基于EMD分解的表面肌电信号动作模式识别.pdfVIP

振 动 与 冲 击 第27卷第 11期 JOURNALOFVIBRATIONANDSHOCK 基于 EMD分解的表面肌电信号动作模式识别 时改杰 ， 雷 敏 ， 孟 光 (上海交通大学 机械系统与振动国家重点实验室 振动冲击噪声研究所，上海 200240) 摘 要：从非平稳非线性的角度 发，将经验模式分解方法与最大李雅普诺夫指数相结合，对前臂运动时的表面 肌电信号进行分析研究 ，并取得了很好的动作识别效果，研究结果表明该方法可为提高动作表面肌电信号的识别率提供 一 种新的研究手段。 关键词：动作表面肌电信号；经验模式分解；最大李雅普诺夫指数；BP神经网络 中图分类号：TN911．7 文献标识码：A 肌电信号(Electromyographic，EMG)是一种复杂的 EMD思想来源于任何信号都由一组假设相互独立 生物医学信号，是肌肉收缩时所产生的电波动，既与肌 的简单振动内在模态函数构成。内在模态函数必须满 肉本身的组织生理特性有关，也与神经控制系统有 足以下条件：完整数据所有极值点个数与零点数 目相 关 。因此，肌 电信号的研究分析已成为临床诊断、康 等或相差不超过一个，并且局部极大值形成的包络线 复医学、生物机械等诸多领域的研究热点。 与局部极小值形成的包络线平均值为零或很小。值得 针对人体前臂的不同动作，本文将利用动作表面 说明的是：这些固有模态并非实际存在，而是 EMD方 肌电信号(ActionsurfaceElectromyographic，ASEMG)来 法为了计算而进行的假设。 解析前臂的运动状态。动作表面肌 电信号具有很强的 EMD分解过程如下： 非平稳性和非线性 J，最大 Lyapunov指数是非线性的 (1)确定信号 ()所有局部极值点，用3次样条 典型特征指标，经验模式分解是一种 自适应的信号处 曲线连接所有极大值点形成上包络线，连接所有极小 理方法，非常适合处理非线性非平稳的信号。为了能 值点形成下包络线，上下包络线应包含其中所有数据； 够从表面肌电信号中获取更多更有意义的动作信息， (2)将上下包络线进行平均则得到平均包络 本文提出将经验模式分解和最大 Lyapunov指数的方 m (t)；求得 法，对表面肌电信号进行特征提取分析。 h(t)= (t)一m (t) (1) 假如h(t)满足 IMF条件，即被定义 (t)的第一个 IMF 1 理论方法 分量；如不满足 IMF条件，将 h(t)视为原始数据重复 1．1 经验模式分解 (EmpiricalModeDecomposition， (1)一(2)过程 次，直到满足 IMF条件为止，记作 EMD) C(t)。C(t)应该包括信号的第一尺度或最短周期 EMD方法是Huang等人于 1998年提出的一种新 成分。 的时问序列处理方法 J。该方法根据信号本身的局部 (3)从原始信号 ()中分离出C(t)，即： 特征时间尺度将信号分解成一组内在模态函数(Intrin— r(t)= (t)一C1(t)； (2) sicModeFunction，IMF)，这些 IMF函数是完备的，也 然后将r()视为原始数据，重复上述过程，得到 (t) 是近似正交的。EMD分解不是通过积分变换来处理信 的第二个 IMF分量 C：(t)。重复上述过程n次，可得到 号的，而是依据完整信号的一种算法处理，即通过寻找 n个 IMF分量C(t)…C(t)。这样可