利代理机构太原市科瑞达专利代理有限公司14101代理人王思俊(51)Int.Cl.A61B5/0488(2006.01)权利要求书权利要求书2页2页说明书说明书44页页附图附图33页(54)发明名称人体表面肌电信号单通道盲源分离法(57)摘要一种人体表面肌电信号单通道盲源分离法，属于电子信息技术领域，特征是采用多通道输入单通道输出的肌电信号预处理模块和单通道输入多通道输出的单通道盲源分离模块，实施步骤是把多路表面肌电信号在肌电信号预处理模块直接相加混合为单通道信号进行传输，最后在肌电信号单通道盲源分离模块在不影响后期模式识别效果条件下，简单、快捷、有效的恢复出源信号，实现多路输出口输出，以此来替代传统采用多接口和多通道、或者复用和解复用的多通道传输技术。本发明能够有效地减少传输通道数量，达到降低硬件复杂度，节约设备成本的目的。CN1026395ACN102631195A权利要求书1/2页1.一种人体表面肌电信号单通道盲源分离法，其特征是采用的模块包括有：多通道输入单通道输出的肌电信号预处理模块和单通道输入多通道输出的肌电信号单通道盲源分离模块，实施步骤是：A、将采集到多路肌电信号通过屏蔽导线送到肌电信号预处理模块直接相加，得到预处理单通道肌电信号；B、将预处理所得到的单通道肌电信号送到肌电信号盲源分离模块，进行总体经验模态分解（EnsembleEmpiricalModeDecomposition），即EEMD分解，主成份分析PCA降维和ICA分析，实现多路表面肌电信号通过一个输入口采集，多路输出口输出：B.1、总体经验模态分解EEMD处理得到本征模态函数IMFs：a、将预处理所得到的单通道肌电信号,多次加入具有均值为零、标准差为常数的白噪声,即为,其中为加入白噪声之后的信号，为第i次加入的白噪声，白噪声ni(t)的准则为，，，其中，表示加入的高斯白噪声标准差，表示肌电信号中有效高频成分的幅值标准差，表示肌电信号幅值标准差，为比例系数，通常情况下，=能有效避免肌电信号分解中的模式混淆；b、对所得到的信号进行经验模态分解EMD，得到各自的IMF记为,和余项，其中表示加入白噪声后分解得到的第个IMF；c、将步骤b所得到的IMF进行总体平均运算，得到IMFs为，其中，为对原信号进行EEMD分解后所得到的第个IMF，由此可以得到IMF分量矩阵,其中，为单通道肌电信号经EEMD分解后的IMF个数，上标T为转置运算；B.2、对得到IMF分量进行PCA降维：，其中A为经过EEMD分解后得到的IMF分量矩阵，R为m个变量IMFs的自相关矩阵，V为R的阶特征向量矩阵，其列向量是R的正交规一化的特征向量，为R的特征对角矩阵,，i=1,2,…,m为第i个对角线上的元素，构造m个T不相关的新变量，Y={y1,y2,…,ym},对（i=1,2,…,m）按降序排列后，取前面p个较大特征值所对应的特征向量，得到降维后阶向量矩阵B，其中；B.3、将PCA降维所得到矩阵B进行ICA处理，采用的是效果好且速度快的基本定点迭代算法FastICA进行ICA处理：a、白化数据，给出观测矩阵X，其中，A为信号的混合矩阵，为源信号；b、随机选取权向量作为解混矩阵W的权值，W为解混矩阵，即为混合矩阵A的虚拟反矩阵；2CN102631195A权利要求书2/2页c、令，其中非二次函数G的导数，，是常数，常取做1；d、循环迭代，直到收敛为止，最后得到阶向量矩阵，通过观察选取分离后肌电信号。3CN102631195A说明书1/4页人体表面肌电信号单通道盲源分离法技术领域[0001]本发明属于电子信息技术领域，具体涉及一种人体表面肌电信号单通道盲源分离法。背景技术[0002]人体表面肌电信号是神经肌肉系统进行随意性和非随意性活动时，生物电变化经表面电极引导而获得到的一维电压时间序列信号。肌电电极所采集到的表面肌电信号，幅值较低，易受到周围环境噪声干扰，盲源分离方法能够对于噪声的抑制具有较好的效果。在脱机的情况下，采用盲源分离方法处理人体前臂的表面肌电信号后，识别人的各种手势准确率高达99%。[0003]对于信号的多通道传输，大都采用多接口和连线，或者复用和解复用技术，这些方法缺点是采用设备复杂度较高，花费成本高。[0004]单通道盲源分离是盲源分离的一种极端的情况，即在未知信号混合的方式的情况下，凭借单通道信号恢复出多通道信