阵列式表面肌电信号的采集与噪声抑制综述报告.docx

阵列式表面肌电信号的采集与噪声抑制综述报告
引言：
肌电信号（Myoelectricsignal,MES）是人体肌肉活动所产生的电信号，可用于人机交互、生物力学分析、康复评估等多个方面，在医疗、运动科学、计算机工程等领域都有非常广泛的应用。阵列式表面肌电信号（Multi-channelsurfaceelectromyography,mEMG）是一种可同时采集多个肌肉阵列位置的MES信号的技术，其可以对多个肌肉活动进行高精度和实时的监测。
然而，采集阵列式表面肌电信号时会产生不同种类的噪声，如肌电噪声、交流电源波噪声、机器噪声等，这些噪声会干扰到测量信号的准确性，影响信号的分析和应用。因此，进行mEMG信号的噪声抑制，对于提高mEMG信号的质量和精确度是非常重要的。
本文将对阵列式表面肌电信号的采集和噪声抑制的技术进行综述，并对未来的研究进行展望。
一、阵列式表面肌电信号的采集
mEMG采集技术可以分为针电极和表面电极两类。针电极是通过将微型电极针插入肌肉组织来采集信号，但是该方法不适用于快速、非常小幅度的肌肉收缩。相比之下，表面电极具有无创、易操纵、安全等特点，已经成为mEMG信号的首选采集方法之一。
当前市场上常见的mEMG采集设备主要有两种类型：线性阵列式和面阵列式。线性阵列式设备将多个表面电极排列成一行，并沿肌肉纤维方向布置；面阵列式则将多个表面电极分布在一个平面内，并沿不同的方向铺设，遵循生物学上的肌肉纤维排列。
mEMG采集有多种算法可以用来实现，如滤波、高斯滤波和小波变换等。同时，还有一些特定的方法如脉冲阵列调制和瞬时频率提取技术等。这些方法可以用来削弱噪声，增强信号，使得最后采集的mEMG信号更加可靠和准确。
二、阵列式表面肌电信号的噪声抑制
采集到的mEMG信号通常会受到各种噪声的干扰，例如肌电噪声、运动噪声和仪器噪声等。其中，肌电噪声是在肌肉收缩过程中发生的，其主要由微小振动、电源污染和周围肌肉噪声等因素引起。运动噪声是由于肌肉运动过程中导致皮肤的运动和摩擦所产生的。仪器噪声则是由于采集设备和传输介质的抗干扰能力不足，以及电源和地线共模干扰等因素引起的。
为了削弱mEMG信号中的噪声干扰，研究人员提出了许多不同的方法，下面我们将对其进行说明：
1.滤波法
滤波法是一种常用的信号处理方法，可以用于mEMG信号的噪声抑制。具体来说，滤波器将带噪信号通过滤波器滤出信噪比高的信号，在不影响信号频谱信息的前提下削弱噪声的影响。常用的滤波器有低通滤波器、高通滤波器和带通滤波器等，具体使用哪种滤波器需要根据信号特点来进行选择。
2.小波变换法
小波变换法是对信号进行多次不同的连续或离散变换，并保留其低频、高频分量的一种处理方法。对于mEMG信号，小波变换可以保留信号中的高频成分和时间信息，同时降低噪声对信号的影响。
3.非局部均值去噪法
非局部均值去噪法是一种基于偏差估计的去噪方法，可以消除图像和信号中的高斯噪声。对于mEMG信号，该方法可以通过选择合适的训练样本来实现有效的噪声抑制。
4.自适应滤波法
自适应滤波法是一种滤波器系数自适应调整的滤波方法。该方法可以在保证信号频谱信息不变的同时提高噪声削弱的效果。目前，自适应滤波在mEMG信号处理中得到了广泛的研究和应用。
5.整合算法
基于不同噪声抑制方法的方法还不够有效，因此提出了整合算法。整合算法一般包括数据融合和模型融合两种方式。通过整合算法中不同的技术可以得到更好的噪声抑制效果。
结论
本文综述了阵列式表面肌肉电信号采集与噪声抑制技术，其中，mEMG是当前较为常用的表面肌电信号采集技术之一。然而在mEMG采集过程中，信号往往会受到多种噪声的干扰。因此，为了削弱噪声的影响，本文总结了几种常见的噪声抑制算法，如滤波法、小波变换法、非局部均值去噪法、自适应滤波法和整合算法。这些算法可用于将获得的mEMG信号准确，可靠地传递给后续分析的设备，可在此基础上开展更为深入而有效的研究和实践。