一种滤除表面肌电信号中工频干扰新型方法.docVIP

一种滤除表面肌电信号中工频干扰的新型方法 　　摘 要： 为了在滤除表面肌电信号检测中的工频干扰，在硬件检测电路中采用屏蔽检测单元、隔离检测设备、设备良好接地等方法；数字滤波部分结合实际，使用集合经验模式算法，由集合经验模式算法分解出的本征模态函数构成自适应滤波器。最后经过使用最小均方误差算法以及配合集合经验模式算法提高自适应滤波器的运算效率。为评定该自适应滤波器性能，实验基于Matlab及硬件采集设备进行了手前臂表面肌电信号检测和滤波，结果表明所设计的方法对不同相位、不同频率的工频干扰都有良好的抑制消除作用。 　　关键词： SEMG； 工频干扰； EEMD； 自适应滤波； LMS 　　中图分类号： TN911?34 文献标识码： A 文章编号： 1004?373X（2015）04?0030?05 　　0 引 言 　　表面肌电信号（Surface?Electromyography）包含一定区域内肌肉活动的原始信息以及多种不可避免产生的噪声[1]。 　　这些噪声严重影响了SEMG信号检测，而工频干扰作为生物信号采集中一重要干扰源[2]正好落入SEMG信号的主要信号频率范围内，随时间相位和频率发生变化的工频噪声更加难以滤除，使得滤除在SEMG信号检测中的工频干扰技术尤为关键。近年来，已经有多种滤除工频干扰的方法应用在SEMG信号检测中。包括：利用带阻滤波器在电路上滤除工频干扰[3]，也有利用数字陷波器，将采集的模拟信号量化为数字信号后，利用频谱插值法[4]、自适应滤波[5]、小波变换[6]等进行滤波处理。 　　本文首先在硬件电路上使用抑制工频干扰的方法，并在其后提出一种基于经验模式分解（Empirical Mode Decomposition）[7]，使用自适应滤波器的滤除EMG信号采集中的工频干扰。使用自适应滤波器来滤除工频干扰，首次是由 B.Widrow提出的[8]。通过EMD分解得到的若干个本征模态函数（Intrinsic Mode Function）分量具有不同的频率成份和不同带宽，同时其频率成份和带宽是由分解信号的不同而变化的，即EMD分解方法也可看作是一组具有自适应特性的带通滤波器[9]，由于IMF的频率分辨率具有自适应性，同时其还具有自适应的滤波特性；将SEMG信号通过EMD分解为一系列本征模态函数IMF，而工频干扰可大致模拟为正弦信号，且可被视作为一个IMF函数进行选择性重建，使用该函数作为自适应滤波器的参考输入，即可完成自适应完成滤波。在EMD算法的基础上，为提高算法性能，经过数据对比，采用EMD算法的优化算法集合经验模式算法（Ensemble Empirical Mode Decomposition）算法替代EMD算法，并选择最小均方算法（LMS）算法配合EEMD算法完成最终的自适应滤波器设计，完成对工频干扰的滤除。仿真结果表明，经EEMD算法分解原始信号并搭配使用LMS算法构造的自适应滤波器在滤除不同相位和不同频率下的工频干扰有良好表现。 　　1 工频干扰的引入途径 　　最常引入的外界干扰信号即是市电的工频干扰，其根本原因是仪器电势与环境电势的差异[10]。产生电势差异来自以下三个方面： 　　（1） 市电供电电器干扰。生活环境中的其他的日常电器都会产生交变电场，且空间重置大量电力线辐射。这些交变电场和空间电磁场都会产生相应工频干扰。 　　（2） 检测仪器未良好接地。市电的地线与大地之间存在着接地阻抗，如果SEMG检测端单元与其他市电电源共用一个地，且市电没有规范 　　布线和良好接地，电势差可达100～200 V。 　　（3） 检测者本身。由于被检测者身体不可避免的处在空间各种电磁场之中，被检测者的身体受感应电磁场而产生感应电流，会同时将感应工频电流；进而噪声混入采集信号当中。 　　2 解决方法 　　2.1 前置放大电路的处理 　　在前置放大硬件电路上采用如下方法抑制工频干扰： 　　（1） 在保证前级放大电路高增益的情况下，针对市电供电电器干扰，需将外界电磁场辐射屏蔽于检测设备之外。首先生理检测设备置于金属屏蔽盒内并良好接地，且前级放大电路应尽可能地靠近表贴电极，缩短检测电极与放大器之间的连线，并使用屏蔽电缆将放大单元与采集电极相连。 　　（2） 在采集中采用隔离的方法，即使得SEMG采集设备与市电系统中没有任何通路。检测设备使用直流电压供电，干电池可作为选择。 　　（3） 考虑到电池供电会使设备受到电池容量及工作时间的限制，因此若采用市电供电，必须利用光耦隔离，将市电供电单元与采集放大电路完全隔离开来。在某些文献中也研制出了带有放大功能的检测电极，也在部分研究中得到使用，具有一定抑制工频噪声的效果[11]。 　　（4） 受试者本身引入的工频干扰由检测电极处引入，解决方法