[发明专利]一种基于小波和非负张量分解的时频空肌肉协同分析方法

权利要求书

1.一种基于小波和非负张量分解的时频空肌肉协同分析方法，其特征在于：具体包括以下步骤：

步骤1，同步采集多通道肌电信号；

步骤2，采用数据处理软件对采集到的肌电信号进行预处理；

步骤3，对多通道肌电信号进行小波变换并构建小波信号数据张量；

步骤4，确定协同数目；

步骤5，对数据张量进行非负Tucker分解获得时频空肌肉协同特性；

步骤6，判断协同与非协同关系并判断协同肌的频谱分量。

2.根据权利要求1所述的一种基于小波和非负张量分解的时频空肌肉协同分析方法，其特征在于：步骤1中，采集与上肢腕部屈伸动作相关的多通道肌电信号时，采集设备的分辨率设为l6bit，采样率为2000Hz；采集信号前，被试坐在实验计算机前面，被试的肩部和肘部由上肢支架支撑，前臂在水平位置，前臂与身体成90度；所有被试在计算机屏幕上显示的目标图片的指导下用运动的最大自主收缩力完成手腕运动；同时采集腕部屈伸动作下的多块肌肉的肌电信号。

3.根据权利要求1所述的一种基于小波和非负张量分解的时频空肌肉协同分析方法，其特征在于：步骤2中，对步骤1采集到的肌电信号数据进行预处理具体包括：

2.1删除有严重握手或延迟反应的数据段；

2.2进行去均值，去除基线漂移，同时使用自适应50Hz工频陷波滤波器抑制工频干扰；并且将所有的表面肌电信号降采样到500Hz；

2.3用150Hz低通滤波器对信号进行滤波，全波整流得到表面肌电信号包络用于肌间协同分析。

4.根据权利要求1所述的一种基于小波和非负张量分解的时频空肌肉协同分析方法，其特征在于：步骤3中，将步骤2预处理后的实测数据进行构建多通道肌电信号x(t)时间序列；对肌电信号x(t)进行小波变换，将时域、频域数列构造成二维数组EMG^{frequency×time}；具体方法如下：

3.1首先构造小波函数

ψ_j,k(t)＝2^j/2ψ(2^jt-k)

式中，ψ(t)为基本小波，k为ψ(t)纵坐标方向的平移量，j表示信号的层数；j,k∈Z，Z为整数集，2^j为尺度参数，2^j/2为缩放倍数，2^jt为平移参数；t为时间指标；

3.2然后对肌电信号x(t)进行分解，得到小波变换系数：

式中，为ψ_j,k(t)的复共轭形式；将小波系数C_j,k重构出频域特征的时频肌电信号EMG^{frequency×time}；

基于小波变换后的重构的时频肌电信号EMG^{frequency×time}时间序列；将同一动作的多通道时频信号构建成小波信号数据张量X(EMG^{frequency×time×channel})。

5.根据权利要求1所述的一种基于小波和非负张量分解的时频空肌肉协同分析方法，其特征在于：步骤4的具体方法如下：

通过预先设置分解层数，将分解后的三个矩阵和核张量相乘，得到重构数据张量，计算拟合值FIT，公式如下：

式中，X代表构建的原始张量，Y代表经过非负张量分解算法分解后的重构数据张量；

协同矩阵的最优分解层数被定义为：达到平均FIT90％且协同数目增加1平均FIT的增加小于等于2％的最小协同作用数目R。