[发明专利]人体表面肌电信号单通道盲源分离法

说明书

技术领域

本发明属于电子信息技术领域，具体涉及一种人体表面肌电信号单通道盲源分离法。

背景技术

人体表面肌电信号是神经肌肉系统进行随意性和非随意性活动时，生物电变化经表面电极引导而获得到的一维电压时间序列信号。肌电电极所采集到的表面肌电信号，幅值较低，易受到周围环境噪声干扰，盲源分离方法能够对于噪声的抑制具有较好的效果。在脱机的情况下，采用盲源分离方法处理人体前臂的表面肌电信号后，识别人的各种手势准确率高达99%。

对于信号的多通道传输，大都采用多接口和连线，或者复用和解复用技术，这些方法缺点是采用设备复杂度较高，花费成本高。

单通道盲源分离是盲源分离的一种极端的情况，即在未知信号混合的方式的情况下，凭借单通道信号恢复出多通道信号，人们在这方面的探索也是刚刚展开，目前常见的方式是将单通道通过某种方法转化为“虚拟多通道”，最后利用独立成分分析ICA进行分离得出原信号。

目前主要的单通道盲源分离法有以下三种类型：                                                单通道ICA分析（single channel ICA）即SCICA，当信号的频谱相距较近，对于如母婴心跳的混合信号，用SCICA方法不能进行分离；对信号奇异值分解（Singular Value Decomposition, SVD）后再进行ICA处理，即SVD_ICA和奇异谱分析Singular Spectrum Analysis，SSA）后进行ICA处理，即SSA_ICA，此两种方法对于信号频谱重叠时，分离信号效果较差，出现混叠；小波分解（Wavelet Decomposition）后进行ICA处理，即Wavelet_ICA和经验模态分解（Empirical Mode Decomposition，EMD）后进行ICA处理，即EMD_ICA，此两种方法在信号的频谱重叠的情况下仍能进行分离，运用小波分解时需要针对不同的信号进行选取小波，而EMD分解是根据信号的特征提取出本征模态函数（Intrinsic Model Function），即IMF，具有很强的自适应性；由于所采集到的人体表面肌电信号频谱在一定情况下会重叠，实际对比Wavelet_ICA 和EMD_ICA, 发现EMD_ICA分离效果波形平滑，更接近原信号，但EMD_ICA方法处理过程速度较慢，过程中需要人凭借经验进行信号的挑选，智能性不高。

发明内容

本发明目的是提供一种利用单通道盲源分离法对人体肌电信号进行采集的方法，可以有效地克服现有技术的缺点。

本发明是这样实现的，其特征在于采用的模块包括有多通道输入单通道输出的肌电信号预处理模块和单通道输入多通道输出的肌电信号单通道盲源分离模块，其实施步骤是：

A、将采集到多路肌电信号通过屏蔽导线送到肌电信号预处理模块直接相加，得到预处理单通道肌电信号；

B、将预处理所得到的单通道肌电信号送到肌电信号盲源分离模块，进行总体经验模态分解（Ensemble Empirical Mode Decomposition），即EEMD分解，主成份分析PCA降维和独立成分分析ICA，实现多路表面肌电信号通过一个输入口采集，多路输出口输出：

B.1、总体经验模态分解EEMD处理得到本征模态函数IMFs； 

a、将预处理所得到的单通道肌电信号,多次加入具有均值为零、标准差为常数的白噪声,即为,其中为加入白噪声之后的信号，为第i次加入的白噪声，白噪声n_i(t)的准则为，，，其中，表示加入的高斯白噪声标准差，表示肌电信号中有效高频成分的幅值标准差，表示肌电信号幅值标准差，为比例系数，通常情况下，=能有效避免肌电信号分解中的模式混淆；

b、对所得到的信号进行经验模态分解EMD，得到各自的IMF记为,和余项。其中表示加入白噪声后分解得到的第个IMF；

c、将步骤b所得到的IMF进行总体平均运算，得到IMFs为，其中，为对原信号进行EEMD分解后所得到的第个IMF。由此可以得到IMF分量矩阵,其中，为单通道肌电信号经EEMD分解后的IMF个数，上标T为转置运算；

B.2、对得到IMF分量进行PCA降维：