信号ppt资料.docVIP

表面肌电信号的定义： 表面肌电信号(surface electromyography，sEMG)肌肉兴奋时所募集的运动单位产生的一个个动作电位序列在皮肤表面叠加而成 sEMG的特点： 1，无创性：因为表面肌电信号是从人体皮肤表面通过电极记录下来的神经肌肉活动所产生的一种生物电信号,对病人没有创伤，而且病人容易接受。 2，微弱性：因为表面肌电信号本身就是一种特别微弱的信号，再加上利用贴片电极记录肌电信号时人体的皮肤存在一定的阻抗，所以信号会更加微弱。 3，易受干扰：肌电信号特别容易受到外界的干扰，例如：仪器的工频干扰，外界的噪声干扰以及电磁辐射等等都会对信号的采集造成干扰。 4，随机性强【1】：肌电信号的幅值具有一种随机性即它幅值在0到6mv左右波动。 表面肌电信号的采集： 二， （1）sEMG数据的采集 人体全身的肌肉共有639块约由60亿条肌纤维组成 三， 数据的预处理 因为sEMG信号的特性就注定我们在采集到的数据中会出现各种各样的干扰因此在对表面肌电信号进行分析时我们要对其进行相应的预处理即去除sEGM信号中的工频干扰这个我们采用50HZ陷波器来处理这样可以较好的去掉工频干扰，在然后我们通过IIR对其进行10到500HZ的带通滤波处理即就完成了对原信号的预处理。【2】 50HZ陷波器的幅频特性如下图所示： 图3，IIR带通滤波器的幅频特性 四 （3）肌电信号的分析： 在过去很长的一段时期,肌电信号的处理依靠医生目测和作一些简单的统计处理。但是随着现代电子技术的发展,计算机的引入,使肌电的数字化分析处理成为了可能,由此产生了多种sEMG的分析方法，下面就列举了几种分析。 1）时域分析 时域分析是将sEMG看作时间的函数,通过分析得到sEGM的某些统计特征,如对sEMG计算信号的整形平均值，方差、幅值的直方图、均方值、三阶原点矩或四阶原点矩【3】将其作为信号特征用于各种临床应用当中例如：假肢等等。但是在其他方面除了方差能代表信号的能量,大多数没有意义。而且由于表面肌电信号比较微弱,往往淹没于各种噪声之中,信号的时域特征难以提取，因此，一般在分析时很少会用到时域分析这种分析方法。 均值=-0.00012 标准差=0.17024 方差=0.02898 五， 2）频谱分析 我们一般的频谱分析就是利用傅立叶变换把时域信号变为频域信号,再对信号进行频谱或功率谱分析,常用的就是快速傅立叶变换(FFT)。sEMG在频域常用的指标有中值频率、均值频率、最高波峰幅值等。这种方法在sEMG的检测与分析中,具有重要的应用价值例如：分析肌肉的自发发力，控制用力等,但是它也存在一定弊病。换句话说我们在使用傅立叶变换研究信号时,要求信号全部时域信息,这是不可能的;此外,在频域中信号在某一时刻的变化将影响全部信息。而且sEMG是随机信号,因此用傅立叶变换来实时分析sEMG受到了阻碍。 六， 3）参数模型法 近年来,参数模型法因为频率分辨率高成为sEMG分析的重要手段,其中典型的是AR（自回归）、ARMA两种模型法。傅立叶变换要求信号是平稳的,参数模型法只要求信号满足短时平稳条件即可,sEMG刚好可以满足。AR参数模型法将随机性和可测性有机地结合起来,其中激励白噪声反映过程的随机性,确定性模型反映过程的可预测性,因此随机信号的性质可以用模型的若干参数(或零极点)来表示。这样就使得分析特别简单，而且对于信号的功率谱能够进行较好的估计；但是经过试验表明当模型的阶数大于4~6以后会让运算量增大。在AR模型中信号中的每一个信号X（k）都被描述成为前p个样本点和噪声的线性组合： e(k)是白噪声，ai ,, p是模型的系数和阶数 该种方法比较适合用于局部肌肉的疲劳检测。 七， 4）时—频分析法 sEMG是非平稳信号。对非平稳信号,近年来产生的将时域和频域结合起来的时频分析法引起了人们的关注,其中有维格纳分布和小波变换在肌电分析中有广泛的应用。 A:维格纳分布（WVD）是信号在由时间、频率组成的二维平面上的能量密度分布,在时频空间上能提供高分辨率的信号特征和很好的抗噪声性能,在信号处理中颇有前景，但是我们在得到时域数据的时候会出现交叉项即伪信息，这样会影响到特征信息的提取。 B：小波变换（WT）是傅立叶变换的新发展。能够克服交叉干扰的问题，小波变换既能在整体上提供信号的全部信息,又能提供在任意时段信号变化的信息。利用小波变换的时频定位特性,可以实现信号的时变谱分析,可以在任意细节上分析信号,而且对噪声不敏感,因此小波变换是sEMG分析的有力工具,如Constable等等，利用小波变换对sEMG进