專利名稱：基于經(jīng)驗?zāi)B(tài)分解和分形的表面肌電信號模式識別方法
基于經(jīng)驗?zāi)B(tài)分解和分形的表面肌電信號模式識別方法技術(shù)領(lǐng)域
本發(fā)明屬于模式識別領(lǐng)域，涉及一種肌電信號模式識別方法，特別涉及一種基于肌電信號的手部多運動模式識別方法。
背景技術(shù)：
肌電信號(EIectromyography, EMG)是一種伴隨肌肉活動的生物電信號，是眾多肌纖維中運動單元動作電位的疊加，蘊涵了肌肉活動的各種信息。而表面肌電信號(Surface electromyography , sEMG)則是淺層肌肉EMG和神經(jīng)干上電活動在皮膚表面的綜合效應(yīng)。 表面肌電信號在生理基礎(chǔ)上具有高度非線性特征，是一個非線性的動力學(xué)系統(tǒng)。因而，對表面肌電信號的研究采用非線性分析方法，如混沌、分形理論是一個值得重視的方向。
目前，已有一些科研機(jī)構(gòu)的學(xué)者以混沌、分形理論作為數(shù)學(xué)工具，對肌電信號進(jìn)行各種目的的研究。國外，克羅地亞薩格勒布大學(xué)的Cifrek，Mario用表面肌電信號的分維數(shù)對肌肉疲勞程度進(jìn)行參數(shù)估計。澳大利亞墨爾本大學(xué)的Naik,. Ganesh R、泰國宋卡大學(xué)的phinyomark Angkoon等用分形的方法研究了上臂弱肌電信號的多模式分類問題，并把研究成果應(yīng)用到人機(jī)接口技術(shù)中。國內(nèi)，清華大學(xué)的王人成，上海交通大學(xué)的王立中等、浙江大學(xué)的劉加海，王健等在混沌、分形理論應(yīng)用于肌電信號信息處理方面做了較多的工作。 然而，綜合這些學(xué)者的研究成果發(fā)現(xiàn)，現(xiàn)有的對肌電信號的研究，大都采用單分形理論，對所研究的肌電信號僅做整體的奇異性評價，如在模式識別時，提取整體信號的Lyapunov指數(shù)、分形維等，而沒有研究信號的局部奇異性特征。發(fā)明內(nèi)容
表面肌電信號具有非線性非平穩(wěn)特性，為了有效地提取表面肌電信號的特征和提高手部多運動模式識別率，本發(fā)明提出了一種經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition, EMD)與多重分形分析相結(jié)合的特征提取方法。首先從相關(guān)肌肉組上采集相應(yīng)的表面肌電信號，然后用經(jīng)驗?zāi)B(tài)分解的方法提取肌電信號的多層內(nèi)在模態(tài)函數(shù) (intrinsic mode function, IMF),利用多重分形分析的方法提取各層內(nèi)在模態(tài)函數(shù)上的廣義維數(shù)譜，從而實現(xiàn)了對表面肌電信號在不同層次上的奇異性測度，提高了對信號幾何特征和局部尺度行為刻畫的精細(xì)程度。最后，以各層模態(tài)函數(shù)上的廣義維數(shù)譜作為模式識別的特征向量，以支持向量機(jī)為分類器實現(xiàn)多運動模式的分類與識別。
為了實現(xiàn)以上目的，本發(fā)明方法主要包括以下步驟步驟(I).獲取人體上肢肌電信號樣本數(shù)據(jù)，具體是首先通過肌電信號采集儀拾取人體上肢肌電信號，再采用空域相關(guān)濾波方法對含有干擾噪聲的肌電信號進(jìn)行消噪。
所述的空域相關(guān)濾波方法，具體如下用空域相關(guān)濾波對采集的SEMG信號進(jìn)行消噪預(yù)處理，由于空域相關(guān)濾波中涉及噪聲能量閾值的設(shè)定，且噪聲能量閾值的設(shè)定沒有通用的算法，因此給出一種針對SEMG信號的噪聲能量閾值設(shè)定算法。算法的具體實現(xiàn)如下由于手部未動作時采集的SEMG信號對應(yīng)為信號的噪聲，若對該含有噪聲的 SEMG信號進(jìn)行多尺度小波分解，各尺度的高頻系數(shù)的首尾部分對應(yīng)手部無動作時的SEMG信號，因此可以用手部無動作時的SEMG信號的高頻系數(shù)來估計各層的噪聲能量門限。以伸腕動作SEMG信號為例，取伸腕動作SEMG信號小波變換高頻系數(shù)的前個與，取到的這些點對應(yīng)于手部未動作時SEMG信號的高頻系數(shù)，用這些點的方差來估計 SEMC信號的噪聲能量閾值，此時濾波算法中用下式控制迭代過程r^ FarQFft(J^k)) > VariWfO,^)) k= 1,2,---,N ■ ^=1,2,···,η(I)其中r €(CU]為比例系數(shù)，是根據(jù)經(jīng)驗和實驗確定的；Var(Wf(JM為迭代后的高頻系數(shù)的方差；&轉(zhuǎn)'a*)為估計的噪聲能量閾值。當(dāng)上式成立時迭代繼續(xù)，否則停止。
空域相關(guān)法利用真實信號的小波系數(shù)在各尺度上的相關(guān)性，使得小尺度上的真實信號的小波系數(shù)得以突顯，從而實現(xiàn)了真實信號的小波系數(shù)與噪聲小波系數(shù)的分離，取得了比較好的濾波效果。
步驟(2).將步驟(I)獲取的肌電信號進(jìn)行經(jīng)驗?zāi)B(tài)分解，得到表示肌電信號細(xì)節(jié)構(gòu)成的多層窄帶信號即內(nèi)在模態(tài)函數(shù)。
經(jīng)驗?zāi)B(tài)分解(EMD)方法是Huang等人于1998年提出的一種時間序列處理方法。 該方法根據(jù)信號本身的局部特征將信號分解成一組內(nèi)在模態(tài)函數(shù)(IMF)。其實質(zhì)是將非線性非平穩(wěn)信號分解成一組單分量近似窄帶信號。每個IMF滿足下面條件I)整個IMF中極點數(shù)(包括極大值和極小值)和零點數(shù)相等或至多相差I(lǐng)。
2)信號關(guān)于時間軸對稱，即信號由局部極大值確定的包絡(luò)線和局部極小值確定的包絡(luò)線均值為零。
EMD的分解步驟如下I)求信號的局部極大、極小值。通過插值函數(shù)獲得信號的上下包絡(luò)線。并對上下包絡(luò)線求平均，記為W1⑷。
2)設(shè)原信號為,用原信號減去叫⑷，記為。
3)判斷~的是不是符合基本模態(tài)分量的兩個要求，是則將賦值給C1咎；)，不是則把.MO看作外)，重復(fù)前二步先得到W W ,再得到=。判斷MO 是否滿足MF的要求，不滿足則不斷循環(huán)直至i次循環(huán)后得到的.V (O滿足頂F的要求。記 C1 (t) = hm (I)。q P)可以看成是信號的一個基本模態(tài)。
4)記廠! ( ) = s⑷-q ( )。
將Ml)作為信號S⑷，重復(fù)I)到4)步求出由此循環(huán)可繼而求出第二階頂F、......、第#-1節(jié)IMF，第”階剩余信號可表示為{t、S (t) = γ ( ，當(dāng)& ( )滿足某個控制條件時，篩選結(jié)束。原始信號x(t)表示為
權(quán)利要求
1.基于經(jīng)驗?zāi)B(tài)分解和分形的表面肌電信號模式識別方法，其特征在于該方法包括如下步驟 步驟(I).獲取人體上肢肌電信號樣本數(shù)據(jù)，具體是首先通過肌電信號采集儀拾取人體上肢肌電信號，再采用空域相關(guān)濾波方法對含有干擾噪聲的肌電信號進(jìn)行消噪； 步驟(2).將步驟(I)獲取的肌電信號進(jìn)行經(jīng)驗?zāi)B(tài)分解，得到代表肌電信號細(xì)節(jié)構(gòu)成的多層窄帶信號，即內(nèi)在模態(tài)函數(shù)； 步驟(3).對步驟(2)所獲得的內(nèi)在模態(tài)函數(shù)進(jìn)行多重分形分析，提取其廣義維數(shù)譜，作為肌電信號多模式識別的特征向量； 步驟(4).以步驟(3)獲取的特征向量輸入對支持向量機(jī)進(jìn)行分類識別，獲得識別結(jié)果O
2.根據(jù)權(quán)利要求I所述的基于經(jīng)驗?zāi)B(tài)分解和多重分形的表面肌電信號模式識別方法，其特征在于所述的多重分形分析，提取其廣義維數(shù)譜，具體如下設(shè)肌電信號時間 序列 為( - ia},嵌入維數(shù),時間延遲為τ,則重構(gòu)相空間為 式中，Xi為相空間中的第 個相點，相空間中的點數(shù)為N= n-{m-l)r ；構(gòu)造其相空間后，以.呢維相空間集{4}中的一點X1 =( ,; ,…, )作為參考點，計算另外反-I點與它的距離，則可統(tǒng)計出落于以點X1為中心，以小標(biāo)量r為半徑的體積元中的點的個數(shù)，從而得到f階關(guān)聯(lián)積分CT 幻 其中/0)為Heaviside階躍函數(shù)； 計算廣義維數(shù)譜4算法步驟如下 1)把一維時間序列信號轉(zhuǎn)換到相空間，求出相點間的最大伸展距離<·； 2)依據(jù)Cfmax的大小確定計算關(guān)聯(lián)積分時^·增幅，確定需計算的小標(biāo)量，初始個數(shù)丨，&為單調(diào)上升I = HJ ;根據(jù)公式⑵求得q)，計算數(shù)據(jù)點對(ln%),MC^(風(fēng)rA)))，為表達(dá)方便，令為；3)根據(jù)下式計算數(shù)據(jù)組的斜率 4)增加i的值，根據(jù)公式(3)重新計算是值，若連續(xù)多次的值變化極小，則停止計算，以最后幾次所得A值的平均，作為肌電信號的廣義維數(shù)譜&。
全文摘要
本發(fā)明涉及一種基于經(jīng)驗?zāi)B(tài)分解和分形的表面肌電信號模式識別方法?，F(xiàn)有的方法大都采用單分形理論，對肌電信號僅做整體的奇異性評價，而沒有研究信號的局部奇異性特征。本發(fā)明首先從相關(guān)肌肉組上采集相應(yīng)的表面肌電信號，然后用經(jīng)驗?zāi)B(tài)分解的方法提取肌電信號的多層內(nèi)在模態(tài)函數(shù)，利用多重分形分析的方法提取各層內(nèi)在模態(tài)函數(shù)上的廣義維數(shù)譜。最后，以各層模態(tài)函數(shù)上的廣義維數(shù)譜作為模式識別的特征向量，以支持向量機(jī)為分類器實現(xiàn)多運動模式的分類與識別。本發(fā)明提出利用多重分形分析的方法提取各層內(nèi)在模態(tài)函數(shù)上的廣義維數(shù)譜作為表面肌電信號的特征，具有較好的魯棒性，能從信噪比相對較低的肌電信號中計算出穩(wěn)定的特征數(shù)據(jù)。
文檔編號A61B5/0488GK102930284SQ20121033735
公開日2013年2月13日 申請日期2012年9月13日 優(yōu)先權(quán)日2012年9月13日
發(fā)明者張啟忠, 席旭剛, 羅志增, 佘青山, 高云園 申請人:杭州電子科技大學(xué)