[發明專利]一種基于經驗模態分解的對肌電圖的預處理方法

有效

• 申請號: 201710098270.4
• 申請日: 2017-02-22
• 公開（公告）號: CN107049310B
• 公開（公告）日: 2020-01-17
• 發明（設計）人: 劉宇巍;凌永權;李亞
• 申請（專利權）人: 廣東工業大學
• 主分類號: A61B5/0488
• 分類號: A61B5/0488;A61B5/00
• 代理公司: 44202 廣州三環專利商標代理有限公司
• 代理人: 郝傳鑫

本發明公開了一種基于經驗模態分解的對肌電圖的預處理方法，包括步驟：(1)選用不同截止頻率的線性相位有限長脈沖響應濾波器對肌電圖信號分別進行濾波；(2)對每一個經過濾波后的信號進行EMD分解，得到每一個信號對應的IMF；(3)將得到的所有IMF的熵和極值作為特征參數用于肌電圖分析。本發明提出了一種改良的基于經驗模態分解對肌電圖的預處理方法，選用的濾波器的多少和截止頻率的不同決定了特征參數的數量和種類，故而達到靈活的目的。特征參數越多，可獲得的肌電圖的信息越多。在后續使用中，可由此建立肌動圖特征參數和需要檢測神經或肌肉或者其他功能的聯系，對醫療診斷、日常體測等提供極大的參考作用。

技術領域

本發明涉及肌電圖處理技術，更具體地說，涉及一種基于經驗模態分解的對肌電圖的預處理方法。

背景技術

肌電圖(electromyography)(英文簡稱EMG)，是應用電子學儀器記錄肌肉靜止或收縮時的電活動，及應用電刺激檢查神經、肌肉興奮及傳導功能。肌電圖可以用于記錄神經和肌肉活動以判斷其功能。肌肉運動時會有微小的生物電變化,肌電圖作為一種無創的檢測方法來檢測這種生物電變化。運動時肌電圖的振幅、頻率等指標均會產生相應的變化,而且這些變化與運動方式、運動狀態、肌肉疲勞密切相關。由此可見肌電圖的應用十分廣泛，已被應用于臨床檢測。

但是，傳統的肌電圖仍然含有許多人體的噪聲，現代方法對肌電圖信號進行預處理后效果仍然較差，造成肌電圖的識別和應用有一定的局限性，許多時候仍不能對肌電圖進行直接解讀，需要借助其他工具。

經驗模態分解(empirical mode decomposition，以下簡稱EMD)是基于信號時域局部特征的，因此分解是自適應的，也是高效的，特別適合用來分析非平穩非線性的時變過程，它能清晰地分辨出交疊復雜數據的內蘊模式，挖掘數據之間的內在聯系。在許多領域已經得到了很好的應用。在醫學上，利用EMD方法對一些電流圖信號進行分析，可以幫助醫生更好地識別患者的身體信息，對醫生的診斷可以起到一定的輔助作用。也可以將該方法利用于日常生活中，通過對某些儀器(例如可穿戴設備)獲得的人體信號進行分析，可以對使用者有可能出現某種疾病或者隱患進行有效預警，以免耽誤治療。但現的EMD分解對肌電圖的處理所選擇的參數固定，仍然混雜了較多的噪聲，特征不夠明顯，并且選用特征的數量不夠靈活。

發明內容

針對現有技術的缺點，本發明的目的在于提供一種基于經驗模態分解的對肌電圖的預處理方法，對其預處理效果進行提升，從而提高肌電圖的去噪效果。

為了實現上述目的，本發明的技術方案為：一種基于經驗模態分解的對肌電圖的預處理方法，包括步驟：(1)選用不同截止頻率的線性相位有限長脈沖響應濾波器對肌電圖信號分別進行濾波；(2)對每一個經過濾波后的信號進行EMD分解，得到每一個信號對應的IMF；(3)將得到的所有IMF的熵和極值作為特征參數用于肌電圖分析。

作為上述技術方案的一種改進，在步驟(2)中，包括：將濾波后信號分組分別進行EMD分解，得到它們各自的一組IMF。

作為上述技術方案的一種改進，所述不同截止頻率的線性相位有限長脈沖響應濾波器的數量分別為一個以上。

作為上述技術方案的一種改進，在步驟(3)中，得到所述IMF的熵和極值的步驟包括：

(301)建立X-Y坐標系，X軸表示各組信號的IMF個數，Y軸表示IMF的極值點個數，連接各點得到折線，取每段折線的Y截距為c、斜率為|m|；

(302)解第一個無約束的二次規劃問題，將J(m,c)作為一個特征參數，

其中，表示k個IMF的極值的總數，k是IMF的個數；

(303)根據各組信號單組IMF的最大數量m建立一個n階多項式，m≤2ⁿ<2m，對應各階系數為a_n；