本文選題：FastICA + 通道間相關(guān)��； 參考：《航天醫(yī)學與醫(yī)學工程》2017年03期

【摘要】：目的為了對神經(jīng)肌肉疾病進行相關(guān)的研究和臨床上診斷治療,探索新的和有效的表面肌電(surface EMG,sEMG)信號分解方法。方法首先用FastICA求解混矩陣,然后對測量信號矩陣進行變換,再用通道間相關(guān)性分解s EMG信號。結(jié)果經(jīng)過仿真和真實信號進行測試,分解信噪比為0 d B的第一組信號時,以平均95.6%的準確率分解出20個運動單元(motor unit,MU);分解信噪比為20 d B,且參與發(fā)放的MU更多,發(fā)放頻率更高的第二組信號時,以平均98.4%的準確率分解出29個MU;分解真實信號時,得到的平均MU個數(shù)為14.2,并用"二源法"進行評測,兩組中分解出相同MU的比例為80%,且相同MU發(fā)放時刻的平均重合率為95.1%。結(jié)論這種結(jié)合Fast ICA和通道間相關(guān)的方法能以較高的準確率實現(xiàn)s EMG信號的有效分解。
[Abstract]:Objective to explore a new and effective method for the decomposition of surface EMG signals in neuromuscular diseases. Methods first the mixed matrix was solved by FastICA, then the measurement signal matrix was transformed, then s EMG signal was decomposed by correlation between channels. Results when the first group of signals with a signal to noise ratio of 0 dB was decomposed by simulation and real signal, 20 motor units were decomposed with an average accuracy of 95.6%, and the signal to noise ratio was 20 dB, and more MU were distributed. 29 MUs were decomposed with an average accuracy of 98.4% when the second group of signals with higher frequency was sent, and the average number of MU was 14.2when the real signal was decomposed, which was evaluated by "two-source method". The ratio of decomposing the same MU in the two groups was 80 and the average coincidence rate of the same MU release time was 95.1. Conclusion the method of combining Fast ICA with channel correlation can effectively decompose s EMG signal with high accuracy.
【作者單位】： 浙江科技學院自動化與電氣工程學院;浙江大學電氣工程學院;
【基金】：國家自然科學基金項目(51677171) 浙江省自然科學基金項目(LY17C100001) 浙江省教育廳科研項目(Y201533132)
【分類號】：R741.044;TN911.7

【相似文獻】

相關(guān)期刊論文 前10條

1 譚春祥,楊基海,錢曉進,梁政;獨立分量分析在表面肌電信號分解中的應(yīng)用[J];生物醫(yī)學工程研究;2004年01期

2 王剛;王志中;胡曉;黃永峰;;基于最佳小波包的表面肌電信號分類方法[J];中國醫(yī)學物理學雜志;2006年01期

3 李強;楊基海;梁政;;基于卷積混合盲源分離技術(shù)的表面肌電信號分解研究[J];中國生物醫(yī)學工程學報;2006年04期

4 張旭;楊基海;李強;陳香;;二階統(tǒng)計量盲分離技術(shù)在表面肌電信號分解過程中的應(yīng)用[J];北京生物醫(yī)學工程;2007年03期

5 戴亮;楊基海;陳香;李強;;模型生理參數(shù)對表面肌電信號影響的仿真研究[J];生物醫(yī)學工程研究;2007年04期

6 朱昊;辛長宇;吉小軍;施文康;;表面肌電信號前端處理電路與采集系統(tǒng)設(shè)計[J];測控技術(shù);2008年03期

7 劉南庚;雷敏;;基于小波和非線性指標的表面肌電信號動作特征分析[J];中國組織工程研究與臨床康復;2008年17期

8 梅品高;羅志增;加玉濤;;一種消除表面肌電信號中工頻干擾的方法[J];杭州電子科技大學學報;2008年02期

9 任新宇;;關(guān)于拾取表面肌電信號的電路設(shè)計和探究[J];科學之友(B版);2009年03期

10 吳冬梅;孫欣;張志成;杜志江;;表面肌電信號的分析和特征提取[J];中國組織工程研究與臨床康復;2010年43期

相關(guān)會議論文 前10條

1 李強;楊基海;梁政;陳香;何為;;卷積混合信號的分離技術(shù)在表面肌電信號分解中的應(yīng)用[A];中國生物醫(yī)學工程學會第六次會員代表大會暨學術(shù)會議論文摘要匯編[C];2004年

2 何為;楊基海;梁政;陳香;任焱暄;;一種模擬表面肌電信號不同發(fā)放時刻的波形變異的方法[A];中國生物醫(yī)學工程學會第六次會員代表大會暨學術(shù)會議論文摘要匯編[C];2004年

3 梁政;楊基海;周旭初;李強;馮煥清;;一種基于反饋網(wǎng)絡(luò)法分離卷積混合信號的表面肌電信號分解預(yù)處理方法[A];中國生物醫(yī)學工程學會第六次會員代表大會暨學術(shù)會議論文摘要匯編[C];2004年

4 趙章琰;陳香;張旭;涂有強;楊基海;;實時手勢動作表面肌電信號識別研究[A];中國生物醫(yī)學工程進展——2007中國生物醫(yī)學工程聯(lián)合學術(shù)年會論文集（上冊）[C];2007年

5 趙新剛;楊畢;吳成東;顧爽;韓建達;;基于表面肌電信號的人體運動意圖識別方法研究[A];2009全國虛擬儀器大會論文集（二）[C];2009年

6 王樂軍;黃勇;龔銘新;陳志勇;許翔;馬國強;;小波包分析與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合探索60秒全力蹬踏自行車致股直肌疲勞過程中的表面肌電信號變化特征[A];第十三屆全國運動生物力學學術(shù)交流大會論文匯編[C];2009年

7 陳香;張旭;趙章琰;涂有強;楊基海;;多類手勢動作表面肌電信號模式識別研究[A];中國生物醫(yī)學工程進展——2007中國生物醫(yī)學工程聯(lián)合學術(shù)年會論文集（上冊）[C];2007年

8 陳偉婷;王志中;胡曉;;基于熵的表面肌電信號疲勞特征分析[A];2005年上海市生物醫(yī)學工程學會學術(shù)年會論文集[C];2005年

9 梁政;楊基海;李強;陳香;錢曉進;馮煥清;;一種基于FIR濾波器的多導表面肌電信號合成方法[A];中國生物醫(yī)學工程學會第六次會員代表大會暨學術(shù)會議論文摘要匯編[C];2004年

10 王穎;李穎;李丹;劉志朋;殷濤;;基于表面肌電信號區(qū)分上肢動作的實驗研究[A];天津市生物醫(yī)學工程學會第三十二屆學術(shù)年會論文集[C];2012年

相關(guān)重要報紙文章 前2條

1 通訊員 平揚 張軼帆 記者 馮國梧;新技術(shù)讓“機器手腳”活動自如[N];科技日報;2011年

2 平揚　張軼帆 馮國梧;猜透主人心機器更靈活[N];中國技術(shù)市場報;2011年

相關(guān)博士學位論文 前7條

1 牟永閣;基于時頻和時間尺度分析的表面肌電信號研究及應(yīng)用[D];重慶大學;2004年

2 李強;表面肌電信號的運動單位動作電位檢測[D];中國科學技術(shù)大學;2008年

3 寧勇;多通道表面肌電信號分解的研究[D];浙江大學;2014年

4 姚博;表面肌電信號分解算法及其在小兒腦癱評詁中的應(yīng)用[D];中國科學技術(shù)大學;2012年

5 王剛;基于小波變換和多重分形分析的表面肌電信號分析[D];上海交通大學;2008年

6 陳偉婷;基于熵的表面肌電信號特征提取研究[D];上海交通大學;2008年

7 宋全軍;人機接觸交互中人體肘關(guān)節(jié)運動意圖與力矩估計[D];中國科學技術(shù)大學;2007年

相關(guān)碩士學位論文 前10條

1 李會;上肢表面肌電信號的特征分析方法研究[D];華僑大學;2015年

2 孫光林;人體上肢表面肌電信號分析方法的研究[D];東北大學;2013年

3 溫倩;基于表面肌電信號的人體行走模式識別[D];河北工業(yè)大學;2015年

4 李晗;基于表面肌電信號控制的人機交互系統(tǒng)設(shè)計[D];北京理工大學;2015年

5 陳濤;基于DSP的便攜式表面肌電信號處理系統(tǒng)的研究[D];天津職業(yè)技術(shù)師范大學;2015年

6 蘇芳茵;表面肌電信號分析及運動模式分類研究[D];華僑大學;2016年

7 于亞萍;基于表面肌電信號的人體下肢動作識別及關(guān)節(jié)力矩分析研究[D];蘇州大學;2016年

8 林上耀;高密度表面肌電信號采集系統(tǒng)研究[D];浙江大學;2016年

9 王濤;基于表面肌電信號的多自由度假肢控制算法及系統(tǒng)研究[D];重慶大學;2016年

10 鞠徐;基于表面肌電信號的動作模式識別[D];南京航空航天大學;2009年

，

本文編號：1811493