基于先验模板的表面肌电信号渐进分解算法研究

本研究通过将表面肌电信号（sEMG）分解为运动单元动作电位序列（MUAPTs），来研究神经 肌肉系统中运动单元（MU）的募集与发放模式。针对高收缩力情况下MUAP叠加问题，首先采用FastICA算法和小波包去噪算法对信号进行预处理；然后基于先验知识构建了4种形态的可伸缩MUAP模板；最后，采用“先大后小”的渐进识别方式，逐个对MUAP进行自动提取。在此基础上，还将该算法应用于8名受试者（3组/人）不同手指活动模式下的指浅屈肌多通道（12通道）sEMG分解；单通道分解结果显示，高力量水平下sEMG中的主体MUAPTs能够被有效检测和分类；统计结果证实，随着力量水平的增加，MUAP的数目增加；不同大小MUAP比重的变化与活动手指和力量水平具有显著的相关性。本文的实验结果，初步验证了利用先验模板从sEMG中渐进提取MUAP的可行性，为sEMG分解和进一步研究MU发放规律提供于一种新的思路。

Study on Scaled Decomposition of Surface EMG Based on Prior Templates