欢迎来到天天文库
浏览记录
ID:36763488
大小:7.25 MB
页数:56页
时间:2019-05-14
《基于经验模态分解的HHT变换在肌电信号处理中的应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
中国科学技术大学硕士论文摘要摘要表面肌电信号(SEMG)是由多个运动单位兴奋而发放出来的运动单位动作电位序列沿肌纤维传播并经由皮肤,脂肪等容积导体滤波后再表面检测电极处的时间与空间叠加的结果。SEMG的研究不仅具有神经肌肉系统基础研究的理论意义,也具有临床诊断及治疗的应用价值。基于EMD(经验模态分解)的Hilbert.Huang变换(HHT)方法是最新发展起来的处理非线性,非平稳信号的时频分析方法。该方法的核心问题是采用筛选过程来产生IMF分量,分解得到的IMF分量具有完备性与正交性,通过这样的筛选过程,复杂的数据就分解成多个具有一定物理意义的单分量信号的叠加。EMD方法将信号分解为IMF的组合后,就可以通过对每个IMF分量求瞬时频率,从而可以了解该信号内部的频率信息。EMD方法根据信号本身的特征尺度进行分解,具有自适应性的优点,且不需要任何基函数。这种方法已经在不少领域得到了应用,本文尝试将其应用于SEMG信号的分析中,并获得了一些有价值的结果。本文的主要工作和研究成果有:1.对HHT方法中存在的“端点效应"问题进行了一些初步的探讨。采用“镜像延拓’’法计算瞬时频率,减小了由于数据截断引起的端点振荡失真,并从理论上对该方法进行了阐述和解释。另外,对单频信号完全克服“端点效应”影响的一个充分条件进行了理论推导和实验论证。2.利用HHT的滤波特性,对SEMG信号进行预处理。针对常规HHT滤波器的不足,提出了一种基于SEMG信号频带分布特性的HHT滤波改进方法。采用HHT变换,可以获得各内禀模态函数(IMF)的瞬时频率变化特性。再根据SEMG信号频带分布的先验知识,设计了一种幅值.频率抑制函数,利用抑制函数对各IMF分量瞬时频率对应的幅值进行修正,从而抑制各分量可能包含的噪声。通过这样的处理后,再将每个修正的IMF分量叠加,得到去噪后的SEMG信号。对于常规的HHT滤波器,一般是直接采用中间若干IMF分量的叠加得到去噪后的信号,但究竟取多少分量,只能凭经验和实验结果试探取舍;而且每个IMF分量可能未必单纯是噪声分量或是信号分量,而可能在不同的时间区间分别属于噪声分量或者信号分量。在这样的情形下,简单对IMF分量取舍不能完全去除噪声信号,或者会将有用信号当成噪声进行消除。本文的方法,可以在一定程度上克服这些不足。3.提出了基于HHT变换的对SEMG信号中MUAP数目估计的方法。根据MUAP的脉冲特性,在其出现时的时域波形变化很快,对应的瞬时频率较高的 中国科学技术大学硕士论文Abs仃actABSTRACTTIlesurf.aceEMG(SEMG)signalist11espatialandternporalsummationofthemotorunitactionpotentials(MUAP)generatedbythefiberSoftheexcitedmotorumtsattheneuromuscularjunction,p薹藿薹耋薹篓l翼薹i霉霪萋戳|蓁秀霎i囊琴茎霎;褂妻霪;;耋附爹叁菱V妻篓童冀婆i誊i;酐骂’』蓁;囊≤l萼壹雪冀!一璧妄馨萋鬟譬辇蒸翼茎耋百耋÷io遣!薹蠢i童垒蓄!冀耋萼曩氅基i!了蓁篓|奏霎爹謇耄辇j逵萎蓁霉耋囊醐茎耋l羹ilI羹li薹鐾!i置i童誉翥}i薹篓i霪l薹!蠹霎琶霪鬟妻誉毒&茎{萋莲蕊篓耄囊妻영"x 中国科学技术大学硕士论文Abstractcansolveittosomeextent.3.AnewmethodbaSedonHH’I’t0estlmatetllenumberofSEMGisproposed.WhenMUAPappears,itlookslikeapulse,anditchaJlgesquickly.So,the矗equencyatthattimeisveryhi曲.SomeSEMGsignalcanbedecomposedintoIMFsusingEMDmethodandthentheHilbertspectmmoftheSEMGsignalcanbecalculated.Wecanusethetime-行equencyrelationintheHilbertspectmmt0knowwhenMUAP印pears,a11dt11engettheeStimation.Ast11elocalextremumrenectsthehi曲-frequencypanofmesignal,soacn腧llywejustneedtofindthelocalextremumofthefirstIMF,oneextrem啪con.espondingtoonefiringMUAPintheSEMGsignal.So,justcountthen啪berofthelocalextremumofthefirstIMF’sinstantaneous行equencycuⅣe,tlleeStimationofn眦beroftheMUAPisgot.ThesimulatedSEMGsignalexperimemresultsandtherealSEMGsignalexperimemresultsal】demonstratethatthismethodisefI.ective.KeyWords:SurfaceElectromyography(SEMG),EmpiricalModeDecomposition(EMD),Hilbert—H啪gt啪sfom(HHT),endeffectIV 中国科学技术大学学位论文原创性和授权使用声明本人声明所呈交的学位论文,是本人在导师指导下进行研究工作所取得的成果。除己特别加以标注和致谢的地方外,论文中不包含任何他人已经发表或撰写过的研究成果。与我一同工作的同志对本研究所做的贡献均已在论文中作了明确的说明。本人授权中国科学技术大学拥有学位论文的部分使用权,即:学校有权按有关规定向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅,可以将学位论文编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。保密的学位论文在解密后也遵守此规定。 中国科学技术大学硕士论文第1章绪论肌电信号(elec仃Dmyo伊aplly,EMG)是人体活动引起的肌肉兴奋或活动而形成的复杂生物电过程。肌肉组织自身的生物化学过程,肌肉组织具体的收缩过程以及与肌肉组织相关神经肌肉控制系统与肌电信号的形成存在着较为复杂的联系fl】【21o1.1神经肌肉控制系统当人体需要进行某种活动时,一方面通过大脑将运动指令传输至中枢神经系统,并利用运动神经元来控制肌肉组织,以获得所需的活动效果;另一方面该肌肉活动也受到过程中神经肌肉系统获得的外来信息的影响,并不断调整该肌肉活动的执行过程【13】。人体骨骼肌主要由两种运动神经元控制,即y运动神经元和口运动神经元。骨骼肌中口运动神经元和它所支配的所有肌纤维构成一个运动单位(MotorUIlit,MU),包含运动神经元、轴突、神经肌肉接头(终板区)和肌纤维这四个主要部分。从控制功能上看,运动单位是神经肌肉系统中的最小功能单元。图1.1即为其生理结构示意【141【151。图1.1运动单位结构示意【15】运动神经元通过神经肌肉接头(NeuromuScularjunctio玛NMJ)与肌纤维紧密连接,通常情况下,一条肌纤维只有一个神经肌肉接头且一般位于肌纤维的中间位置。神经肌肉接头的结构中主要包括突触前膜、突触间隙和突触后膜三个部分【1】。终板区(endpla.ceregion)则指的是神经末梢附近的一个较大区域,由神经末梢众多分支的终板构成【2】。在神经肌肉控制系统中,运动单位占据着极其重要的位置,正如前面所述,运动单位中神经元连接并控制所支配的肌纤维,而肌纤维正是肌肉最重要 中国科学技术大学硕士论文第l章绪论列(MotorUIlitActionPotemi2Ll1’raill,MUAPD。1.3肌电信号的研究现状肌电(EMG)信号是由多个运动单位(MU)兴奋产生的动作电位序列(MUAPT)在检测电极处时间空间叠加的结果,是与肌肉收缩紧密相关的神经肌肉活动电特性的表现。对EMG信号的研究有着广泛的应用背景,可应用于神经肌肉系统的基础研究,临床疾病诊断,康复工程,运动医学,工效学等领域。为了获得神经肌肉的生理和临床信息,有必要对肌电信号进行定性定量分析。对肌电信号的研究已经取得了一定的进展。对于EMG信号分析,处理方法主要包括运动单位动作电位(MUAP)参数分析和干扰型EMG信号分析。早期关于Ⅶ7AP参数分析【1。7】涉及的参数有MUAP的峰.峰值,相数,时程,波形面积以及面积幅值比等,进一步的工作主要采用主分量法【l8】消除冗余信息以减少肌电数据的维数。对干扰型EMG信号的分析【19】【20】,有时域法,涉及整流幅值平均值,均方根值,过零点数,和转折点数等参数;有基于傅立叶变换的频域法,涉及的参数有中值频率,平均频率等。为了适应肌电信号本质上是一种非平稳,非线性信号的特征,最近一些年来,一些先进的信号处理技术被应用到EMG信号分析中,如时频分析【211,非线性动力学方法包括分形分析【22】∞1,复杂度分析【241,递归量化分析【25】等。1.4本文的研究内容鉴于对表面肌电信号研究有着重要的理论价值与应用价值,本文欲采用基于经验模态分解(EmpiricalModeDecompos“ion,EMD)的Hilben-Huang变换(Hilbert.H啪gTraIlsf0姗,HHT)方法应用与表面肌电信号的研究。基于EMD的删T方法是最新发展起来的处理非线性,非平稳信号的时频分析方法。它利用信号本身的尺度特征对信号进行分解,因而能自适应地分析出信号的特征,具有良好的局部适应性,故本文试图采用该方法的这些特性,来达到解决SEMG信号分析中的一些问题的目的。本文主要的研究工作包括以下三方面的内容:1.探讨HHT方法在表面肌电信号处理中应用的可行性。在充分学习理解HHT方法的理论和方法的基础上,对应用中可能存在的问题进行了改进。2.将HHT方法应用于表面肌电信号的预处理中。利用HHT的滤波特性,研究这种方法对表面肌电信号滤波的效果。3.将HHT方法应用于对表面肌电信号的MUAP数目估计,利用这种方法提取神经肌肉系统的控制信息。 中国科学技术大学硕士论文第2章Hilben-Huang变换方法第2章Hilbert.Huang变换方法2.1概述传统的信号分析方法都是基于傅立叶变换的,如傅立叶分析,小波分析等。傅立叶分析的分解基是一系列固定的调谐函数,获得的频谱幅值分别代表着信号整体在该频率处的能量大小,不能反映频率和幅值随时间的变化情况,所以说传统的傅立叶变换方法只适用于分析线性平稳信号。后来发展起来的短时傅立叶变换虽然可以对非平稳信号实现时频分析,但是它的时频窗口大小是固定的,因此,它仍然是一种只适用与平稳信号的分析方法。小波分析方法虽然具有多分辨特性,但其基函数需要预先指定,故无法实现自适应的滤波。基于经验模态分解的Hilbert.H啪g变换方法就是为了分析非平稳信号而提出的。该方法是HuaIlg【1『7】等人于上世纪末首次提出的一种新的信号分析理论。它可以根据信号的局部时变特征进行自适应的分解,克服了传统方法中用无意义的谐波分量来表示非平稳,非线性信号的缺点,具有良好的时频聚集性,所以HHT方法适合于对非平稳信号的分析。它的主要创新是提出了内禀模态函数(hnrinsicmode缸lction,IMF)和经验模态分解(empiricalmodedecomposition,EMD)。信号通过经验模态分解,可以将其分解为有限数目的IMF分量与一个趋势项(或者是平均项)的和。接着对每个IMF分量进行Hilb瞰变换求得其解析信号,进而可以获得该IMF分量的瞬时频率,从而得到信号频率随着时间变化的情况。信号最终被表示为时频平面上的能量分布,称为Hilben谱,它反映了信号随着时间变化的频率分布情况;根据Hilbert谱,还可以得到边际谱,边际谱类似于傅立叶谱,它反映了信号整体的频带分布情形。HHT是一种新型的具有自适应的时频分析方法,本文尝试该方法应用于SEMG信号的处理中,充分利用该方法处理非平稳信号的优越性,解决SEMG信号处理中的部分问题。2.2HHT方法中涉及的一些基本概念2.2.1解析信号如果复信号z(r)的频域表达Z(f)与原信号x(f)的频域表达X(f)之间可以满足下面的关系【5】:12x(厂),/>0z(厂)={x(厂),厂=o(2.1)Io,厂毗(3.5)式中,Z表示IMF分量t时刻的瞬时频率;彳U)表示t时刻根据瞬时频率所得的幅度抑制函数值。可以验证,该函数符合我们上述的要求。其直观图形如图3.1所示。 中国科学技术大学硕士论文第3章HHT的滤波特性及其在SEMG信号滤波中的应用图3.1抑制函数波形根据上面的思想,可以得到该滤波方法的流程图如图3.2所示。图3.2基于SEMG频带特性的肌T滤波流程图如图3.2所示,基于SEMG频带分布特性的HHT滤波器先对信号进行EMD分解,将信号分解为IMF分量的叠加,对每个IMF分量计算其瞬时频率,然后利用抑制函数,根据每个IMF分量的瞬时频率信息对每个IMF分量逐个进行滤波,最后将每个处理过的IMF分量进行叠加,即得滤波后的SEMG信号。还可以从另外一个角度来看该滤波器。事实上,该方法是一个自适应的取舍IMF分量的滤波方法,包括自动取舍一个IMF分量的某些部分。对每个蹦F分量的取舍不是人为来决定,而是由设计的“抑制函数’’来确定。比如最后分解出来的一个IMF分量,该分量的频率非常低,可以认为该IMF分量的瞬时频率都是低于20Hz的,则这个时候,该IMF分量会自动被“抑制函数”置零,也即是24 中国科学技术大学硕士论文第3章HHT的滤波特性及其在sEMG信号滤波中的应用滤除该IMF分量;比如第一个分解出来的IMF分量,该分量的高频噪声很多,甚至可能该IMF分量的整个时段内的瞬时频率都是远远高于400Hz的,则通过“抑制函数”对其抑制后,其幅值也已经几乎为零,也相当于滤除了该IMF分量。中间的IMF分量,则是通过“抑制函数”,对其某些时段进行取舍或抑制,对处于SEMG信号频带中的IMF分量能量保持,而对不处于该频带的,则能量直接置零,而对处于交叉带的,则对IMF分量的能量做一定程度的抑制。利用该方法对每个IMF分量滤波后,则整体上提高了滤波后信号的信噪比。该方法虽然是针对SEMG信号去除高频噪声提出来的,但是同样也适用于其他类型的信号去噪,方法可平移过去。3.3实验结果3.3.1常规的HHT滤波器实验3.3.1.1验证实验以一含有高斯白噪声(均值为O,方差为O.01),频率为10Hz,采样率为1000Hz的正弦信号为例来说明常规的HHT滤波器在处理某些信号时的有效性。对该信号加噪后的时域波形如图3.3所示。可以看到,该正弦信号由于引入了噪声,使得在原本光滑的曲线上引入了很多的毛刺,这与物理世界中的不少信号是非常相似的。以下利用常规的HHT滤波器来对该信号进行滤波处理。图3.3加噪后的信号时域波形对图3.3所示信号用该滤波器进行滤波处理,目的是滤除信号中的高斯噪声,得到正弦信号。 中国科学技术大学硕士论文第3章HHT的滤波特性及其在SEMG信号滤波中的应用占岳吾呈口S靠董兽图34含噪信号对应的HHT谱图3.4是未经滤波前的信号所对应的如{T谱图。可以看出,其中有一条非常接近10Hz(归一化频率接近0.01,因为采样率为1000Hz)的谱线,因此可以得知,该内禀模态分量大部分是由原来的正弦信号而得到的,也就是说,该层分解的特征尺度正对应原来正弦信号的极值尺度特性,所以将有用信号分离到了该IMF分量中;其余模态分量对应的时频谱线,而且严重偏离lOHz,说明这些IⅧ分量对应着噪声。因此,根据传统的|妇jT的滤波器滤波的思想,我们可以去除那些瞬时频率严重偏离有用信号瞬时频率的IMF分量,而保留那些瞬时频率接近有用信号的蹦F分量。这样就达到了对信号进行滤波的效果。图3.5滤波后的信号与纯净信号的对比图3.5所示的是滤波后的信号与真实信号的比较图,其中红色实线曲线为不含噪声的正弦信号,蓝色虚线曲线为经过常规HHT带通滤波后的信号。可以看到,信号中的噪声基本已被去除,得到了比较接近真实的信号。26 中国科学技术大学硕士论文第3章HHT的滤波特性及其在SEMG信号滤波中的应用5D4540353口芏25201510S0..^一.^^^^.^厂\一n^nn^^^n。一^.^^nn.,、n一^一^肿VV。⋯VV7VVV。V¨V”Vu。V~VVVV”V、,”V矿Vu。!一图36去噪后信号的瞬时频率与纯净信号瞬时频率的对比图3.6是经过滤波后信号所对应的瞬时频率曲线。其中,红色线条是理想信号(10Hz的正弦波)的频率,蓝色曲线是经过HHT带通滤波后信号的瞬时频率图。可以看出,其瞬时频率十分接近理想信号的瞬时频率,达到了很好的滤波效果。在该例中,正弦信号与噪声信号被分离到不同的瓜伍分量中去,不存在信号与噪声在同一个IMF分量中混叠的情况。在这种情形下,留下信号所对应的MF分量,去除噪声所分离出的IMF分量,就可以达到滤波的效果。3.3.1.2去除SEMG信号“抖动”噪声实验下面考虑将常规HHT滤波器应用于表面肌电信号中的预处理中,用来去除信号采集时引入的“抖动”噪声。从表面肌电信号形成的机理来看,可以认为它是由多个运动单位激活时产生的运动单位动作电位序列(MUAPT)沿肌纤维方向传播并经由脂肪、皮肤构成的容积导体滤波后在皮肤表面检测电极处的时间和空间上综合叠加的结果,近似满足Hilbert谱分析假设信号是由一系列不同的固有抖动模式组成的条件。通过Ag—Agcl双极性电极来采集真实SEMG信号,使用PRE—EVG/EMG肌电放大通道和凌华pci.9118采集卡,采样率为2kHz,受试部位为健康男性前臂肱桡肌。1O.50L_0.5.1.0123图3.7~段包含“抖动”噪声的一段SEMG信号 中国科学技术大学硕士论文第3章HHT的滤波特性及其在sEMG信号滤波中的应用图3.7是在肌肉收缩力为10%MvC时采集的一段真实SEMG信号,从图中可以看出该段信号在采集过程中存在“抖动’’现象,消除这些“抖动"信号可以有效地帮助对有用信号的深入研究。“抖动"信号的频率比较低,而SEMG信号的主要频带为[50,500]Hz,所以可以认为该“抖动’’分量与SEMG分量不会分解到同一个模态中去,故也可以采用传统的HHT滤波器直接去除其中的某些低频分量,而达到去除“抖动"噪声的效果。由于经验模态分解将信号分解不同尺度上,从第一个IMF分量开始,各个IMF分量的频率是逐渐降低的,分解得到的最后一个分量表示信号的均值或趋势项,那么我们可将最后几个分量有选择地图3.8SEMG信号中包含的“抖动”噪声图3.8为经过EMD分解后提取出的信号“抖动"分量,对应于后分解出的IMF分量叠加,也即是信号中的低频部分。图3.9去除“抖动”噪声的SEMG信号图3.9为利用常规}玎{T滤波器消除“抖动"噪声后的SEMG信号,可见常规的HHT滤波器达到了去除低频“抖动"噪声的目的。3.3.2基于SEMG频带分布特性的HHT滤波实验下面利用基于SEMG频带分布特性的HHT滤波器对一段真实表面肌电信号进行滤波。该信号未经滤波前的时域波形如图3.10所示,经过常规的HHT滤波器后的信号如图3.11所示,经过结合SEMG频带分布特征的HHT滤波器滤波后的波形如图3.12所示。 中国科学技术大学硕士论文第3章肌T的滤波特性及其在SEMG信号滤波中的应用t,摹图3.10滤波前的sEMG信号常规HHT{l基波的f害哥图3.11传统HHT滤波器滤波后的SEMG信号结合sEMG频带半手‘陛的HHT韶器波后台寸f言号t,拿图3.12基于SEMG频带分布特性的删T滤波器滤波后的sEMG信号比较图3.10,图3.11与图3.12,可以发现,在两种滤波方法下,信号中的高频锯齿状的噪声都得到了有效的抑制。但是仔细比较可以发现,图3.12比图3.1l去除了更多的高频噪声。利用传统的HHT滤波器的滤波结果是通过人工选择的最理想的情况,对于本节所处理的信号,高频部分去掉2个IMF分量,低频部分去除3个m伍分量。通过实验可以发现,如果再多去除一个分量,则波形会出现明显的失真。即意味着,采用传统的HHT滤波器对SEMG信号进行滤∞写善辱口笛i量。。罢;暮∈∞々∞N嚣重。c 中国科学技术大学硕士论文第3章HHT的滤波特性及其在SEMG信号滤波中的应用波不能完全滤除掉信号中的高频噪声,这是因为,高频噪声可能跟信号分解到同一个IMF分量中,如果去除该分量,则信号会丢失有用信息,甚至造成严重失真。这就是传统HHT滤波器的缺陷所在。基于SEMG信号频带分布特征的HHT滤波器则克服了这个缺陷,而且,常规的HHT滤波器必须人工判断取舍IMF分量,改进的HHT滤波方法则通过抑制函数自动判断,所以基于SEMG频带分布特性的HHT滤波器滤波的效果较传统的HHT滤波器不但取得了较常规滤波器更好的效果,而且实现了自动判断对IMF的取舍,无需人工干预。由此可知,该方法结合了SEMG信号的频带分布的先验信息,改进了简单的对IMF分量进行取舍的滤波方法,对信号与噪声出现在同一MF分量中,不可以简单对该IMF分量取舍的情况下的信号去噪比传统的方法取得了更好的效果。 中国科学技术大学硕士论文第4章SEMG信号中的MUAP数目估计第4章SEMG信号中的MUAP数目估计4.1MuAP数目估计的研究现状对EMG进行信号分解是EMG信号分析的重要手段之一,它是将EMG信号还原为构成它的MUAP序列的求逆过程,从分解结果可以获得MUAP的波形信息和MU的募集与发放信息。过去所做的大部分工作都是针对针电极信号,且真正应用于临床实际的只是在较低肌肉收缩力水平上的分解结果。针电极EMG信号应用中存在的最大缺陷是它是一种有创检测,且需要医务人员的参与,如果从研究神经肌肉控制特性的角度考虑,利用它只能获得小部分肌肉活动的信息。表面肌电信号信号的突出优点是检测的无创性,使用方便,能够检测肌肉较大区域内的肌电活动信息。但是由于SEMG信号自身的特点,对它的分解要比针电极EMG信号困难得多。目前对SEMG信号的分解仍处于研究的初级阶段。2004年,美国西北大学生物医学工程系ZhouP.和脚nerWZ提出了一种分析SEMG信号的新思路口6】【271,他们采用不同的处理方法从SEMG信号中估计出运动单位动作电位数目(或称运动单位总发放率),作为表征神经肌肉控制特性的一种组合信息。这个工作的意义在于:当采用现有的EMG信号分析方法提取额信号中所包含的关键信息受到限制时,提出了一种新概念,用于表达这个新概念的新参数(MUAP数目)与神经肌肉的控制特性直接相关,从而为神经肌肉控制的理论研究和神经肌肉疾病的诊断研究开辟了新的路径。另外,这个新参数也与肌肉输出力直接相关,因为肌肉输出力调节的生理机制是MU募集和发放交互作用的综合结果,采用这个新参数可以为研究肌肉输出力与EMG信号的关系提供新的思路,这也是EMG信号分析中有待研究的重要课题。MUAP数目估计与SEMG分解技术不同,主要表现在两个方面:SEMG分解是把MLJAP分类为他们所属的MU,而MUAP的数目估计没有这方面的要求;SEMG分解不要求处理所有激活的MU,大多数情况下,研究者仅考虑处理一些有限的,浅表MU产生的高幅值,尖锐MUAP,而MuAP数目估计对大小MU同等看待,其产生的MUAP都必须尽可能地进行计数。对MUAP数目估计的研究由于研究时间较短,目前还不够成熟,离实际应用尚有相当的距离。当前需要解决的问题主要有以下几个方面:(1)采用一般的信号处理方法不太适应估计较高肌肉收缩力水平时的MU心数目。已用的MUAP数目估计的方法有模板匹配法【26】和峰值计数法【2引,但研究结果表明,这些方法均只能在较低的肌肉收缩力水平下才有效,对于较高收缩力,通过以上方法估计产生的误差较大,不能满足质量要求。分析原因,可 中国科学技术大学硕士论文第4章SEMG信号中的MuAP数目估计能是所采用I拊信号处理方法比较简单,不太适于EMG这类非平稳,非线性特性信号引起的,需要做迸一步研究。(2)采用常规的EMG参数进行比较研究的效果不明显。对MUAP数目与SEMG参数之间的关系的研究表明,采用诸如幅值,过零点数目,转折点数目,中值频率等常规的EMG参数取得的效果并不明显,容易受到一些生理因素的影响。(3)研究对象目前仅限于一种小肌肉,即第一背侧骨间肌(FirstDorsalInterosseous),这类肌肉所包含的MUAP数目较少,每个MU包含的肌纤维数也较少,因而处理起来相对容易,但是对于中等肌肉或大肌肉,它们所包含的MU数目和肌纤维数目较多,估计MUAP数目的方法对它们是否有效还必须加以论证。4.2基于HHT方法的MUAP数目估计方法从SEMG信号中估计MUAP数目是一项难度很大的研究工作,最大困难在于SEMG信号中存在有MUAP的叠加波形,这种叠加随着肌肉收缩力的增加而增加,叠加程度的加深使得对MUAP的识别和计数也变得越来越困难,还有SEMG信号中不仅存在大的MUAP,而且也存在小的MUAP,通常大的MUAP比较容易检测,而小的Ⅶ,AP相对比较难以检测。本节拟采用基于EMD分解的HHT方法来对SEMG信号中的MUAP计数进行研究。基于EMD分解的HHT方法是一种最新发展起来的处理非线性,非平稳信号的时频分析方法,由于它是从信号本身的尺度特性出发对信号进行分解,因而能尽快地分析出信号的特征,具有良好的局部适应性,加上瞬时频率的引入,尤其适用于瞬变信号的分析与定位。根据MUAP的脉冲特性,在其出现时,时域波形变化很快,对应的瞬时频率较高的特点,采用HHT方法获得了SEMG信号经EMD分解的IMF分量及其HHT谱,利用谱中的时间.频率关系,找到由局部极大瞬时频率对应的SEMG信号中包含MUAP的发放时刻,从而估计出MUAP数目。由于局部极大瞬时频率属于SEMG信号中的高频部分,根据EMD将信号由高频到低频自适应分解的特性,实际只要采用第一个IMF分量就可以检测出MUAP的发放了。考虑到MUAP发放时刻的频率集中在【20,500】Hz(由于信号的采样率为2000Hz,其对应的归一化频率的区间为[0.01,O.25]),所以如果出现处于该区间之外的极点,则认为是由噪声所形成的极点,则不予计数。后面的实验结果也证实了这种处理方法的可行性。由此可以得出基于HHT的ML,AP数目估计方法和具体步骤,如图4.1所示。32 中国科学技术大学硕士论文第4章SEMG信号中的MuAP数目估计0噪的sEMG信◇(含噪的sEMG信号》\/Vl对SEMG信号进行去噪处理,;包括去除工频干扰找出第一IMF分量归一化瞬时频率曲线中处于[O.01,O.25】范围内的极值点个数对整个时间段内的MUAP进行累加即可以得到SEMG信号中MUAP的估计数目图4.1基于}玎{T的MUAP计数步骤4.3仿真肌电信号实验4.3.1表面肌电信号仿真通过对表面肌电信号进行模型分析,可以为相关的真实SEMG信号运动单位动作电位检测提供指导性的帮助。我们根据SEMG信号形成的生理学特性,结合SFAP以及MLIAP仿真,并引入神经激励对姗募集和发放的控制作用,建立了一个在肌肉自主收缩且持续恒力收缩情况下综合型的基于电生理过程的SEMG信号模型。SEMG信号产生的生物电形成过程大体如下:肌细胞受到刺激激活,产生细胞膜内动作电位。细胞膜内动作电位通过肌纤维终板区沿着肌纤维向两端的肌腱位置传播,传播过程中产生的电流源经过容积导体后在测量位置处形成随时间与空间变化的电位,各个募集MU支配的所有肌纤维动作电位的叠加形成运动单位动作电位(MUAP),而所有激活的Ⅲ连续发放生成的MUAP序列与各种噪声在皮肤表面的综合叠加就形成了SEMG信号【1l】【12】。 中国科学技术大学硕士论文第4章SEMG信号中的MUAP数目估计图4.2表面肌电信号仿真示意图图4.2所示为表面肌电信号仿真过程示意图。肌细胞受到刺激时,由于肌纤维膜对附近各种离子的通透性不同,因而细胞膜两侧的离子浓度发生变化,产生细胞膜内动作电位(L廿)。L心通过神经肌肉接头处的兴奋传递,沿着肌纤维向两端的肌腱位置传播,传播过程中产生的电流源经过肌肉等皮下组织后在皮肤表面形成随时间变化的空间电位.根据分析,御可表示为髓尸(z)=彳z3P一船一B(4.1)其中参数A用于调整IAP的波形幅度,B为细胞膜静息电位,九为尺度因子,z表示沿肌纤维方向的传输距离(z≥O)。在IAP的基础上可以获取相应的跨膜电流函数。但是在SEMG信号模型研究中,跨膜电流函数通常可按其相位特性简化为偶极子模型或三极子电流源模型。研究发现三极子跨膜电流源能够从生理上简单方便地模拟动作电位波形。假设容积导体为圆柱形态且仅含各向异性传导的肌肉组织。分别用uy和o:表示垂直于肌纤维的径向传导率和沿肌纤维的轴向传导率,跨膜电流源髟【薯,咒,弓)以终板区为起始点向肌纤维两端的肌腱位置传播,当到达肌腱处时三极子电流源将逐渐转化为偶极子源,并在最终的消失过程中将促使非传输分量的产生。在三维坐标系中皮肤表面电极处测量到的SFAP可表示为魄力:—L号乙F—:::::量::—一(4.2)彳Hx力:—二5●1:::;::::』量:::::::::::(4.2)一。2觋智√(@一再)2+Z).呸/q+(z一弓)2在神经激励作用下的所有募集MU产生的MUAP序列以及结合信号采集过 中国科学技术大学硕士论文第4章SEMG信号中的MUAP数目估计程中的各种噪声影响后在表面电极处的综合叠加就形成了SEMG信号。MU募集一般遵循“大小原理",在肌肉的活动中,较小的运动单位(含有肌纤维数较少)将被先募集,较大的运动单位较晚募集【llJ【l2。。图4.3所示是一段仿真肌电信号。该段仿真信号是模拟距离皮肤表面较近的3个MU参与发放时所产生的SEMG信号,采用双极性点击配置方式,电极间距离为5毫米,仿真时间为1秒,采样率为2000Hz,并对信号进行了归一化处理。:●-*、^一k]|mk^。hI0.h|l—小y:●.f●●图4.3一段仿真肌电信号4.3.2仿真SEMG实验结果4.3.2.1仿真实验一下面以一段含两个MUAP的仿真信号进行实验。通过第2章可以知道,对SEMG信号的EMD分解,相当于对肌电信号做了一个自适应高通滤波,先分解出的m伍分量对应信号中的高频分量。而MUAP的发放对应了信号中的高频,故MUAP的波形和发放信息能够被第一个IMF分量保存。图4.4一段仿真SEMG信号 中国科学技术大学硕士论文第4章SEMG信号中的MUAP数目估计在仿真实验一中,我们以仅仅包含两个MUAP的一段仿真信号为例探索应用HHT方法于SEMG信号中MUAP数目估计的可行性。为了更进一步验证该方法的有效性,下面我们以另一段信号来进一步验证上述方法的有效性,该段信号如图4.9所示。兽主辱要塞t,●图4.9一段仿真SEMG信号图4.10该段信号第一IMF分量的瞬时频率图4.9中的信号经过E泗分解后第一个m伍分量的瞬时频率曲线如图4.10所示。在图中,向下的小三角形所标注的时刻为该段信号中MUAP的发放起始时刻;绿色的星号所标注的时刻为检测到的信号第一m伍分量的瞬时频率曲线图中的极值点时刻,即为检测到的MUAP发放时刻。通常情况下,MUAP的高频时刻会滞后于其起始时刻一段时间,故从图4.10也可以看出,小星号所对应的时刻基本上都延后于小三角形所对应时刻一小段时间。该段仿真表面肌电信号中包含的MUAP个数是19个,而通过该检测方法得到的个数为21个,误差为2个。在一秒的信号中,只有19个MIyAP的发放,可见,这段信号的MUAP发放率比较低。但是,从这个结果可以验证基于m{1’的SEMG信号中的MUAP数目估计方法在低收缩力水平下是一种有效的,准确率较高的方法。在下面一节中,我们将使用发放率较高的仿真SEMG信号来进_uc∞3口置p口mN吾∈古c 中国科学技术大学硕士论文第4章SEMG信号中的MUAP数目估计行实验。4.3.2.3仿真实验三本节的实验对象是发放率较高的仿真SEMG信号。因为信号中MUAP的发放率高,所以该信号中MUAP的叠加程度大。收缩力较大时,发放的Ⅻ,AP会叠加严重,这会严重影响数目估计的准确性,已经存在的方法也证实了这一点。本节的实验信号采样率为2000Hz,采样时间为半秒。量著鼍童eam口lenumb●r图4.1l一段发放率较高的仿真SEMG信号图4.11是该信号的时域波形。可以看到,该段sEMG信号中的抓7AP发放率较高,MUAP叠加程度严重,如在采样点150处的波形就是由多个MUAP叠加而成。对该段信号运用本文的方法对其中的MUAP进行检测与数目估计,其检测的结果如图4.12所示。sampIenumber图4.12该段信号第一n循分量的瞬时频率图4.12中红色小三角形标注的时刻为MUAP发放的起始时刻,绿色小星形标注的时刻为检测出的MUAP的发放时刻。该段信号中,对红色小三角形进行计数,可知真实一共发放了70个MUAP;对绿色星形符号计数,可得检测出M【rAP的数目为33个。因此,当MUAP发放较快时(相应于肌肉收缩力较大),39 中国科学技术大学硕士论文第4章SEMG信号中的MUAP数目估计分岳手罢1b器焉量是图4.15信号第一m伍分量瞬时频率曲线图4.15中,对处于SEMG信号的频带范围内的第一个m伍分量对应的瞬时频率曲线的局部极值点进行计数,该区域内总的极点的数目,作为对该段信号的MUAP的数目估计。对上图中满足条件的极点进行计数,图中的叉形处对应的时刻为检测有MUAP发放的时刻。可知其中所包含的MUAP数目是34个。4.5对采用方法的讨论从表面肌电信号形成的机理来看,可以认为它是由多个运动单位激活时产生的运动单位动作电位序列(MIIAPT)沿肌纤维方向传播并经由脂肪、皮肤构成的容积导体滤波后在皮肤表面检测电极处的时间和空间上综合叠加的结果,近似满足}玎盯方法分析的前提:信号是由一系列不同的固有抖动模式组成。所以}玎玎方法适用于对SEMG信号进行分析,本文的上述实验结果也正验证了这一点。通过以上的所有实验可以看出,该方法是一种有效的检测SEMG信号中MUAP的方法。在MUAP发放的时刻,相比没有MUAP发放的时刻,该SEMG信号通过EⅧ分解所得的m伍分量都对应了较大的瞬时频率值,反映为m伍分量的瞬时频率曲线中对应的极点。也就是说在E№分解后得到的IⅧ分量充分保留了原信号的MUAP的发放时刻与发放时刻的频率信息。这也正体现了EⅧ分解的一个优点所在,它可以自适应地从信号中从高到低地分解出信号中的模态分量,每个模态分量都包含了一定的物理意义。该方法的特点是:1.这种方法只需利用EMD分解后的第一m伍分量的信息,可以减少计算的工作量。从EMD分解的过程可以看出,要得到完整的EMD分解结果所需的计算量很大,但是,通过前面的分析发现,表面肌电信号中MUAP的发放时刻4l 中国科学技术大学硕士论文第4章SEMG信号中的MUAP数目估计的高频信息基本都保存在第一个m伍分量中,因此只要对信号做一级EMD分解得到第一个IMF分量就可以了,这样就大大减少了计算量。2.对于叠加程度不高的MUAP计数,本方法也是适用的。这时,在第一m佰分量的瞬时频率曲线上,各个发放的MUAP可以对应到不同的极值,从而能检测出各MUAP。图4.16存在叠加的一段仿真SEMG信号图4.16是一段由三个MUAP叠加而成的仿真表面肌电信号,其中红色的小三角形标注表示各ⅦJAP的原发放起始时刻。由图可见,该段信号的波形已经看不出原来构成它的三个MUAP的形状与发放位置。图4.17是该信号经EMD分解得到的第一个m伍分量所对应的瞬时频率曲线,其中的绿色星号表示第一个m伍分量瞬时频率曲线的极值点,它们对应着MUAP的发放,由此可以检测出隐藏在叠加波形中的三个MUAP。42图4.17该段信号第一个IMF分量瞬时频率曲线3.该方法也能够检测出幅值比较小的MUAP。由于这种方法是通过对Im 中国科学技术大学硕士论文第5章总结与展望基于EMD(经验模态分解)的Hilbert变换(HHT)方法是一种最新发展起来的处理非线性,非平稳信号的时频分析方法,由于它是利用信号本身的尺度特征对信号进行分解,因而能尽快地分析出信号的特征,具有良好的局部适应性。该方法的核心问题是采用筛选过程来产生IMF分量,分解得到的IMF分量具有完整性与正交性,通过这样的筛选过程,复杂的数据就分解成多个具有一定物理意义的单分量信号的叠加。EMD分解得到的IMF分量局部与sin或者cos函数类似,因此可以用局部的信号来定义该IMF分量的瞬时频率。瞬时频率可以反映每个m伍分量的瞬间变化情况。这样,任何一点的瞬时频率都可以通过局部的数据来得到,而不需要整个时域的信号。EMD方法将信号分解为IMF的组合后,就可以通过对每个IMF分量求瞬时频率,从而可以了解该信号内部的频率信息。而且EMD方法不需要基函数,根据信号本身的特征尺度进行分解,所以具有自适应性。这种方法已经在不少领域得到了应用,本文尝试将其应用于SEMG信号的分析中,并获得了一些有价值的结果。本文的主要工作和研究成果有:1.对HHT方法中存在的“端点效应"问题进行了一些初步的探讨。采用“镜像延拓"法计算瞬时频率,减小了由于数据截断引起的端点振荡失真,并从理论上对该方法进行了阐述和解释。另外,对单频信号完全영"x 中国科学技术大学硕士论文第5章总结与展望MUAP的脉冲特性,在其出现时的时域波形变化很快,对应的瞬时频率较高的特点,采用HHT方法获得了SEMG信号经EMD分解的IMF分量及其Hilbert谱,利用谱中的时间.频率关系,找到由局部极大瞬时频率对应的SEMG信号中包含MUAP的发放时刻,从而估计出M,AP数目。由于局部极大瞬时频率属于SEMG信号中的高频部分,根据EMD将信号由高频到低频自适应分解的特性,实际只要采用第一个IMF分量就可以检测出MUAP的发放了。仿真和真实SEMG信号的实验结果都表明,这种方法是有效的。虽然本论文取得了一定的成果,但是离彻底解영"x 中国科学技术大学硕士论文附录如(七)=O02石P”0七=l七=2k=p七=p+1七=Ⅳ一l故而原信号所对应的解析信号为删=专豁舻詹=知膨所以,根据求瞬时频率的公式,可以得到的瞬时角频率为2石。等一扣=丝=2万石2砥百一iV芦i“Ⅳo(a15)(a16)(a17)由此可见,在满足该充分条件的情形下,通过采样得到的数字序列得到的瞬时频率值是跟理论值是一致的,即完全消除“端点效应”。49 中国科学技术大学硕士论文致谢在科大学习期间,我有幸得到杨基海老师的指导。杨老师深厚的学术功底,严谨的工作态度和敏锐的科学洞察力,平易近人的处事风格使我受益良多。衷心感谢杨老师三年来给予我的悉心教导和热情帮助。感谢陈香老师给实验室营造了宽松的学术讨论氛围,也感谢陈老师对我研究工作的及时督促与适时指导。感谢李强师兄,褚雪忠师兄。三年来,两位师兄给我的研究工作与日常生活提供了很多有益的建议与帮助,衷心感谢你们。感谢实验室的各位同学,与你们的朝夕相处,使得我每天的生活充满趣味,并从你们身上获益良多。最后感谢我的家人,是你们无言的付出,我才能安心读书。衷心感谢大家! 中国科学技术大学硕士论文硕士期间发表论文硕士期间发表论文已发表论文:【l】戴亮,杨基海,陈香,李强。模型生理参数对表面肌电信号影响的仿真研究。生物医学工程研究第26卷第4期,319.323,2007.4。
此文档下载收益归作者所有
举报原因
联系方式
详细说明
内容无法转码请点击此处