發(fā)布時間：2017-08-13 21:51

  本文關鍵詞：基于經(jīng)驗模板的表面肌電運動單元動作電位序列分解方法研究

  更多相關文章： 表面肌電信號（sEMG） 分解 先驗模板 運動單元動作電位

【摘要】：表面肌電信號（sEMG）是肌肉活動時所有募集運動單元（MU）產生的運動單元動作電位（MUAP）在表面電極處時空綜合疊加的結果，包涵了大量的MU募集和MUAP發(fā)放信息。sEMG信號分解就是從sEMG信號中提取主體運動單位動作電位序列（MUAPTs）的過程，分解得到的MUAP發(fā)放信息有助于深入研究神經(jīng)-肌肉控制系統(tǒng)的調控機理，在臨床醫(yī)學、假肢控制、康復醫(yī)學、運動醫(yī)學等領域具有良好的應用前景。 目前，sEMG信號分解技術可以大致分為兩種類型：一類是盲源分離算法或系統(tǒng)辨識法，另一種是MUAP形態(tài)學方法。由于第一類算法應用于sEMG信號的基本假設條件并不一定滿足，且目前的分解效果并不理想，因此本文基于MUAP形態(tài)特征設計了一種的sEMG信號分解算法。 在分析總結相關文獻的基礎上，本文結合MUAP波形常見為雙相或三相波形特點，利用Hermite-Rodriguez函數(shù)擬合了4種時間、幅度可伸縮的MUAP波形模板；為了減小沿時間軸順序分割sEMG信號可能對MUAP疊加波形識別所帶來的影響，本文依據(jù)MU募集的“大小原則”，從整段sEMG信號中，，按照從大到小的順序逐個剝離出相應的MUAP波形。值得注意的是，本文在MUAP波形的識別過程未增加MUAP發(fā)放規(guī)律的假設，僅限定了MUAP發(fā)放頻率的范圍。此外，本文所設計的sEMG分解算法可對單通道sEMG信號進行獨立分解，克服了對其他通道信息的依賴。 為了滿足sEMG分解對信號高信噪比的要求，本文分別采用了分3個步驟對原始sEMG信號進行了預處理。首先，本文采用了橢圓帶通數(shù)字濾波器來消除sEMG信號主頻帶（20~500Hz）以外的部分低頻和高頻噪聲。其次，基于快速獨立分量分析算法（FastICA）設計算法實現(xiàn)了工頻干擾的分離。最后，采用具有雙正交、緊支撐性、近似對稱性等優(yōu)點的coif2母小波對sEMG信號進行小波包去噪。實測sEMG信號的分解結果顯示，本文所提sEMG信號預處理算法不僅有效地濾除工頻噪聲等噪聲，而且較好地保留了MUAP波形的銳度。 由于缺乏sEMG信號中主體MUAPTs的先驗知識，通常需要專門設計相應的算法準確性驗證方案。因此，本文構建了簡單的sEMG信號模型來對本文所提算法的準確性進行驗證。本文分別對不同信噪比（5dB、10dB、15dB和20dB）不同疊加程度（0%、10%、20%和30%）情況下的5s長的仿真sEMG信號（采樣率為2kHz）進行了分解，每種情況進行20組。仿真sEMG信號分解的結果顯示，該算法在噪聲水平較高（SNR=20dB）、MUAP疊加程度較輕時(10%)，分解的準確性較高（90.94%　1.27%）； 為進一步驗證利用本文算法提取出來的主體MUAPTs與相應的神經(jīng)肌肉活動是否具有相關性，本文還將該算法應用于8名受試者（3組/人）不同手指活動模式下的指淺屈肌多通道（12通道）sEMG信號分解；單通道分解結果顯示，高力量水平下sEMG信號中的主體MUAPt能夠被有效檢測和分類；統(tǒng)計結果證實，隨著力量水平的增加，MUAP的數(shù)目增加；不同大小MUAP的比重的變化與活動手指和力量水平具有顯著的相關性。本文的實驗結果初步驗證了利用先驗模板從sEMG中漸進提取MUAP的可行性，為sEMG分解和進一步研究MU發(fā)放規(guī)律提供一種新的思路。
【關鍵詞】：表面肌電信號（sEMG） 分解 先驗模板 運動單元動作電位
【學位授予單位】：重慶大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：R318.04
【目錄】：

• 摘要3-5
• ABSTRACT5-9
• 1 緒論9-16
• 1.1 課題背景及意義9
• 1.2 肌電信號的研究現(xiàn)狀9-14
• 1.2.1 肌內肌電信號的研究現(xiàn)狀9-11
• 1.2.2 表面肌電信號的研究現(xiàn)狀11-14
• 1.3 研究目的及內容14-15
• 1.4 本文內容安排15-16
• 2 表面肌電信號運動單元動作電位檢測16-28
• 2.1 肌電信號的形成機制及檢測方法16-19
• 2.1.1 單纖維動作電位16-17
• 2.1.2 運動單元動作電位17-18
• 2.1.3 運動單元動作電位序列18
• 2.1.4 肌電信號檢測18-19
• 2.2 MUAP 的特征與檢測分析19-20
• 2.3 基于 sEMG 信號的 MUAP 提取與分析20-26
• 2.3.1 sEMG 信號分解算法20-25
• 2.3.2 分解算法有效性評價25-26
• 2.4 本章小節(jié)26-28
• 3 基于經(jīng)驗模板的 sEMG 漸進分解算法設計28-46
• 3.1 表面肌電信號預處理29-37
• 3.1.1 帶通數(shù)字濾波29-30
• 3.1.2 FastICA 去工頻干擾30-34
• 3.1.3 小波包去噪34-37
• 3.2 基于經(jīng)驗模板的 sEMG 漸進分解算法設計37-40
• 3.2.1 模板建立37-38
• 3.2.2 漸進分解38-40
• 3.3 算法的仿真信號測試40-43
• 3.3.1 仿真 sEMG 信號構建40-41
• 3.3.2 仿真信號分解結果41-43
• 3.4 實測表面肌電信號分解43-44
• 3.5 本章小結44-46
• 4 手指活動模式對 MUAP 發(fā)放的影響46-56
• 4.1 實驗數(shù)據(jù)采集47-49
• 4.2 基于 sEMG 分解的 MUAP 序列提取49-50
• 4.3 手指活動模式對 MUAP 發(fā)放數(shù)目的影響50-55
• 4.3.1 MUAP 發(fā)放總數(shù)隨力量水平的變化趨勢50-52
• 4.3.2 不同手指活動模式下不同大小 MUAP 發(fā)放比重變化52-55
• 4.4 本章小結55-56
• 5 總結與展望56-59
• 5.1 總結56-57
• 5.2 展望57-59
• 致謝59-60
• 參考文獻60-65
• 附錄65
• A. 作者在攻讀學位期間發(fā)表的論文65
• B. 作者在攻讀學位期間參與的科研項目65

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李強;楊基海;褚雪忠;陳香;張旭;;基于運動神經(jīng)元激勵的表面肌電信號仿真研究[J];北京生物醫(yī)學工程;2007年04期

2 滕召勝;羅志坤;孫傳奇;高云鵬;唐求;;基于小波包分解與重構算法的諧波電能計量[J];電工技術學報;2010年08期

3 齊敏;黃世震;;基于Matlab的小波去噪算法研究[J];電子器件;2012年01期

4 席旭剛;朱海港;羅志增;;基于EEMD和二代小波變換的表面肌電信號消噪方法[J];傳感技術學報;2012年11期

5 侯文生;萬莎;吳小鷹;萬小萍;蔡全;鄭小林;陳海燕;;手指運動姿態(tài)檢測及假肢手指動作實時控制[J];重慶大學學報;2013年04期

6 何為;楊基海;梁政;陳香;;基于生理層肌電模型的表面肌電信號仿真方法[J];航天醫(yī)學與醫(yī)學工程;2005年06期

7 孫承奎;葉明;梅品高;;基于最優(yōu)小波包分析的肌電信號消噪[J];機電工程;2008年08期

8 王靜;范毅方;;基于小波閾值的sEMG信號消噪方法研究[J];計算機仿真;2010年02期

9 熊安斌;趙新剛;韓建達;劉光軍;;基于混沌理論的面癱患者表面肌電信號分析[J];科學通報;2013年S2期

10 馬泓,吳健,孫素蓮,何洛文,壽成超;CD154 cDNA克隆、單克隆抗體制備及特異性鑒定[J];上海免疫學雜志;2001年03期

中國博士學位論文全文數(shù)據(jù)庫 前2條

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

2 姚博;表面肌電信號分解算法及其在小兒腦癱評詁中的應用[D];中國科學技術大學;2012年

本文編號：669143