[发明专利]一种基于卷积盲源分离的高密度表面肌电信号分解方法

说明书

本发明公开了一种基于卷积盲源分离的高密度表面肌电信号分解方法，1）利用恒力输出下的高密度表面肌电信号，纠正不同电极间的时延，并进行时间对齐；然后采用迭代紧缩方法进行卷积盲源分离过程，提取运动单元信号源；2）重复卷积盲源分离过程，提取更多个运动单元信号源，直到重复迭代3次后仍未检测出新的运动单元信号源为止；3）对所有提取出的运动单元信号源的发放序列归类整理，剔除重复以及不合理的发放时刻向量，再次审核运动单元信号源；4）利用审核通过的运动单元信号源进行神经源性和肌源性疾病的辅助诊断、神经肌肉系统的正常、病理及疲劳过程的机理研究。本发明有效提高分解的准确性。

技术领域

本发明涉及表面肌电信号分解领域，具体是一种基于卷积盲源分离的高密度表面肌电信号分解方法。

背景技术

新发展起来的高密度表面肌电信号(High-Density surface EMG， HD-sEMG)技术利用粘贴在人体皮肤上的表面电极栅格采集皮下肌肉电信号，具有无创性、易于患者接受的特点。肌电信号是在脊髓中枢发出收缩指令或受到外界施加的刺激时，多个参与发放的运动单元(Motor Unit，MU)兴奋而产生的运动单元动作电位(Motor Unit ActionPotential,MUAP)在检测电极处的时间和空间上综合叠加的结果。高密度表面肌电信号分解是指从观测到的多通道高密度肌电信号中识别出单个运动单元的运动元动作电位并将其归类，从而揭示构成肌电信号中主体运动单元动作电位序列的过程，进而获得运动单位的募集和发放信息、MUAP的波形特征及其发放率等信息，可应用于神经源性和肌源性疾病的辅助诊断和神经肌肉系统的正常、病理及疲劳过程的机理研究，对康复医学及运动医学也有具有重要意义。

由于人体组织具有低通滤波作用，表面肌电信号的信噪比较低，而MUAP波形的变异性强且叠加程度高，导致表面肌电信号分解的研究很困难。目前，HD-sEMG信号分解的研究方法主要有：模板匹配法、人工智能算法、盲源分离算法、独立成分分折(ICA)、卷积核补偿算法等方法。目前研究方法在肌肉收缩程度较大时的分解效果不理想，主要原因是募集的运动单元较多时，各个运动单位相互之间的影响加大，检测到的肌电信号MUAP波形的变异和叠加程度随之增大。总之，高密度表面肌电信号分解的研究还处于起步阶段，是肌电信号处理研究领域的难点之一。

发明内容

本发明目的在于提供了一种基于卷积盲源分离的高密度表面肌电信号分解方法。本发明有效提高分解的准确性，能应用于神经源性和肌源性疾病的辅助诊断和神经肌肉系统的正常、病理及疲劳过程的机理研究，对康复医学及运动医学也有具有重要意义。

为了达到上述目的，本发明的技术方案是：

一种基于卷积盲源分离的高密度表面肌电信号分解方法，其特征在于：包括如下步骤：

1)利用粘贴在人体皮肤上的表面电极栅格采集皮下肌肉电信号，即为恒力输出下的高密度表面肌电信号，纠正不同电极间的时延，并进行时间对齐；然后采用迭代紧缩方法进行卷积盲源分离过程，提取运动单元信号源；

2)重复卷积盲源分离过程，提取更多个运动单元信号源，直到重复迭代3次后仍未检测出新的运动单元信号源为止；

3)对所有提取出的运动单元信号源的发放序列归类整理，剔除重复以及不合理的发放时刻向量，再次审核运动单元信号源；

4)利用审核通过的运动单元信号源进行神经源性和肌源性疾病的辅助诊断、神经肌肉系统的正常、病理及疲劳过程的机理研究。

所述的步骤1)中对高密度表面肌电信号做时延纠正和时间对齐的方法具体是：利用非线性能量算子(Nonlinear Energy Operator, NEO)对测量信号滤波，然后利用巴特利特(Bartlett)窗函数与滤波结果卷积以去除由于噪声产生的虚假波峰，通过计算NEO滤波信号间的互相关性时延纠正，实现时间对齐。

所述的步骤1)中卷积盲源分离过程包括如下步骤：