[发明专利]一种融合小波包和双谱分析的肌电信号特征提取方法

说明书

本发明请求保护一种融合小波包和双谱分析的肌电信号特征提取方法，该方法包括步骤：S1，采用小波包对sEMG进行j层分解；S2，选取n个有效频带，求出每个频带的能量；S3，将上述的频带能量进行归一化处理，当作sEMG信号的特征向量；S4，小波包重构sEMG的时域信号；S5，对sEMG的时域信号进行双谱分析，提取出双谱特征；S6，融合小波包和双谱分析的肌电信号特征向量。本发明不仅能提取到高时频分辨率的sEMG信号特征信息，还能抑制噪声，从而提高sEMG信号的识别率。

技术领域

本发明涉及一种肌电信号特征提取领域，特别涉及一种融合小波包和双谱分析的肌电信号特征提取方法。

背景技术

表面肌电(surface electromyography,sEMG)信号是肌肉收缩时所产生的电波动，既与肌肉本身的组织生理特性有关，也与神经控制系统有关，它反映了神经肌肉的活动和功能状态。因此，肌电信号已广泛应用于生理医学、康复医学及运动医学等领域的研究，并且成为驱动机器人、控制假肢运动以及功能性电刺激的理想控制信号。

sEMG具有非平稳特性，同时，在采集sEMG信号时易受环境影响而引入高斯噪声。单采用小波变换、AR模型或小波包变换等传统方法进行特征提取时，其正确识别率依然不高，导致指令控制智能硬件时出现误动作。鉴于此，本文结合小波包的时频分析能力和双谱对高斯噪声不敏感的优势，利用小波包对sEMG的各频带进行分解，得到sEMG在不同频带内的能量分布，然后通过对小波包重构的时域信号分析，提取出双谱特征，最后结合这两种方法提取出特征向量。不仅能得到sEMG信号的特征信息，还能抑制噪声，对sEMG信号识别具有很重要的意义。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种提高sEMG信号的识别率的融合小波包和双谱分析的肌电信号特征提取方法。本发明的技术方案如下：

一种融合小波包和双谱分析的肌电信号特征提取方法，其特征在于，包括以下步骤：

S1、输入表面肌电sEMG信号，采用小波包对sEMG信号进行j层分解；S2、选取n‘个有效频带，求出每个频带的能量；S3、将步骤S2求出的频带能量进行归一化处理，作为表面肌电sEMG信号的特征向量；S4、小波包重构sEMG信号的时域信号；S5、对表面肌电sEMG的时域信号进行双谱分析，提取出双谱特征；S6、融合小波包和双谱分析的肌电信号特征向量。

步骤S1中采用小波包对表面肌电sEMG信号进行j层分解，小波包对sEMG进行分解的算法为：

式中为上层小波包分解结果，和为下一级分解结果，j是尺度指标，l为位置指标，n为频率指标，k为变量，h₀和h₁为分解使用的多分辨率滤波器系数。

进一步的，所述步骤S2：选取n个有效频带，求出每个频带的能量具体包括步骤：假设信号的采样频率为2f，如果对信号进行j层小波包分解，就可以形成2j个等宽频带，每个区间频宽为f/(2j)，小波包分解之后，得到j层小波包系数C_j,m,k，k＝0,1,…,2^j-1,m为小波包空间位置标识；

由Parseval能量积分等式，sEMG信号x(t)在时域上的能量为：

根据该能量积分等式关联起来可知，式子与x(t)的小波包变换系数C_j,k具有能量量纲，因此原始信号的能量分布用小波包能量谱来表示是可行的。

进一步的，将步骤S2求出的频带能量进行归一化处理的公式为：

T_j,k表示频带能量；T′_j,k表示归一化处理的频带能量。