[发明专利]利用独立分量分析进行EMG信号特征提取的方法

说明书

本发明提供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。本发明通过提取EMG信号中的独立分量作为EMG信号的特征，该方法在不损失EMG信号特征的同时，减少EMG信号特征之间的相关程度，降低特征个数，从而简化EMG后处理的过程，可以广泛应用于肌肉疲劳检测等技术。

技术领域

本发明涉及一种利用独立分量分析进行EMG信号特征提取的方法，属于生理信号处理领域。

背景技术

EMG为人体肌肉电流信号，是人体重要生物电流指标，我们的手指、手掌、手腕的运动，在宏观上是由前臂内的多个伸肌和屈肌组合控制产生的。这种刺激是由中枢神经系统传递到运动肌肉纤维的电命令产生的，这种电信号，在生物上称为肌肉电流信号。肌肉电流信号，可以穿过肌肉，皮下脂肪，而到达皮肤表面，此衰减并掺杂了干扰信号的肌电信号称为表皮肌肉电流信号。通过对多块主要表皮肌肉电流信号的连续拾取、放大、滤波、起始终点查找、频谱、能量、小波等一系列信号处理，可以提取出各个EMG信号的特征参数，并通过特征参数实现EMG信号的分析。

肌电信号简单讲是人体神经系统在控制相应肌肉完成动作时表现出来的微弱电信号。肌电信号在穿过了肌肉纤维，人体皮下脂肪，最后到达皮肤表面时，其信号强度被极大弱化，并且由于受到了包括肌电信号串扰、脉搏信号、人体静电、周围的电磁场等多种干扰源的干扰，使得信号的信噪比大大恶化。如何设计一种有效的分析算法模型，并最大程度的保障肌电信号的信噪比品质，对于后续算法能否正确从中提取特征参数至关重要的。

发明内容

本发明的目的在于提供一种利用独立分量分析进行EMG信号特征提取的方法，以解决上述问题。

本发明采用了如下技术方案：

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。

进一步，本发明的利用独立分量分析进行EMG信号特征提取的方法，还可以具有这样的特征：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。

进一步，本发明的利用独立分量分析进行EMG信号特征提取的方法，还可以具有这样的特征：其中，D(w)的计算方法如下：

而

H(y)＝H(x)+log|det(W)| (2)