排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
肌电(EMG)信号分解是EMG信号产生的逆过程。通过EMG分解获取完整的运动单元(MU)的波形和发放信息,需完成复杂的叠加波形分解过程。首先,基于小波滤波和小波阈值估计技术去除EMG信号中的噪声;接着,利用幅度-斜率双阈值法检测出MUAP波形;然后,采用分类功能强的模糊K均值聚类技术对波形进行聚类,再利用最近邻法将未分配波形分类;最后,采用基于伪相关相似性度量的剥落法,进行叠加电位波形分解,实现肌电信号的完全分解,获取完整的MUAP波形和发放模式。利用对来自正常人的真实EMG信号和模拟EMG信号进行实验,系统平均正确率可达87%以上。 相似文献
2.
应用小波变换和ICA方法的肌电信号分解 总被引:2,自引:0,他引:2
基于单通道、短时真实肌电(EMG)记录和模拟EMG信号,提出一种改进的肌电信号分解方法。首先应用小波滤波、硬阈值估计等方法去除背景噪声和白噪声,并将独立成分分析(ICA)方法和小波滤波方法相结合去除工频干扰信号,然后再进行幅度滤波,从而提高了系统的速度和强健性。在运动单元动作电位(MUAP)聚类以及从原始信号中去除已识别的MUAP波形等方面也进行了改进。与已有的EMG分解方法相比,本文方法更快速、稳定。 相似文献
3.
一种改进的经验模型分解方法 总被引:1,自引:0,他引:1
在对复杂信号进行分析中,常把它展开成一系列基本信号,然后,通过研究每个基本成分或者相应系数的特点来分析复杂信号。Huang等人提出经验模型分解方法(Empirical Mode Decomposition,EMD),通过筛选,将复杂信号中分解成一系列内在模型函数(Intrinsic Mode Function,IMF)。在本论文中,作者对经验模型分解中的一个重要的筛选过程作了部分改进,提出了一种改进检验模型分解法(Modified EMD,MEMD)。利用改进检验模型分解法,能够既快又准确地获得内在模型函数,而且,得到的内在模型函数能保留原信号中各成分的瞬时频率的规律。 相似文献
4.
5.
6.
1