[發明專利]一種融合小波包和雙譜分析的肌電信號特征提取方法

有效

• 申請號: 201710131446.1
• 申請日: 2017-03-07
• 公開（公告）號: CN106901731B
• 公開（公告）日: 2020-05-12
• 發明（設計）人: 張毅;尹春林;陳永強
• 申請（專利權）人: 重慶郵電大學
• 主分類號: A61B5/0488
• 分類號: A61B5/0488
• 代理公司: 重慶市恒信知識產權代理有限公司 50102
• 代理人: 劉小紅

本發明請求保護一種融合小波包和雙譜分析的肌電信號特征提取方法，該方法包括步驟：S1，采用小波包對sEMG進行j層分解；S2，選取n個有效頻帶，求出每個頻帶的能量；S3，將上述的頻帶能量進行歸一化處理，當作sEMG信號的特征向量；S4，小波包重構sEMG的時域信號；S5，對sEMG的時域信號進行雙譜分析，提取出雙譜特征；S6，融合小波包和雙譜分析的肌電信號特征向量。本發明不僅能提取到高時頻分辨率的sEMG信號特征信息，還能抑制噪聲，從而提高sEMG信號的識別率。

技術領域

本發明涉及一種肌電信號特征提取領域，特別涉及一種融合小波包和雙譜分析的肌電信號特征提取方法。

背景技術

表面肌電(surface electromyography,sEMG)信號是肌肉收縮時所產生的電波動，既與肌肉本身的組織生理特性有關，也與神經控制系統有關，它反映了神經肌肉的活動和功能狀態。因此，肌電信號已廣泛應用于生理醫學、康復醫學及運動醫學等領域的研究，并且成為驅動機器人、控制假肢運動以及功能性電刺激的理想控制信號。

sEMG具有非平穩特性，同時，在采集sEMG信號時易受環境影響而引入高斯噪聲。單采用小波變換、AR模型或小波包變換等傳統方法進行特征提取時，其正確識別率依然不高，導致指令控制智能硬件時出現誤動作。鑒于此，本文結合小波包的時頻分析能力和雙譜對高斯噪聲不敏感的優勢，利用小波包對sEMG的各頻帶進行分解，得到sEMG在不同頻帶內的能量分布，然后通過對小波包重構的時域信號分析，提取出雙譜特征，最后結合這兩種方法提取出特征向量。不僅能得到sEMG信號的特征信息，還能抑制噪聲，對sEMG信號識別具有很重要的意義。

發明內容

本發明旨在解決以上現有技術的問題。提出了一種提高sEMG信號的識別率的融合小波包和雙譜分析的肌電信號特征提取方法。本發明的技術方案如下：

一種融合小波包和雙譜分析的肌電信號特征提取方法，其特征在于，包括以下步驟：

S1、輸入表面肌電sEMG信號，采用小波包對sEMG信號進行j層分解；S2、選取n‘個有效頻帶，求出每個頻帶的能量；S3、將步驟S2求出的頻帶能量進行歸一化處理，作為表面肌電sEMG信號的特征向量；S4、小波包重構sEMG信號的時域信號；S5、對表面肌電sEMG的時域信號進行雙譜分析，提取出雙譜特征；S6、融合小波包和雙譜分析的肌電信號特征向量。

步驟S1中采用小波包對表面肌電sEMG信號進行j層分解，小波包對sEMG進行分解的算法為：

式中為上層小波包分解結果，和為下一級分解結果，j是尺度指標，l為位置指標，n為頻率指標，k為變量，h₀和h₁為分解使用的多分辨率濾波器系數。

進一步的，所述步驟S2：選取n個有效頻帶，求出每個頻帶的能量具體包括步驟：假設信號的采樣頻率為2f，如果對信號進行j層小波包分解，就可以形成2j個等寬頻帶，每個區間頻寬為f/(2j)，小波包分解之后，得到j層小波包系數C_j,m,k，k＝0,1,…,2^j-1,m為小波包空間位置標識；

由Parseval能量積分等式，sEMG信號x(t)在時域上的能量為：

根據該能量積分等式關聯起來可知，式子與x(t)的小波包變換系數C_j,k具有能量量綱，因此原始信號的能量分布用小波包能量譜來表示是可行的。

進一步的，將步驟S2求出的頻帶能量進行歸一化處理的公式為：

T_j,k表示頻帶能量；T′_j,k表示歸一化處理的頻帶能量。