基于谱插值与经验模态分解的表面肌电信号降噪处理*

根据表面肌电(surface electromyography, sEMG)信号的噪声特性来探讨其降噪方法的应用问题。采用谱插值法来削弱工频干扰以避免工频处的肌电信息成分丢失,再选取通过经验模态分解(empirical mode decomposition, EMD)方法获得的内在模态函数(intrinsic mode function, IMF)分量作小波软阈值分析,并将部分明显的低频IMF干扰分量及冗余分量去除,然后对相应IMF分量进行重构便可得到降噪处理后的sEMG信号。仿真和真实信号的降噪实验结果     

基于改进型形状上下文描述子的字母手势识别

针对基于单目视觉信息的裸手手势,采用了基于改进型形状上下文描述子的分类识别方法。该方法首先通过肤色信息以及背景建模提取手部区域,然后利用单手指模板对手指进行检测,同时采用改进型形状上下文描述子对手部区域整体轮廓进行描述。在此基础上,使用有向无环图支持向量机(Directed Acyclic Graph Support Vector Machine,DAGSVM)对所提取的特征进行模式分类。其中,针对基本算法存在的问题,改进型形状上下文描述子将基于各个轮廓点的形状上下文直方图改为基于重心的形状上下文直方图,以提高计算速度,增强实时性。对30种字母手势,3种控制手势和10个数字手势开展的离线和在线实验结果表明,该方法取得了较好的分类准确率(离线:96%,在线:91%)和较高的实时性(识别时间14~15ms),适用于基于字母手势的实时人机交互。     

一种基于DSP的实时手势交互系统

设计了一种基于DSP的实时手势交互系统,该系统包含多通道无线传感器模块、信号接收及处理模块和手势应用模块.多通道无线传感器模块可直接穿戴于人体,采集并无线发送与手势动作有关的表面肌电(surface electromyography,sEMG)和加速度(Acceleration,ACC)信号,信号接收及处理模块无线接收...     

阵列式表面肌电信号采集仪

采用阵列式电极,通过空间滤波方法可提高表面肌电信号的MUAP分辨能力。本文实现的阵列式表面肌电信号采集仪由表面肌电电极阵列、信号调理电路和数据采集部分构成。表面肌电电极阵列实现了镀金圆盘式和弹簧探针式两种类型,信号调理电路对电极上的肌电信号进行放大和滤波,数据采集部分将调理后的信号转换成数据并进行显示和存储。电极阵列和前级信号调理电路集成在一起,有效的降低了微弱信号通过导线传输所引入的干扰。通过实验,验证了这种阵列式表面肌电采集仪在研究肌肉中动作电位传播和利用空间滤波提高MUAP分辨力的可行性,并证实了镀金圆盘式电极在降低噪声方面、弹簧探针式电极在缩短MUAP时长方面的优势。     

基于盲源分离技术的运动单位动作电位检测

采用独立分量分析(ICA)技术和二阶非平稳源分离(SEONS)算法来研究肌肉轻度收缩情况下的表面肌电信号(SEMG)的运动单位动作电位(MUAP)检测问题,通过仿真实验来探讨两种算法对SEMG信号的分离性能,并将算法应用于肌肉轻度收缩时(10%MVC)的真实SEMG信号分解研究.仿真SEMG信号分解实验结果表明,两种算法对MUAP检测效果均较为满意,且随着噪声的增加有所变差,肌肉轻度收缩时(10%MVC)真实SEMG信号分解实验也论证了两种算法实际应用的可行性.盲源分离(BSS)技术为研究隐含在肌电信号中的运动单位募集和发放等信息提供了有效途径,较符合SEMG信号特性,因而可应用于SEMG信号分解及运动单位动作电位(MUAP)检测等相关领域的研究.