[发明专利]基于二代小波和ICA的肌电信号降噪与去混迭方法

权利要求书

1.基于二代小波和ICA的肌电信号降噪与去混迭方法，其特征在于该方法包括如下步骤：

步骤(1)，对仪器采集到的含噪声和线性混迭的M路观测信号，X＝[x₁,x₂,?,x_M]^Τ进行二代小波分解；

对每一路信号x[n]进行二代小波分解的具体步骤如下：

①分裂：将信号序列x[n]分成两个互不相交的子集，按奇样本x_odd[n]、偶样本x_even[n]分成两个等长的序列；

②预测：采用一个与数据结构无关的预测算子P，保持偶样本不变，由偶样本估计奇样本x_odd[n]＝P(x_even[n])；如果信号具有局部相关结构，偶样本集合和奇样本集合一定是高度相关的，以一定的精度用一个子集估计另一个子集；原值与预测值之差作为小波系数d[n]，表示为d[n]＝x_odd[n]-P(x_even[n])；

③修正：为了保持存在于原始信号中的某些尺度特性，引入修正算子U，以得到下一尺度上的尺度系数：c[n]＝x_even[n]-U(d[n])；

上面这三步构成一个提升过程，对输出c[n]重复以上提升过程，构成一个完整的离散小波变换；得到表示原始数据的低频成分的尺度系数c_j[n]和表示原始数据的高频成分的小波系数d_j[n]；j为二代小波分解的层级，最高层数记为L；

步骤二，对步骤一所得到的小波系数d_j[n]进行阈值处理得到消噪后的高频系数d'_j[n]，阈值函数如下：

d1′[n]=dj[n]-ατ(1+τα1+τα)0,|dj[n]|<τ,|dj[n]|≥τ]]>

式中α∈[0,1]为一可变参数；当α＝0时，阈值函数等效于原始信号；阈值σ＝1/0.6745med(x)；

步骤三,将步骤二所得的d'_j[n]与步骤一所得的c_j[n]进行小波重构得到消噪后的信号x'[n]；M路信号都经过降噪处理后得到消噪后的肌电信号X'＝[x₁',x₂',…,x_M']^Τ；

步骤四,对步骤三得到的X'进行去均值处理:

X''＝X'-E(X')

其中，去均值后的观测数据X''的协方差矩阵可以分解为C_x＝E[X''X''^T]＝UλU^T，其中U为C_x的特征向量矩阵，λ为C_x的特征值矩阵，λ＝Diag(λ₁,λ₁,...,λ_N)；

对X''进行白化处理：

Z＝BX''

其中，白化矩阵B＝λ^-1/2U^T；去均值和白化过程使信号成为零均值和具有单位方差且各分量互不相关的矢量Z＝[z₁,z₂,…,z_M]^Τ；

步骤五,求解混向量w_i为解混矩阵W的第i列；将步骤四得到的Z带入FastICA算法的迭代式得：

w_i(k+1)＝E{Z(w_i(k)^T)³Z}-3γE{ZZ^T}w_i(k)

k表示迭代次数；随机产生wi(0)，且||w_i(0)||₂＝1；γ为一大于零的可变参数；

步骤六，为保证每次提取出来的都是之前从未提取过的独立分量，在计算w_i,i≥2时，添加正交化步骤，把步骤五中得到的w_i(k+1)含有的已提取的独立分量减去：

wi(k+1)=wi(k+1)-Σj=1i-1(wiT(k+1)wj)wj,i≥2]]>

步骤七，对步骤六得到的w_i(k+1)进行归一化处理：

wi(k+1)←wi(k+1)||wi(k+1)||]]>

步骤八,如果w_i(k+1)^Tw_i(k)收敛于1,则算法收敛,得到一个解混向量w_i，i＝i+1,否则返回步骤五，直至算法收敛；

步骤九,重复步骤五，六，七，八得到解混矩阵W＝[w₁,w₂,...,w_k]；可求出解混信号：

Y＝WZ

即Y＝[y₁,y₂,...,y_k]为最终降噪去混迭的信号。