[发明专利]利用独立分量分析进行EMG信号特征提取的方法

权利要求书

1.一种利用独立分量分析进行EMG信号特征提取的方法，其特征在于，包括以下步骤：

步骤一，假设EMG信号向量为x(t)＝[x₁(t)，x₂(t)，……，x_N(t)]^T，N为EMG信号的维度；

步骤二，将EMG信号建模为由一系列独立分量构建而成的随机变量，即x(t)＝As(t)，其中s(t)＝[s₁(t)，s₂(t)，……，s_M(t)]^T，M是其中独立分量的个数，M≤N；

步骤三，寻找一个矩阵W使得y(t)＝Wx(t)，让y(t)是独立分量s(t)的估计，y(t)就是提取出的EMG信号的特征向量。

2.如权利要求1所述的利用独立分量分析进行EMG信号特征提取的方法，其特征在于：

在步骤三中，定义估计信号y(t)和其各分量y_i(t)之间的KL距离为KL距离描述了p(y)和之间的相似程度，当时，D(W)＝0，此时估计信号y(t)的各分量之间相互独立。

3.如权利要求2所述的利用独立分量分析进行EMG信号特征提取的方法，其特征在于：

其中，D(w)的计算方法如下：

而

H(y)＝H(x)+log|det(W)| (2)

各分量y_i的概率可以用Gram-Charlier序列用y_i的高阶累积量近似得到

其中μ(y_i)是均值为0，方差和y_i方差一致的高斯随便变量的概率密度函数，H_k(y)是Chebyshev-Hermite多项式，H₃(y)＝y³-3y，H₄(y)＝y⁴-6y²+3，将(2)和(3)式代入(1)式中有

对(4)式求偏导有

用即时值代替(5)式中的数学期望，采用梯度下降法迭代计算出W，有

进一步简化，并去掉高阶累积量中的数学期望，写成矩阵形式，有

Wⁿ⁺¹＝Wⁿ+μ[1-f(y)y^T]Wⁿ (7)

其中按照公式(7)迭代计算出矩阵W。

4.如权利要求3所述的利用独立分量分析进行EMG信号特征提取的方法，其特征在于：

在计算出矩阵W后再计算：

y(t)＝Wx(t) (8)，

即得到EMG信号的特征。