基于經(jīng)驗(yàn)?zāi)0宓谋砻婕‰娺\(yùn)動(dòng)單元?jiǎng)幼麟娢恍蛄蟹纸夥椒ㄑ芯?pdf_第1頁
已閱讀1頁,還剩64頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、表面肌電信號(hào)(sEMG)是肌肉活動(dòng)時(shí)所有募集運(yùn)動(dòng)單元(MU)產(chǎn)生的運(yùn)動(dòng)單元?jiǎng)幼麟娢?MUAP)在表面電極處時(shí)空綜合疊加的結(jié)果,包涵了大量的MU募集和MUAP發(fā)放信息。sEMG信號(hào)分解就是從sEMG信號(hào)中提取主體運(yùn)動(dòng)單位動(dòng)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(diào)控機(jī)理,在臨床醫(yī)學(xué)、假肢控制、康復(fù)醫(yī)學(xué)、運(yùn)動(dòng)醫(yī)學(xué)等領(lǐng)域具有良好的應(yīng)用前景。
  目前,sEMG信號(hào)分解技術(shù)可以大致分為

2、兩種類型:一類是盲源分離算法或系統(tǒng)辨識(shí)法,另一種是MUAP形態(tài)學(xué)方法。由于第一類算法應(yīng)用于sEMG信號(hào)的基本假設(shè)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(shè)計(jì)了一種的sEMG信號(hào)分解算法。
  在分析總結(jié)相關(guān)文獻(xiàn)的基礎(chǔ)上,本文結(jié)合MUAP波形常見為雙相或三相波形特點(diǎn),利用Hermite-Rodriguez函數(shù)擬合了4種時(shí)間、幅度可伸縮的MUAP波形模板;為了減小沿時(shí)間軸順序分割sEMG信號(hào)可能對(duì)MUA

3、P疊加波形識(shí)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(hào)中,按照從大到小的順序逐個(gè)剝離出相應(yīng)的MUAP波形。值得注意的是,本文在MUAP波形的識(shí)別過程未增加MUAP發(fā)放規(guī)律的假設(shè),僅限定了MUAP發(fā)放頻率的范圍。此外,本文所設(shè)計(jì)的sEMG分解算法可對(duì)單通道sEMG信號(hào)進(jìn)行獨(dú)立分解,克服了對(duì)其他通道信息的依賴。
  為了滿足sEMG分解對(duì)信號(hào)高信噪比的要求,本文分別采用了分3個(gè)步驟對(duì)原始sEMG信號(hào)進(jìn)行了預(yù)處理

4、。首先,本文采用了橢圓帶通數(shù)字濾波器來消除sEMG信號(hào)主頻帶(20~500Hz)以外的部分低頻和高頻噪聲。其次,基于快速獨(dú)立分量分析算法(FastICA)設(shè)計(jì)算法實(shí)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(duì)稱性等優(yōu)點(diǎn)的coif2母小波對(duì)sEMG信號(hào)進(jìn)行小波包去噪。實(shí)測(cè)sEMG信號(hào)的分解結(jié)果顯示,本文所提sEMG信號(hào)預(yù)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(hào)

5、中主體MUAPTs的先驗(yàn)知識(shí),通常需要專門設(shè)計(jì)相應(yīng)的算法準(zhǔn)確性驗(yàn)證方案。因此,本文構(gòu)建了簡(jiǎn)單的sEMG信號(hào)模型來對(duì)本文所提算法的準(zhǔn)確性進(jìn)行驗(yàn)證。本文分別對(duì)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(zhǎng)的仿真sEMG信號(hào)(采樣率為2kHz)進(jìn)行了分解,每種情況進(jìn)行20組。仿真sEMG信號(hào)分解的結(jié)果顯示,該算法在噪聲水平較高(SNR=20dB)、MUAP疊加程度較輕時(shí)(10%),

6、分解的準(zhǔn)確性較高(90.94%1.27%);
  為進(jìn)一步驗(yàn)證利用本文算法提取出來的主體MUAPTs與相應(yīng)的神經(jīng)肌肉活動(dòng)是否具有相關(guān)性,本文還將該算法應(yīng)用于8名受試者(3組/人)不同手指活動(dòng)模式下的指淺屈肌多通道(12通道)sEMG信號(hào)分解;單通道分解結(jié)果顯示,高力量水平下sEMG信號(hào)中的主體MUAPt能夠被有效檢測(cè)和分類;統(tǒng)計(jì)結(jié)果證實(shí),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(dòng)手指和力量水平具有顯

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論