表面肌电检测中消除工频干扰的方法

从硬件和软件数字信号处理方面介绍了表面肌电检测中消除工频干扰的方法,硬件上采用了共模屏蔽驱动电路,模拟陷波器;数字信号处理方面应用自适应数字陷波器和谱内插的方法.模拟陷波器和数字陷波器由于消除工频干扰的同时也去除了信号成分,一般只在简单生物反馈中使用.谱内插的方法是在假设真实信号的50Hz成分可以通过内插法由相邻的频率成分估计出,这样就可以消除工频干扰,而且即使工频干扰的相位发生变化也可很好的消除其影响.     

表面肌电检测系统上位机应用程序设计

表面肌电是反映人体肌肉状态的电信号,是现代医疗中非常有效的诊疗工具。它对医学研究、工效学、运动学等领域的发展有很大影响。本文在Visual C++6.0环境下,设计开发表面肌电(SEMG)检测系统上位机应用程序。程序功能包括利用算法提取表面肌电重要参数、计算SEMG信号功率谱、实时显示SEMG波形、打印计算参数与波形,以及使用MySQL数据库管理记录的SEMG数据。程序开发后期,使用三片电极测试了测试者右手尺侧碗屈肌、桡侧碗屈肌和肱桡肌三个部位,成功获得测试者肌肉静态与动态时的肌电波形和参数。     

一种新呼吸音信号特征提取方法与应用

目的:通过研究呼吸音信号与呼吸系统疾病内在联系,对呼吸音特征进行提取与分类,为研制便携家用型呼吸音远程监测移动装置进行技术准备。 方法:对采集到的呼吸音进行预处理分析,从处理后的呼吸音原始数据中提取短时能量与短时过零率的特征值。 结果:通过不同时间段呼吸音信号能量的高低来显示特征差异,并且呼吸音的高低频异常信号对特征提取方法影响较小。 结论:本文方法可简单有效地提取特征值,不仅简化了特征识别数据处理过程,而且提取到的特征参数满足了差异性、统一性及相关性等基本特征。为构建神经网络的输入提供了理论依据与实际数据支撑。     

结合小波变换和能量熵在膈肌肌电中去除心电干扰的应用

膈肌肌电(EMGdi)信号是一种由膈肌产生并蕴含着人体呼吸系统重要生理信息的生物电信号,该信号易受自身心电(ECG)信号的严重干扰。本文在小波变换的基础上,结合信息熵理论,提出了一种新的小波能量熵阈值去心电算法。该方法在对信号各层小波系数的分析基础上,将每层的系数信息量看成一个单独的信号源,将其分成N等份的小区间,通过系数能量熵的分布特性将其分成高能量熵和低能量熵两类分别进行绝对均值阈值处理,对阈值后的小波系数进行小波重构便得到降噪后的EMGdi信号。通过实验对比结果表明,该方法有效地去除了EMG-di信号的ECG干扰信号,更大程度地保留了EMGdi的信号特征。     

基于样本熵和个体化阈值的表面膈肌肌电信号起点检测

膈肌是人体最主要的呼吸肌,表面膈肌肌电(sEMGdi)信号的动作区间起点检测可用于呼吸康复训练,但心电(ECG)信号的存在增加了其检测难度,故本文对此提出了基于样本熵(SampEn)和个体化阈值的起点检测方法,简称样本熵法。该方法涉及样本熵特征的提取,样本熵特征参数w和r0的优化,个体化阈值的选取以及判断条件的设立。同时还选用其他三种常用方法与本文所提的样本熵法进行起点检测方面的比较,即利用小波变换(WT)去噪后再分别使用均方根(RMS)和能量算子(TKE)的起点检测方法,以及不做小波变换而直接使用TKE的起点检测方法。本文共采集12名健康受试者在2种呼吸状态下的sEMGdi信号,用于信号合成和算法检测。最后以误差的绝对值累加和作为评价起点检测精度的指标。最终结果表明,样本熵法在稳定性和精度两方面皆优于其他三种方法,是一种能适应个体间差异,无需提前对sEMGdi信号进行ECG信号去噪便可获得较高精度的起点检测方法,为基于sEMGdi信号的呼吸康复训练和实时交互提供了依据。     

表面肌电信号的分析与应用

表面肌电信号的检测是一种无创电检测方法 ,它的检测分析对临床诊断及康复医学、运动医学等具有重要意义。本文介绍了表面肌电的信号分析方法 (时域分析法、频域分析法、时频分析法及人工神经网络等方法 ) ,并介绍了表面肌电信号检测分析技术的应用状况和前景展望     

应用独立分量分析去除体表肌电中的心电干扰

体表肌电特别是从躯干获得的体表肌电往往受到被测对象自身心电信号的严重干扰。本文利用一种基于独立分量分析(ICA)的去噪方法,去除体表肌电中的心电干扰。该方法将多通道体表肌电进行独立分量分解,并用高通滤波器处理所分解出的心电独立分量以尽可能地保留其中的肌电成分,进而将去除心电干扰后的所有独立分量反向投影回原始信号空间得到去噪后的信号。仿真信号的处理结果表明,当高通滤波器的截止频率为30Hz时,该方法在有效去除心电干扰的同时使体表肌电的保真度达到最大。同时讨论了将信号的峰度(Kurtosis)值作为自动判别心电分量和肌电分量的标准的可能性。     

基于表面肌电的步态分析

背景：步态分析在人体运动系统和神经系统疾病的病因分析,诊断,功能、疗效与残疾评定中是重要的评价手段,其中肌肉活动是影响步行动力的基础因素。 目的：分析人体自然行走过程中下肢前后肌群的表面肌电变化,分析对应于步态周期不同时相前后肌群的表面肌电特征和机制。 方法：采用德国zebris FDM 步态分析系统(6 m)配套的同步肌电仪采集7例健康人正常步态过程中下肢胫骨前肌和腓肠肌外侧表面肌电信号,利用Matlab软件进行消噪和归一化,得到完整步态周期不同时相对应的表面肌电信号图,观察其峰值变化。采用芬兰ME6000肌电仪测试15 m自由行走人体左右侧下肢胫骨前肌和腓肠肌外侧表面肌电信号,提取时域和频域特征参数。 结果与结论：下肢胫骨前肌和腓肠肌外侧表面肌电信号在一个完整步态周期中呈特征性变化,即胫骨前肌表面肌电的峰值发生在后跟着地处,而腓肠肌外侧其峰值发生在中后支撑相处。进一步分析发现,人体在自由行走时其下肢肌肉优势侧与非优势侧差异有显著性意义(P < 0.05),且不同肌肉其差异趋势不同。     

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。     

基于非线性能量算子的表面肌电信号MUAP发放检测

采用基于平滑非线性能量算子(smoothed nonlinear energy operator, SNEO)的方法对表面肌电(surface EMG, SEMG)信号运动单位动作电位(motor unit action potential, MUAP)的发放信息进行检测,提出一种能较精确确定MUAP发放数目的阈值检测方法.利用这些方法分别对肌肉轻度收缩和中度收缩时的SEMG信号进行了MUAP发放检测实验,结果表明,对于轻度收缩时的SEMG信号,本文的方法十分有效,而对中度收缩时的SEMG信号也能获得比较满意的检测结果.     

基于信号包络及短时过零率的心音分段算法

心音能有效地反应心脏尤其是瓣膜活动状况,研究基于心音的心脏病决策系统具有重大意义.心音分段是建立心音决策系统的基础和前提,其目的是定位心音的主要成份,为特征提取与模式识别提供定位基准.本文通过使用双门限、迭代等方法,改进了基于信号能量的分段算法,并首次引人短时过零率以更准确地定位分段边界.实验结果表明,该算法对正常心音及常见异常心音分段效果良好.     

Motor unit potential contribution to surface electromyography

The background of the bioelectric activity of muscle recorded from the surface of the skin (surface electromyography) in terms of the representation of single motor units of the underlying muscle(s) is not very well documented or understood. An insight into the composition of an electromyogram is essential for the proper interpretation of one of the most widely applied electrophysiological techniques. In the present paper, a study of the contribution of single motor unit potentials to the surface electromyogram is presented. To this end, the decline of different components of the motor unit potential with depth of the motor unit is quantified. Experimentally, the action potentials from motor units at several positions in the muscle were recorded by 30 skin surface electrodes. Simultaneous use of scanning electromyography provided information about the actual position and size of the motor unit. Observed linear log–log relationships between motor unit potential magnitudes and distance indicated the usefulness of a power function to describe the motor unit potential's dependence on recording distance. It is shown that different specific surface motor unit potential characteristics fall off differently with depth. The magnitude–distance relationship is shown to be dependent on the recording configuration (unipolar vs. bipolar recording, including the inter-electrode distance) and the chosen motor unit potential parameter (negative peak amplitude, positive peak amplitude and area).     

针对微弱表面肌电信号的采集电路设计

表面肌电信号频率低、极易受干扰,针对此设计基于高阶滤波的信号采集电路。为避免噪声被过度放大而造成信号淹没,电路采用两级放大方案。带通滤波部分采用两组5阶Sallen-Key,以奇次在前、偶次在后的顺序级联,避免输出信号中混入高频泄露信号,且阻带下降速度达-100 dB/dec。此外,陷波器部分设置可调电位器,灵活调整品质因数（Q值）,以获得最佳采集效果。结果表明,该电路可实现高达60 dB的放大增益,可有效提取20~500 Hz之间的有用信号,同时很好地抑制50 Hz工频干扰,具有良好的抗噪声性能。     

基于子带频谱墒算法检测表面肌电信号肌肉疲劳性

目的:针对传统检测肌肉疲劳方法灵敏度较差问题,提出按肌肉收缩区分割表面肌电信号。该方法考虑到肌肉动态收缩时肌肉发力、形状等因素影响特征参数平均功率频率的表征效果,因此,在分割表面肌电信号上以肌肉收缩区的个数作为单位,摒弃以时间作为单位的传统分割。方法:采用单参数结合双阈值的方法判断肌肉收缩区起、止点。利用肌肉动态收缩区特征参数平均功率频率的灵敏度波动比表征肌肉疲劳的灵敏度。表面肌电信号采集设备品牌为NORAXON、型号为MR3.6版本,程序设计采用MATLAB编程。结果与结论:仿真结果证明与传统定长分割方法相比,该方法检测肌肉疲劳具有较高的灵敏度和较好的表征性。     

基于经验公式的连续手势动作表面肌电信号识别方法

目的实现连续手势动作表面肌电信号（surface electromyography,sEMG）的简单有效识别。方法首先推导出测试信号属于手势动作模板的概率密度经验公式,通过数据处理实验确定公式参数,最后设计连续手势识别实验以测试该经验公式用于动作sEMG识别的效果。结果推导出的经验公式在连续手势识别中获得了较好的识别结果,验证了该经验公式用于连续手势动作sEMG信号识别的有效性。结论基于经验公式的方法为实现基于sEMG信号的连续手势识别提供了一种可行的解决方案。     

恒河猴表面肌电信号小波去噪的复合评价指标

恒河猴表面肌电信号（sEMG）的去噪处理对于恒河猴运动学研究具有重要意义,其效果直接影响对恒河猴运动功 能评价的准确度。针对该类sEMG去噪效果综合评价法缺失的问题,提出一种通过变异系数定权确定的复合评价指标。 首先计算去噪信号的信噪比、均方根误差、平滑度、互相关系数等原始指标,并进行正向化、均值化处理,再利用变异系数 计算指标权重,将预处理后的原始指标加权组合为复合指标。进一步的仿真实验和实际实验数据计算表明,本文构建的 复合评价指标敏感性为1.72%±0.02%、准确性为83.64%,均显著高于现有指标的敏感性（1.04%±0.01%）和准确性 （75.76%）,能够较好地反映恒河猴sEMG小波去噪效果,在恒河猴的运动行为研究中具有一定的应用价值。     

基于蚁群算法的表面肌电信号特征选择

目的为提高假肢系统对动作信号的识别速度,设计了基于优化蚁群算法（ant colonyoptimization,ACO）的特征选择法,对表面肌电信号（surface electromyography,sEMG）高维特征向量降维以减少计算负担。方法以特征与目标类型之间互信息关系作为启发函数,通过蚁群算法选出最佳特征子集,最后用已训练好的人工神经网络检验其分类性能。结果对10名健康受试者进行了手腕部动作的肌电信号模式分类实验。与传统主成分分析法（principle component analysis,PCA）相比,该算法选出的特征子集提高了识别准确率,并显著降低了原始特征集的特征维数,进而简化分类器的结构,减少计算开销。结论本方法在实时性要求高的肌电控制假肢等系统中具有良好的应用前景。     

The innervation of the axillary arch determined by surface stimulodetection electromyography

The axillary arch (AA) is a muscular anatomical variation in the fossa axillaris that has been extensively studied in cadaveric specimens. Within these dissections, different innervations of the AA have been proposed, but this has never been explored in vivo. Knowledge of the innervation of the AA is required in order to better understand its function (e.g. predisposition for certain sports and/or activities, understanding shoulder injuries in overhead sports). Here, we report on the use of surface stimulodetection electromyography (SSEMG) to resolve the innervation of the AA in 20 subjects (12 women, eight men - mean age of 21.3 ± 2.7 years) with a uni- or bilateral AA. SSEMG of each muscle [M. latissimus dorsi (MLD) and M. pectoralis major] was performed with a four-channel electrostimulation measuring system in order to determine the innervation of the AA. The results showed co-contraction of the MLD in 85% of the subjects after AA stimulation. In the remaining subjects, no specific localized response was observed due to non-specific nerve stimulation, inherent to the proximity of the brachial plexus in these individuals. Our findings demonstrate that SSEMG exploration offers a practical and reliable tool for investigating anatomical aspects of muscle innervation in vivo. Using this approach, we conclude that the AA receives the same innervation as the MLD (the N. thoracodorsalis), and may be considered a muscular extension of the latter.     

自然行走对人体足底压力与下肢表面肌电信号影响的研究

目的 探究自然行走对正常人足底压力与下肢肌肉表面肌电信号(sEMG)的影响.方法 分别测量28例健康青年男性受试者在30 min平地自然行走前后足底压力与下肢肌肉的sEMG,得到行走前后峰值压强、冲量等足底压力参数及胫骨前肌、腓肠肌、股直肌与股二头肌的表面肌电时域参数积分肌电(iEMG)和频域参数平均功率频率(MPF),并检验峰值压强与身高、体质量的相关性.结果 平地自然行走开始时和30 min后,其左、右侧的峰值压强、冲量等各特征参数的差异均有统计学意义(均P＜0.05),不同参数的左、右侧差异分别体现在足底不同区域,而在跖骨区M3、M4、M5处各参数均表现出左侧大于右侧;行走前后左侧胫骨前肌、腓肠肌、骨直肌与股二头肌sEMG的iEMG均大于右侧;行走前后左侧胫骨前肌、腓肠肌的MPF大于右侧,其差异具有统计学意义(P＜0.05).30 min行走后右足脚趾区Toe2-5的峰值压强降低,其差异具有统计学意义(P＜0.05);各肌肉表面肌电iEMG无显著性变化,左侧股直肌的表面肌电信号的MPF显著性下降;峰值压强与身高、体质量均呈弱相关.结论 正常人自然行走中,足底压力和下肢表面肌电均具有左右侧的差异;30 min自然行走尚未导致足底压力出现明显疲劳状态的相应结果,因此自然行走30 min可维持步态的稳定性;30 min行走将导致左侧股直肌出现疲劳.