从肌电信号中减少工频干扰方法的性能比较分析

如何从肌电信号中有效地减少工频干扰一直是肌电信号检测与应用中的突出问题。本文总结数字陷波、LMS自适应滤波、卡尔曼(Kalman)滤波和S变换等几种适合进行实时工频干扰去除的方法,研究和分析它们在去除肌电信号中工频干扰的性能。初步结果表明:Kalman滤波方法在从肌电信号中减少工频干扰方面表现出了较好的整体性能,而S变换方法对具有严重工频干扰的肌电信号具有较好的噪声抑制效果。     

几种自适应线性判别分析方法在肌电假肢控制中的应用研究

体表肌电信号会随着外部或人体内部环境变化而发生改变，这种时变特征使得固定参数肌电模式分类器的分类精 度会随着时间的延长而下降。为了获得具有稳定性能的肌电假肢控制系统，在肌电模式分类器中加入自适应机制是很有 必要的。本文以传统线性判别分析(Linear Discriminant Analysis，LDA)为基础，尝试在肌电模式分类器中引入三种自适应 方案，并探讨了这三种方案在肌电模式分类应用中的优缺点。初步研究表明：自增强线性判别分析(Self-enhancing LDA， SELDA)分类器和循环训练集线性判别(Cycle Substitution LDA，CSLDA)分类器都能够将识别准确率提升 5% 左右。其 中，SELDA 是一种有效的自适应方案，而 CSLDA 可以得到更高的识别率提升和更好的稳定性，但是计算量较大，需要 更大的代价。卡尔曼自适应线性判别(Kalman Adaptive LDA，KALDA)分类器单独使用效果不明显，需要进一步改进或结 合其他方法使用。