[发明专利]一种基于噪声辅助多元经验模式分解的多通道肌电信号处理方法

摘要

本发明公开了一种基于噪声辅助多元经验模式分解的肌电信号处理方法，该方法同步采集多块不同肌肉群在肢体发生运动时运动神经在肌肉群处所产生的激励生物电信号，获得一个多通道肌电信号(MEMG)，利用了EMD、EEMD和MEMD结构的特性，通过构建一个与输入信号的数据长度相同的多通道的白噪声序列，再将其与拾取的MEMG信号叠加后通过低差异的哈默斯利序列将数据映射到多维向量空间中，进而在多变量条件下基于经验模式分解自适应的分解成若干个固有模态函数。在模式队列性方面，MEMD和NA‑MEMD的模式队列性高于EEMD，但总体上NA‑MEMD和MEMD两种方法对模式队列性的改善效果相近；在模式混叠性方面，NA‑MEMD的频率重叠系数小于MEMD，而MEMD的频率重叠系数小于EMD。

主权项

一种基于多元经验模式分解的肌电信号同步处理方法，主要包括以下步骤：步骤1：通过M,M≥3个通道肌电信号采集仪器同步拾取人体在特定运动动作条件下典型肌肉群处的肌电信号，获取肌电信号样本数据，构成一个M维原始信号{s(k)}M，{s(k)}M＝{s1(k),s2(k),…,sM(k)}，其中t是时刻值；步骤2：生成与输入信号的数据长度k相同的N，N≥1通道的白噪声序列{G(k)}N，且保证不同通道的白噪声序列之间不相关；步骤3：将噪声辅助信号{G(k)}N添加到M通道输入数据{s(k)}M中，构成(N+M)通道的输入数据{x′(k)}N+M并作为新的输入信号；步骤4：使用多元经验模式分解方法处理{x′(k)}N+M，得到若干固有模态函数集；步骤5：从固有模态函数集中剔除噪声通道{G(k)}N对应的固有模态函数，得到{s(k)}M对应的固有模态函数分量。