基于匹配实测表面肌电信号的模型参数辨识

目的 通过对仿真与真实表面肌电信号(sEMG)的波形匹配以及肌疲劳现象的分析,研究sEMG信号的模型参数辨识问题. 方法 在运动单位仿真的基础上,引入神经激励对运动单位的募集和发放控制特性,建立了一个较为完善的sEMG信号生理学模型.利用调整模型相关生理参数使仿真与真实sEMG信号的运动单位动作电位(MUAP)波形相匹配的方法,实现对模型参数进行估计,通过调节肌纤维传导速度(MFCV)使仿真与真实sEMG信号的平均频率(MNF)及中值频率(MDF)拟合直线趋势相似的方法,研究肌肉的疲劳现象及其机理. 结果 适当调节sEMG信号模型参数可使仿真信号波形逼近真实sEMG信号波形,各个肌纤维的MFCV在模拟恒力持续收缩过程中减小时,仿真信号的MNF和MDF拟合直线呈下降趋势. 结论 采用模型方法能够实现仿真与真实sEMG信号波形的良好匹配,并能够有效地表达肌肉的疲劳过程,可应用于肌电信号相关领域的研究.     

基于多分辨率分析的心室晚电位神经网络检测

采用多分辨率分析和人工神经网络相结合的方法实现对心室晚电位的检测。首先利用多分辨率分解技术提取高分辨率心电信号不同频带的能量构成一组特征值 ,再利用这些特征值训练BP神经网络 ,并完成对心室晚电位的识别。经过对 2 8例 3导高分辨率心电图实验数据的处理 ,取得了较高的识别准确率     

利用EMG运动单位动作电位数目估算法研究痉挛型脑瘫患儿神经元发放特性

目的 小儿脑瘫患者的运动障碍分级和康复评估具有重要的临床价值.本文利用表面肌电信号对痉挛型脑瘫患儿的运动神经元发放特性进行研究,旨在为脑瘫患儿的运动障碍评估提供一种量化指标.方法 采用平滑非线性能量算子(smoothed nonlinear energy operator,SNEO)算法,对痉挛型脑瘫患儿表面肌电信号中的运动单位动作电位(motor unit action potential,MUAP)数目进行估计,获得MUAP的平均发放间隔(inter-pulse interval,IPI),并根据医生采用的分级结果和健康人MUAP平均发放时限的早期研究结果进行对比验证.结果 对14名不同运动障碍级别脑瘫患者的实验结果显示,其肌电信号MUAP的IPI与他们活动度的级别即运动障碍的程度呈正相关的关系,且具有明显差异.结论 研究结果表明本文方法有效,采用IPI参数能够反映脑瘫患儿的运动障碍程度.     

针电极肌电信号AR模型参数与局部肌疲劳的相关定性关系

背景：研究肌肉的疲劳行为，对于神经肌肉系统的基础研究、残疾人的康复工程、理疗效果的客观评价、运动员的科学训练和工效学等都有广泛的应用价值。 目的：利用针电极肌电信号AR模型参数来研究局部肌疲劳，试图揭示局部肌疲劳过程与针电极肌电信号AR模型系数之间存在的定性关系。 设计：以人体针电极肌电信号为观察对象，分析肌电特征参数在局部肌疲劳过程中的变化规律。 单位：中国科学技术大学NML实验室。 对象：由中国科学技术大学NML实验室研制的肌电信号采集系统获得4例针电极肌电信号，挑选的4名志愿者均为健康男性，检测部位为胫前肌。 方法：根据随机信号参数模型理论，对针电极肌电信号进行建模，选取参数，研究肌肉疲劳过程中肌电信号的α1参数随时间的变化趋势。编程采用MATLAB语言工具箱的相关程序。 主要观察指标：针电极肌电信号的α1参数随着时间（疲劳过程）的增加而变化的趋势。 结果：人体的局部肌肉疲劳与从该肌肉检测的针电极肌电信号α1参数的变化趋势之间存在着一种相关关系，即针电极肌电信号的α1参数随着时间（疲劳过程）的增加有增大的趋势。 结论：针电极肌电信号的α1参数随着时间（疲劳过程）的增加有增大的趋势，利用这种关系就能够较好的对肌肉疲劳的状态进行评价。     

基于BP神经网络的手势动作表面肌电信号的模式识别

手势语言在日常生活中有着广泛的应用,本研究利用手势动作时从前臂4块肌肉上获取的4路表面肌电(SEMG)信号,经特征提取并采用BP神经网络,对8种手势动作模式进行了识别.鉴于BP网络具有较强的模式分类能力,而特征提取(幅度绝对值均值、AR模型系数、过零率)又利用了多路肌电信号的信息,实验结果取得了较高的识别正确率,表明所采用的方法是有效的.     

基于BP神经网络的手势动作表面肌电信号的模式识别

手势语言在日常生活中有着广泛的应用,本研究利用手势动作时从前臂4块肌肉上获取的4路表面肌电（SEMG）信号,经特征提取并采用BP神经网络,对8种手势动作模式进行了识别。鉴于BP网络具有较强的模式分类能力,而特征提取（幅度绝对值均值、AR模型系数、过零率）又利用了多路肌电信号的信息,实验结果取得了较高的识别正确率,表明所采用的方法是有效的。     

肌电检测中消除工频干扰的方法

介绍肌电检测中为消除工频干扰而在硬件和软件处理两个方面所采取的措施。硬件方面对前级放大器进行电磁屏蔽处理、采用DC-DC隔离变换器供电、采取浮地共模自举设计等措施；软件方面采取独立分量分析方法。     

不同思维作业电信号的高准确度模式分类

本文采用独立分量(ICA)分析对不同思维作业的脑电(EEG)信号进行预处理,再用自回归(AR)参数模型提取EEG信号特征,最后利用BP网络完成对特征样本集的训练和分类.实验结果表明,所采用的方法提高了脑电思维模式作业的准确度,对两种到五种不同思维作业未经训练的数据的平均分类准确度达到79%以上,超过现有文献报道的结果.     

利用神经网络估计针电极肌电信号的AR模型参数和功率谱

本文介绍利用隐层神经元为线性传递函数拓层人工神经网络对针电极肌电信号（ＮＥＭＧ）的ＡＲ模型参数和功率谱进行估计的方法,实验结果显示,由神经网络法估计的ＮＥＭＧ信号ＡＲ模型参数和功率谱与自相关法基本一致,表明了这种方法的有效性。     

利用小波变换去除针电极肌电信号噪声的实验研究

小波变换能将各种交织在一起的由不同频率组成的混合信号分解成不相同频段的信号。本文采用小波变换的方法对针电极肌电信号（ＮＥＭＧ）进行去噪声处理,并进行对比实验。结果表明,在应用小波变换处理ＮＥＭＧ信号过程中,只要适当选取变换尺度就可以在处理信号的同时,有效地消除原信号中高频噪声和基线漂移的影响。