专利名称：基于经验模态分解和分形的表面肌电信号模式识别方法
基于经验模态分解和分形的表面肌电信号模式识别方法技术领域
本发明属于模式识别领域，涉及一种肌电信号模式识别方法，特别涉及一种基于肌电信号的手部多运动模式识别方法。
背景技术：
肌电信号(EIectromyography, EMG)是一种伴随肌肉活动的生物电信号，是众多肌纤维中运动单元动作电位的叠加，蕴涵了肌肉活动的各种信息。而表面肌电信号(Surface electromyography , sEMG)则是浅层肌肉EMG和神经干上电活动在皮肤表面的综合效应。 表面肌电信号在生理基础上具有高度非线性特征，是一个非线性的动力学系统。因而，对表面肌电信号的研究采用非线性分析方法，如混沌、分形理论是一个值得重视的方向。
目前，已有一些科研机构的学者以混沌、分形理论作为数学工具，对肌电信号进行各种目的的研究。国外，克罗地亚萨格勒布大学的Cifrek，Mario用表面肌电信号的分维数对肌肉疲劳程度进行参数估计。澳大利亚墨尔本大学的Naik,. Ganesh R、泰国宋卡大学的phinyomark Angkoon等用分形的方法研究了上臂弱肌电信号的多模式分类问题，并把研究成果应用到人机接口技术中。国内，清华大学的王人成，上海交通大学的王立中等、浙江大学的刘加海，王健等在混沌、分形理论应用于肌电信号信息处理方面做了较多的工作。 然而，综合这些学者的研究成果发现，现有的对肌电信号的研究，大都采用单分形理论，对所研究的肌电信号仅做整体的奇异性评价，如在模式识别时，提取整体信号的Lyapunov指数、分形维等，而没有研究信号的局部奇异性特征。发明内容
表面肌电信号具有非线性非平稳特性，为了有效地提取表面肌电信号的特征和提高手部多运动模式识别率，本发明提出了一种经验模态分解(Empirical Mode Decomposition, EMD)与多重分形分析相结合的特征提取方法。首先从相关肌肉组上采集相应的表面肌电信号，然后用经验模态分解的方法提取肌电信号的多层内在模态函数 (intrinsic mode function, IMF),利用多重分形分析的方法提取各层内在模态函数上的广义维数谱，从而实现了对表面肌电信号在不同层次上的奇异性测度，提高了对信号几何特征和局部尺度行为刻画的精细程度。最后，以各层模态函数上的广义维数谱作为模式识别的特征向量，以支持向量机为分类器实现多运动模式的分类与识别。
为了实现以上目的，本发明方法主要包括以下步骤步骤(I).获取人体上肢肌电信号样本数据，具体是首先通过肌电信号采集仪拾取人体上肢肌电信号，再采用空域相关滤波方法对含有干扰噪声的肌电信号进行消噪。
所述的空域相关滤波方法，具体如下用空域相关滤波对采集的SEMG信号进行消噪预处理，由于空域相关滤波中涉及噪声能量阈值的设定，且噪声能量阈值的设定没有通用的算法，因此给出一种针对SEMG信号的噪声能量阈值设定算法。算法的具体实现如下由于手部未动作时采集的SEMG信号对应为信号的噪声，若对该含有噪声的 SEMG信号进行多尺度小波分解，各尺度的高频系数的首尾部分对应手部无动作时的SEMG信号，因此可以用手部无动作时的SEMG信号的高频系数来估计各层的噪声能量门限。以伸腕动作SEMG信号为例，取伸腕动作SEMG信号小波变换高频系数的前个与，取到的这些点对应于手部未动作时SEMG信号的高频系数，用这些点的方差来估计 SEMC信号的噪声能量阈值，此时滤波算法中用下式控制迭代过程r^ FarQFft(J^k)) > VariWfO,^)) k= 1,2,---,N ■ ^=1,2,···,η(I)其中r €(CU]为比例系数，是根据经验和实验确定的；Var(Wf(JM为迭代后的高频系数的方差；&轉'a*)为估计的噪声能量阈值。当上式成立时迭代继续，否则停止。
空域相关法利用真实信号的小波系数在各尺度上的相关性，使得小尺度上的真实信号的小波系数得以突显，从而实现了真实信号的小波系数与噪声小波系数的分离，取得了比较好的滤波效果。
步骤(2).将步骤(I)获取的肌电信号进行经验模态分解，得到表示肌电信号细节构成的多层窄带信号即内在模态函数。
经验模态分解(EMD)方法是Huang等人于1998年提出的一种时间序列处理方法。 该方法根据信号本身的局部特征将信号分解成一组内在模态函数(IMF)。其实质是将非线性非平稳信号分解成一组单分量近似窄带信号。每个IMF满足下面条件I)整个IMF中极点数(包括极大值和极小值)和零点数相等或至多相差I。
2)信号关于时间轴对称，即信号由局部极大值确定的包络线和局部极小值确定的包络线均值为零。
EMD的分解步骤如下I)求信号的局部极大、极小值。通过插值函数获得信号的上下包络线。并对上下包络线求平均，记为W1⑷。
2)设原信号为,用原信号减去叫⑷，记为。
3)判断~的是不是符合基本模态分量的两个要求，是则将赋值给C1咎；)，不是则把.MO看作外)，重复前二步先得到W W ,再得到=。判断MO 是否满足MF的要求，不满足则不断循环直至i次循环后得到的.V (O满足頂F的要求。记 C1 (t) = hm (I)。q P)可以看成是信号的一个基本模态。
4)记厂! ( ) = s⑷-q ( )。
将Ml)作为信号S⑷，重复I)到4)步求出由此循环可继而求出第二阶頂F、......、第#-1节IMF，第”阶剩余信号可表示为{t、S (t) = γ ( ，当& ( )满足某个控制条件时，筛选结束。原始信号x(t)表示为
权利要求
1.基于经验模态分解和分形的表面肌电信号模式识别方法，其特征在于该方法包括如下步骤 步骤(I).获取人体上肢肌电信号样本数据，具体是首先通过肌电信号采集仪拾取人体上肢肌电信号，再采用空域相关滤波方法对含有干扰噪声的肌电信号进行消噪； 步骤(2).将步骤(I)获取的肌电信号进行经验模态分解，得到代表肌电信号细节构成的多层窄带信号，即内在模态函数； 步骤(3).对步骤(2)所获得的内在模态函数进行多重分形分析，提取其广义维数谱，作为肌电信号多模式识别的特征向量； 步骤(4).以步骤(3)获取的特征向量输入对支持向量机进行分类识别，获得识别结果O
2.根据权利要求I所述的基于经验模态分解和多重分形的表面肌电信号模式识别方法，其特征在于所述的多重分形分析，提取其广义维数谱，具体如下设肌电信号时间 序列 为( - ia},嵌入维数,时间延迟为τ,则重构相空间为 式中，Xi为相空间中的第 个相点，相空间中的点数为N= n-{m-l)r ；构造其相空间后，以.呢维相空间集{4}中的一点X1 =( ,; ,…, )作为参考点，计算另外反-I点与它的距离，则可统计出落于以点X1为中心，以小标量r为半径的体积元中的点的个数，从而得到f阶关联积分CT 幻 其中/0)为Heaviside阶跃函数； 计算广义维数谱4算法步骤如下 1)把一维时间序列信号转换到相空间，求出相点间的最大伸展距离<·； 2)依据Cfmax的大小确定计算关联积分时^·增幅，确定需计算的小标量，初始个数丨，&为单调上升I = HJ ;根据公式⑵求得q)，计算数据点对(ln%),MC^(风rA)))，为表达方便，令为；3)根据下式计算数据组的斜率 4)增加i的值，根据公式(3)重新计算是值，若连续多次的值变化极小，则停止计算，以最后几次所得A值的平均，作为肌电信号的广义维数谱&。
全文摘要
本发明涉及一种基于经验模态分解和分形的表面肌电信号模式识别方法。现有的方法大都采用单分形理论，对肌电信号仅做整体的奇异性评价，而没有研究信号的局部奇异性特征。本发明首先从相关肌肉组上采集相应的表面肌电信号，然后用经验模态分解的方法提取肌电信号的多层内在模态函数，利用多重分形分析的方法提取各层内在模态函数上的广义维数谱。最后，以各层模态函数上的广义维数谱作为模式识别的特征向量，以支持向量机为分类器实现多运动模式的分类与识别。本发明提出利用多重分形分析的方法提取各层内在模态函数上的广义维数谱作为表面肌电信号的特征，具有较好的鲁棒性，能从信噪比相对较低的肌电信号中计算出稳定的特征数据。
文档编号A61B5/0488GK102930284SQ20121033735
公开日2013年2月13日 申请日期2012年9月13日 优先权日2012年9月13日
发明者张启忠, 席旭刚, 罗志增, 佘青山, 高云园 申请人:杭州电子科技大学