基于非線性與時(shí)頻分析理論的表面肌電信號特征信息提取與分類研究.pdf

1、表面肌電(surface electromyography,SEMG)信號是人體自主運(yùn)動(dòng)時(shí)神經(jīng)肌肉活動(dòng)發(fā)放的生物電信號,它反映了神經(jīng)、肌肉的功能狀態(tài).SEMG信號在臨床醫(yī)學(xué)、運(yùn)動(dòng)醫(yī)學(xué)、人機(jī)工效學(xué)、康復(fù)醫(yī)學(xué)、神經(jīng)生理學(xué)、電生理學(xué)等領(lǐng)域被廣泛應(yīng)用.SEMG在這些領(lǐng)域不斷增大的應(yīng)用價(jià)值取決于人們對SEMG信號中隱含信息不斷改善的提取和挖掘能力,因此,新的信號處理手段在SEMG研究中扮演著一個(gè)極其重要的角色.本論文從現(xiàn)代信號處理的兩個(gè)重要分支-

2、-非線性時(shí)間序列分析和時(shí)頻分析理論研究入手,對SEMG信號的性質(zhì)、疲勞SEMG特征信息提取和動(dòng)作SEMG模式識別方法進(jìn)行了理論上的新的探索,所做的主要工作及創(chuàng)新之處如下: 本文針對非線性時(shí)間序列分析中的首要基本問題--時(shí)間序列的確定性檢驗(yàn)問題進(jìn)行了深入的研究,創(chuàng)造性地將辛幾何理論和非線性時(shí)間序列分析中的替代數(shù)據(jù)方法相結(jié)合,提出了基于辛幾何譜和替代數(shù)據(jù)法的時(shí)間序列確定性檢驗(yàn)方法.與目前廣泛應(yīng)用的基于線性變換的奇異譜相比,辛幾何算法

3、是一種非線性變換,辛幾何譜具有測度保存特性,更適合于非線性時(shí)間序列的分析.本文推導(dǎo)了辛幾何譜分析原理,給出了相應(yīng)的算法和實(shí)現(xiàn).在確定該方法的科學(xué)性和可行性時(shí),首先通過對各學(xué)科領(lǐng)域中常見隨機(jī)信號和確定性混沌模型,如Lorenz方程、R6ssler方程、Mackey-Glass方程、生態(tài)映射模型、非線性隨機(jī)過程等進(jìn)行模型仿真實(shí)驗(yàn).接著,用此方法對國際上公認(rèn)的確定性混沌實(shí)驗(yàn)數(shù)據(jù)集--Santa Fe實(shí)驗(yàn)數(shù)據(jù)進(jìn)行檢驗(yàn),說明該方法對實(shí)驗(yàn)數(shù)據(jù)的有效

4、性.最后,對該方法的抗噪性能和對短樣本數(shù)據(jù)的適應(yīng)性進(jìn)行檢驗(yàn),說明該方法的魯棒性. 本文首次對靜態(tài)等長收縮方式不同狀況下的表面肌電信號的確定性檢驗(yàn)問題進(jìn)行了研究,通過利用辛幾何譜與替代數(shù)據(jù)結(jié)合的檢驗(yàn)方法對非疲勞、疲勞直至力竭的肌電信號進(jìn)行了檢驗(yàn)研究,結(jié)果表明靜態(tài)等長收縮方式下的肌電信號非確定性信號,進(jìn)而非混沌信號,而為一非線性隨機(jī)信號. 本文首次提出了一種新的基于Hilbert-Huang變換的信號平均頻率估計(jì)方法.信號平

5、均頻率估計(jì)廣泛應(yīng)用于SEMG、血流多普勒超聲等生物醫(yī)學(xué)信號處理中,傳統(tǒng)的方法多是基于:Fourier變換或現(xiàn)代譜估計(jì)的.這些方法僅適用于平穩(wěn)信號,且分辨率有限.本文提出的方法適用于非線性、非平穩(wěn)信號.采用經(jīng)驗(yàn)?zāi)B(tài)分解數(shù)據(jù)自適應(yīng)基的方法,將數(shù)據(jù)分解為一系列固有模態(tài)函數(shù),剔除噪聲后,應(yīng)用Hilbert變換獲得各固有模態(tài)函數(shù)瞬態(tài)頻率,提出采用一種加權(quán)方法計(jì)算原始信號平均瞬態(tài)頻率.從理論上證明了這個(gè)信號平均瞬態(tài)頻率就是對信號平均頻率的估計(jì).運(yùn)用

6、此方法,對在60﹪收縮下的靜態(tài)等長收縮非平穩(wěn)肌肉疲勞電信號進(jìn)行分析,并與基于AR模型和小波變換的平均頻率估計(jì)方法相比較.結(jié)果表明當(dāng)數(shù)據(jù)窗長度變化時(shí),該方法具有最佳的估計(jì)穩(wěn)定性. 本文首次提出了一種能同時(shí)滿足非負(fù)性和時(shí)間、頻率邊緣特性的基于尺度圖的時(shí)頻表達(dá)方法.只有同時(shí)滿足邊緣特性和非負(fù)性的時(shí)頻分布才能正確反映信號頻率、時(shí)限、帶寬等物理學(xué)參數(shù).本文提出以連續(xù)小波變換獲得的尺度圖作為先驗(yàn)概率分布,采用迭代交叉熵凸集投影算法,計(jì)算同時(shí)

7、滿足非負(fù)性和邊緣特性的優(yōu)化的尺度圖.通過模擬的猝發(fā)收縮和頻率線性下降的疲勞肌電信號,計(jì)算信號的瞬態(tài)平均頻率和瞬態(tài)中值頻率,結(jié)果表明,與Cohen類中的喬伊.威廉斯分布、減少交叉項(xiàng)分布和譜圖相比,尺度圖給出最佳的統(tǒng)計(jì)特性,即其瞬態(tài)變量估計(jì)的偏倚和標(biāo)準(zhǔn)偏差均低于上述三個(gè)目前較多應(yīng)用于肌電信號分析的時(shí)頻分布. 采用這種交叉熵最小化優(yōu)化的尺度圖分別對猝發(fā)收縮的肱二頭肌和周期性動(dòng)態(tài)收縮的脊豎肌肌電信號進(jìn)行分析,分別獲得了他們的瞬態(tài)平均頻率

8、和瞬態(tài)中值頻率變化曲線.發(fā)現(xiàn)在猝發(fā)收縮中,兩個(gè)頻率變量均隨力的增加而增加,推測這是由于具有較高傳導(dǎo)速度的較大的運(yùn)動(dòng)單元逐步被募集的原因.而在周期性動(dòng)態(tài)收縮實(shí)驗(yàn)中,發(fā)現(xiàn)隨著肌肉疲勞的加劇,兩個(gè)頻率變量均有向低頻壓縮的趨勢,但并無在肌肉靜態(tài)收縮中頻率壓縮的趨勢明顯. 本文首次將多特征域信息融合與多分類器連接的思想引入表面動(dòng)作肌電信號模式識別問題中,在深入討論多分類器連接的原理和各種算法的基礎(chǔ)上,提出了一種基于三個(gè)特征域--時(shí)域、頻域