基于小波变换的空域相关法在肌电信号中的应用

为了消除混杂在肌电信号中的噪声,并保留信号的细节,提出了基于小波变换空域相关法的肌电信号消噪方法.文章首先对小波变换和空域相关滤波的基本理论进行了简要的概述,其次就空域相关滤波用于肌电信号的消噪过程进行了详细的分析.通过肌电信号的小波分解,用空域相关法分离信号与噪声,并给出了一种针对肌电信号各层噪声能量阈值的估计算法.实验结果表明,空域相关滤波较好的保留了肌电信号的边缘特征,为肌电信号的特征提取创造了良好的条件.     

基于PCANet和SVM的谎言测试研究

主成分分析网络（Principal Component Analysis Network,PCANet）是基于深度学习理论的一种非监督式的特征提取方法,它克服了手工提取特征的缺点,目前其有效性仅仅在图像处理领域中得到了验证。本文针对当前谎言测试方法中脑电信号特征提取困难的缺点,首次将PCANet方法应用到一维信号的特征提取领域,并对测谎实验的原始脑电信号提取特征,然后使用支持向量机（Support Vector Machine,SVM）将说谎者和诚实者的两类信号进行分类识别,将实验结果和其它分类器及未使用特征提取的分类效果进行了比较。实验结果显示相对未抽取任何特征的方法,提出的方法PCANet－SVM可以获得更高的训练和测试准确率,表明了PCANet方法对于脑电信号特征提取的有效性,也为基于脑电信号的测谎提供了一种新的途径。     

基于非线性特征的表面肌电信号模式识别方法

该文提出一种计算非线性时间序列信号Lyapunov指数的新方法球均值Lyapunov指数计算法,用于肢体肌电信号的特征提取与分类。首先采用所提方法计算出肌电信号的Lyapunov指数,并与关联维组合构成输入特征向量,然后用二叉树法构造基于对支持向量机的多类分类器,对握拳、展拳、腕内旋、腕外旋4类动作模式进行分类识别。实验结果表明,该方法不仅具有比Rosenstein算法更强的抗干扰能力,而且在肌电信号的特征提取与分类应用中取得96.0%以上的识别率,适合于分析信噪比较低的混沌信号。     

基于互信息的脑网络及测谎研究

互信息分析方法是基于信息论提出的一种描述两信号间信息交互情况的算法,其在脑电信号领域的有效性已得到了充分证实.针对当前测谎方法中脑电信号特征提取困难以及大脑整体认知功能分析在脑认知科学研究中越来越被重视的情况,本文首次将互信息分析方法应用到脑电测谎领域中,使用互信息量化大脑各节点之间的相关性,对计算结果进行统计分析,选取出在两类人群中具有显著性差异的电极对的互信息作为分类特征,进行模式识别,得到了99.67%的准确率.这一结果表明,互信息分析方法是一种有效的脑功能连接分析方法,为基于脑电信号连接分析的测谎研究提供了一种新的途径.另外,对说谎与诚实两类受试者的大脑功能网络的分析结果表明：处于说谎状态时,大脑的额叶、顶叶、颞叶及枕叶之间协同实现谎言功能,并在躯体行为所对应的脑区与其他脑区的连接上也表现出相对诚实组的显著性差异,以上结果均有助于进一步揭示谎言的神经活动机制.     

基于人工神经网络的表面肌电信号分类器研究进展

表面肌电信号是一种重要的生理电信号.基于表面肌电信号建立人体康复动作识别系统操作方便,对身体无侵入性,对运动无干扰,有广阔的应用前景.肢体康复动作识别系统很大程度上依赖于信号特征提取和分类器的使用.文中对近几年基于人工神经网络建立的表面肌电信号分类器,包括LVQ分类器、ELM分类器、WNN分类器、ANFIS分类器、Al...     

利用相锁值算法的脑电相同步测谎研究

相锁值（Phase Locking Value,PLV）是由相同步的概念下提出一种描述不同信号相关性（同步性）的算法,在脑电信号领域,其有效性已经得到了验证.本文针对当前测谎方法中脑电信号特征提取困难的问题,首次将相锁值的算法应用到脑电测谎领域中,研究谎言脑活动下不同脑区之间的相关性,通过相关性发现谎言的认知机制,并利用该相关性作为特征,使用支持向量机对说谎者和诚实者的两类信号进行模式识别,得到了88.50%的准确率,提出的方法验证了PLV在测谎应用中的有效性,为基于脑电信号的测谎提供了一种新的途径.     

基于Hermite插值的小波模极大值重构滤波的肌电信号消噪方法

为了消除混杂在肌电信号中的噪声,该文提出了基于Hermite插值的小波模极大值重构滤波的肌电信号消噪方法。该方法先对肌电信号进行小波分解;其次,根据小波系数的奇异性,利用信号与噪声模极大值在小波尺度上的不同变化特性,分离出信号与噪声;再次,用Hermite插值法重构小波系数;最后从重构的小波系数恢复成去噪后的信号。实验结果表明,Hermite插值的小波模极大值重构能有效地去除噪声,提高信噪比,且保留了肌电信号的细节信息,为肌电信号的特征提取和模式识别创造了良好的条件。     

应用小波变换去除膈肌肌电图信号中的心电干扰

膈肌肌电图信号是微弱的人体生物电信号,该信号往往受到被测对象自身心电图信号的严重干扰.本文应用小波变换的分析方法,提出了一种心电定位和小波阈值相结合的去心电新算法.该方法在对信号各层小波系数分析的基础上,通过小波相关系数法确定心电干扰的位置和范围,并用绝对值均值的阈值算法对该范围内的小波系数进行阈值处理.实验结果表明,该方法能够有效去除膈肌肌电图信号中的心电干扰,并较好地保留了膈肌肌电图信号的信号特征,为膈肌肌电图信号用于呼吸疾病的分析诊断创造良好的条件.     

基于灰度理论模型的截肢受试者手势分类方法研究

针对截肢者手势动作特征提取复杂、动作识别率较低的问题,该文提出一种基于灰度模型的特征提取方法.首先对预处理后的肌电信号与加速度信号经滑动窗信号截取.然后提取表面肌电信号均值、灰度模型的驱动项系数和加速度信号的绝对值均值构成特征向量,最后对滑动窗截取信号特征进行连续的识别.该文采用NinaPro(Non invasive adaptive Prosthetics)公开数据集对提出的方法进行验证,实验表明该文算法能够有效提取肌电和加速度信号的特征,对9名截肢受试者的17类手势动作的平均识别率达到91.14％,提高了17类手势的识别准确率,为仿生假肢人机交互控制算法提供了一种新的思路.     

脑电信号预处理方法研究综述

脑电信号是一种复杂且重要的生物信号,被广泛应用于类脑智能技术和脑机接口领域的研究。文中介绍了干扰正常脑电信号的常见非生理性伪迹和生理性伪迹的类型及特点,并对生理性伪迹的产生原因进行了详细分析。通过对各种脑电信号去除伪迹方法的回顾以及应用现状的分析,比较并总结了传统去除伪迹方法和新型去除伪迹方法的研究进展,并进一步分析去除伪迹方法的优缺点。部分方法已经成功应用于处理脑电信号中的眼电、心电和肌电等伪迹中。文中还针对目前脑电信号去除伪迹的需求及所面临的问题给出了应对策略,并对未来的研究方向进行了分析和展望。     

Microcomputer-based portable long-term spasticity recording system

A device for long-term monitoring of muscle activity (EMG) with surface electrodes and method of its application are described in this paper. This device is called a microcomputer two-channel EMG monitor. The device can be used for up to 24 h monitoring of EMG activity, followed by data transfer to a host computer for signal analysis. This device records amplified, rectified, and integrated EMG activity. Shorter recording time allows shorter sampling periods suitable for different other EMG analysis. Recording of spontaneous EMG in complete spinal cord injured subjects was the original reason for the design of the long-term monitor. These recordings were used for estimation of spasticity in complete spinal cord patients.     

基于DSP的肌电信号采集处理

肌电信号(Electromyography)EMG作为一种重要的生物电信号,已经被广泛应用于仿生学、生物反馈、运动医学和康复工程中。近年来,肌电信号的研究发展日益迅猛。本文主要研究了肌电信号的采集、分析,基于现有的数据采集放大电路和DSP开发平台,找出肌肉产生肌电信号较强的位置即最合适安放采集电极的位置。本文选择了九种手势动作,运用MATLAB对做不同手势动作时采集的肌电信号进行离线分析,同时对肌电信号进行滤波处理,分析得出结论。对采集过程中的干扰源进行分析,尽可能减少50Hz工频信号的干扰。     

相关熵与循环相关熵信号处理研究进展

在无线电监测和目标定位等应用中,接收信号经常会受到脉冲噪声和同频带干扰等复杂电磁环境的影响,传统的基于2阶统计量的信号处理方法往往不能正常工作,基于分数低阶统计量的信号处理方法也由于对信号噪声统计先验知识的依赖性而遇到困难。近年来提出并受到信号处理领域普遍关注的相关熵和循环相关熵信号处理理论与方法,是解决复杂电磁环境下信号分析处理、参数估计、目标定位和其他应用问题的有效技术手段,有力促进了非高斯、非平稳信号处理理论方法和应用的发展。该文系统性地综述了相关熵和循环相关熵信号处理的基本理论和基本方法,包括相关熵与循环相关熵的起源背景、定义概念、性质特点,以及所包含的数学物理意义。该文还介绍了相关熵与循环相关熵信号处理在多个领域的应用问题,希望对非高斯、非平稳统计信号处理的研究和应用有所裨益。

     

Singularity characteristics of needle EMG IP signals

Clinical electromyography (EMG) interference pattern (IP) signals can reveal more diagnostic information than their constituents, the motor unit action potentials (MUAPs). Singularities and irregular structures typically characterize the mathematically defined content of information in signals. In this paper, a wavelet transform method is used to detect and quantify the singularity characteristics of EMG IP signals using the Lipschitz exponent (LE) and measures derived from it. The performance of the method is assessed in terms of its ability to discriminate healthy, myopathic and neuropathic subjects and how it compares with traditionally used Turns Analysis (TA) methods and a method recently developed by the authors, interscale wavelet maximum (ISWM). Highly significant intergroup differences were found using the LE method. Most of the singularity measures have a performance similar to that of ISWM and considerably better than that of TA. Some measures such as the ratio of the mean LE value to the number of singular points in the signal have considerably superior performance to both methods. These findings add weight to the view that wavelet analysis methods offer an effective way forward in the quantitative analysis of EMG IP signal to assist the clinician in the diagnosis of neuromuscular disorders.     

Estimation of motor unit conduction velocity from surface EMG recordings by signal-based selection of the spatial filters

Muscle fiber conduction velocity (CV) can be estimated by the application of a pair of spatial filters to surface electromagnetic (EMG) signals and compensation of the spatial filter transfer function with equivalent temporal filters. This method integrates the selection of the spatial filters for signal detection to the estimation of CV. Using this approach, in this paper, we propose a novel technique for signal-based selection of the spatial filter pair that minimizes the effect of nonpropagating signal components (end-of-fiber effects) on CV estimates (optimal filters). The technique is applicable to signals with one propagating and one nonpropagating component, such as single motor unit action potentials. It is shown that the determination of the optimal filters also allows the identification of the propagating and nonpropagating signal components. The new method was applied to simulated and experimental EMG signals. Simulated signals were generated by a cylindrical, layered volume conductor model. Experimental signals were recorded from the abductor pollicis brevis with a linear array of 16 electrodes. In the simulations, the proposed approach provided CV estimates with lower bias due to nonpropagating signal components than previously proposed methods based on the entire signal waveform. In the experimental signals, the technique separated propagating and nonpropagating signal components with an average reconstruction error of 2.9 +/- 0.9% of the signal energy. The technique may find application in single motor unit studies for decreasing the variability and bias of CV estimates due to the presence and different weights of the nonpropagating components.     

基于独立成份分析的肌电信号消噪方法研究

本文提出了一种基于独立成份分析(ICA)的改进方法,去除肌电信号中的心电噪声。该方法基于独立成份分析算法,在肌电成份中分解出心电独立成份:对分解出的心电独立成份进行低通滤波处理,进一步降低了其中肌电成份;而将其反向投影回原始信号空间,并从原始信号中除去,以便在最大程度上消除肌电信号中的心电干扰成份。真实16通道单极性肌电信号的处理和分析表明,该方法取得了较好的效果。     

Electromyography signal segmentation method based on spectral subtraction backtracking

Surface electromyography (EMG) is a bioelectrical signal that recognizes speech contents in a non-acoustic form. Activity detection is an important research direction in EMG research. However, in the low signal-to-noise ratio (SNR) environment, it is difficult for traditional methods to obtain accurate active signals. This paper proposes a new energy-based spectral subtraction backtracking (E-SSB) method to segment EMG active signal in the low SNR environment. Compared with traditional energy detection, the algorithm in this paper adds spectral subtraction (SS) to filter out the clutter, and raises a retrospective idea to improve the classification performance. The experiment results show the proposed activity detection method is more effective than other methods in the low SNR environment.     

探地雷达回波信号处理及其应用

探地雷达是近年来快速发展的一种高精度无损探测技术，目前被广泛应用于建筑、环境、考古等各个工程领域。主要介绍了探地雷达回波信号处理的主要方法，这些方法能有效地消除各种干扰，有利于探地雷达的进一步推广和使用。最后通过工程应用中的实测数据和处理结果证明了各种处理方法的有效性。