專(zhuān)利名稱(chēng)：基于emd樣本熵的表面肌電信號(hào)識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明屬于模式識(shí)別領(lǐng)域，涉及一種肌電信號(hào)模式識(shí)別方法，特別涉及一種應(yīng)用于肌電假手，基于肌電信號(hào)的上肢多運(yùn)動(dòng)模式識(shí)別方法。
背景技術(shù)：
表面肌電信號(hào)(Surface electromyography, sEMG)是從人體骨骼肌表面通過(guò)表面肌電拾取電極記錄下來(lái)的、與神經(jīng)肌肉活動(dòng)相關(guān)的生物電信號(hào)，其中蘊(yùn)涵著很多與肢體運(yùn)動(dòng)相關(guān)聯(lián)的信息，不同的肢體動(dòng)作具有不同的肌肉收縮模式，肌電信號(hào)特征也將有所差異，通過(guò)對(duì)這些特征的分析就可以區(qū)分肢體的不同動(dòng)作模式，因此，它不僅被廣泛運(yùn)用于臨床診斷、運(yùn)動(dòng)醫(yī)學(xué)等領(lǐng)域，還成為假肢控制和功能性神經(jīng)電刺激的理想控制信號(hào)。隨著對(duì) 肌電信號(hào)產(chǎn)生機(jī)理的研究，研究者們發(fā)現(xiàn)sEMG具有非周期、非平穩(wěn)、非線(xiàn)性等混沌特性，近年來(lái)運(yùn)用非線(xiàn)性指標(biāo)來(lái)識(shí)別動(dòng)作表面肌電信號(hào)的模式也得到了深入的研究，例如王人成等利用Hausdorff維區(qū)別了伸腕、屈腕和旋腕3個(gè)動(dòng)作；胡曉等利用GP算法的信息維識(shí)別了腕正旋、腕反旋兩個(gè)動(dòng)作；鄒曉陽(yáng)、雷敏等將最大李雅普諾夫指數(shù)和多尺度分析方法結(jié)合起來(lái)，然后利用支持向量機(jī)較好的識(shí)別了人體前臂的內(nèi)翻、外翻、握拳、展拳、上切和下切六類(lèi)動(dòng)作；澳大利亞皇家墨爾本理工大學(xué)的Naik，Genesh R. Kumar, Dinesh K等提取手部各類(lèi)動(dòng)作的肌電信號(hào)的分形維特征，然后結(jié)合支持向量機(jī)識(shí)別手部各個(gè)動(dòng)作，取得了較高的識(shí)別率等。這些非線(xiàn)性算法都很好的解決了肌電信號(hào)的特征提取問(wèn)題，然而這些特征提取方法需要長(zhǎng)時(shí)間穩(wěn)定的sEMG信號(hào)，抗噪能力較弱，對(duì)肌電假手就不能很好的實(shí)時(shí)控制。

發(fā)明內(nèi)容
為實(shí)現(xiàn)對(duì)殘肢患者手腕運(yùn)動(dòng)模式的正確識(shí)別，快速精準(zhǔn)的控制肌電假手，本發(fā)明提出了一種基于經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical mode decomposition, EMD)樣本熵的肌電信號(hào)識(shí)別方法。首先從相關(guān)肌肉組上采集相應(yīng)的表面肌電信號(hào)，然后運(yùn)用能量閾值確定sEMG的動(dòng)作信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)，依據(jù)頻率有效度的方法自適應(yīng)的選取若干個(gè)包含肌電信號(hào)有效信息的內(nèi)蘊(yùn)模式函數(shù)(Intrinsic Mode Function, IMF)分量求和作為有效肌電信號(hào)，求取樣本熵，然后將樣本熵作為特征向量輸入主軸核聚類(lèi)分類(lèi)器，實(shí)現(xiàn)肌電信號(hào)的上肢多運(yùn)動(dòng)模式識(shí)別。為了實(shí)現(xiàn)以上目的，本發(fā)明方法主要包括以下步驟
步驟(I).獲取人體上肢肌電信號(hào)樣本數(shù)據(jù)，具體是首先通過(guò)肌電信號(hào)采集儀拾取人體上肢肌電信號(hào)，再運(yùn)用能量閾值確定動(dòng)作的起始位置和終止位置作為動(dòng)作肌電信號(hào)。步驟(2).將步驟(I)獲取的sEMG動(dòng)作信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，然后依據(jù)頻率有效度的方法自適應(yīng)的選取若干個(gè)包含肌電信號(hào)有效信息的MF分量進(jìn)行迭加作為有效肌電信號(hào)。所述經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)，具體算法如下
EMD是一種自適應(yīng)的信號(hào)處理方法，非常適合處理非線(xiàn)性非平穩(wěn)信號(hào)，它基于一個(gè)基本的假設(shè)條件，即所要分析的信號(hào)是由許多不同的內(nèi)蘊(yùn)模式函數(shù)相互疊加而成。不同時(shí)間尺度的各種模式將會(huì)根據(jù)其自身的特征尺度進(jìn)行分解，分解后的每種模式是相互獨(dú)立的，在連續(xù)的過(guò)零點(diǎn)間不存在其他極值點(diǎn)。所以每一個(gè)IMF都要滿(mǎn)足以下兩個(gè)判斷條件整組IMF數(shù)據(jù)中極值點(diǎn)和過(guò)零點(diǎn)的數(shù)目相等或最多相差I(lǐng) ;信號(hào)的局部極大值包絡(luò)線(xiàn)和局部極小值包絡(luò)線(xiàn)的均值為O。對(duì)信號(hào)蝴,用EMD分解成各MF步驟為
(1)首先確定信號(hào)的所有極值點(diǎn)，包括極大值點(diǎn)和極小值點(diǎn)。然后對(duì)所有極大值點(diǎn)和所有極小值點(diǎn)分別用三次樣條插值曲線(xiàn)連接起來(lái)，這樣便確定信號(hào)的上包絡(luò)線(xiàn)~(幻和下包絡(luò)線(xiàn)XiswW ,記上、下包絡(luò)線(xiàn)的均值為《U (X)。則
mU(O = (^Ci) + (O) 12(I)
(2)用信號(hào)X⑩減去上、下包絡(luò)線(xiàn)的均值,即
S11(I) = X(I) - W11 (O(2)
此時(shí)看suW是不是滿(mǎn)足MF的兩個(gè)條件，滿(mǎn)足則把％( )賦給;不滿(mǎn)足則把S11W看作原始信號(hào)在重復(fù)以上過(guò)程，直至JT次循環(huán)后得到的％⑷滿(mǎn)足頂F的兩個(gè)條件，并記
C1 if) = Sik { ·)(3)
(3)記剩余信號(hào)=,將其作為新的序列，重復(fù)上面步驟，直至提取出所有的MF。此時(shí)原始信號(hào)最終分解為《個(gè)MF和一個(gè)剩余分量。記
^)=2^.(0+^(0 ⑷
J=I
式中Cj(S)為第個(gè)MF分量；rjt)為余項(xiàng)。信號(hào)在分解的過(guò)程中保留了原來(lái)的特性，這些MF分量頻率從大到小，包含著不同的特征時(shí)間尺度，將信號(hào)的特征信息在不同的分辨率下表現(xiàn)出來(lái)，從而可以選取信號(hào)的MF分量組成新的特征信息。所述頻率有效度方法，具體算法如下
為了自適應(yīng)的選取前若干個(gè)IMF分量，本發(fā)明采用了基于瞬時(shí)頻率的有效信息統(tǒng)計(jì)
法，定義第i層的內(nèi)蘊(yùn)模式分量IMFi的頻率有效度馬=V 。其中，％為麗i中瞬時(shí)頻率
落在2(Γ350范圍內(nèi)的點(diǎn)數(shù)h力總的信號(hào)采樣點(diǎn)數(shù)，Si表示在指定頻率段的有效信息量。由于EMD分解的各層IMF分量的頻率逐層減小，它們的頻率有效度也各不相同，因而通過(guò)設(shè)定頻率有效度馬的值可以選取不同的前若干個(gè)MF分量。步驟(3).將步驟(2)獲取的肌電信號(hào)進(jìn)行特征提取，求取其樣本熵作為肌電信號(hào)特征。所述樣本熵，具體算法如下
樣本熵是在近似熵的基礎(chǔ)上，RiChman提出的一種改進(jìn)的時(shí)間序列復(fù)雜度測(cè)量方法。本發(fā)明采用了快速樣本熵，其計(jì)算步驟如下
(I)設(shè)有效肌電信號(hào)時(shí)間序列 }含有i/個(gè)數(shù)據(jù)，分別為· (1) , x(2) - -. x(N)。(2)將序列( }按順序組成一組,w維矢量，
權(quán)利要求
1.基于EMD樣本熵的表面肌電信號(hào)識(shí)別方法，其特征在于該方法包括如下步驟 步驟(I).獲取人體上肢肌電信號(hào)樣本數(shù)據(jù)，具體是首先通過(guò)肌電信號(hào)采集儀拾取人體上肢肌電信號(hào)，再運(yùn)用能量閾值確定動(dòng)作的起始位置和終止位置作為動(dòng)作肌電信號(hào)；步驟(2).將步驟(I)獲取的動(dòng)作肌電信號(hào)信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，然后依據(jù)頻率有效度的方法自適應(yīng)的選取若干個(gè)包含肌電信號(hào)有效信息的內(nèi)蘊(yùn)模式函數(shù)分量進(jìn)行迭加作為有效肌電信號(hào)；具體如下 1)對(duì)肌電信號(hào),用經(jīng)驗(yàn)?zāi)B(tài)分解，分解成各內(nèi)蘊(yùn)模式函數(shù)分量之后，如下式所示； ^')=^€//)+ φ) /=1 式中c/0為第個(gè)內(nèi)蘊(yùn)模式函數(shù)分量；(O為余項(xiàng)； 2)為了自適應(yīng)的選取前若干個(gè)內(nèi)蘊(yùn)模式函數(shù)分量，設(shè)計(jì)基于瞬時(shí)頻率的有效信息統(tǒng)計(jì)法，定義第i層的內(nèi)蘊(yùn)模式分量的頻率有效度Si =HiSn ;其中，％為MFi中瞬時(shí)頻率落在2(Γ350范圍內(nèi)的點(diǎn)數(shù)，η為總的信號(hào)采樣點(diǎn)數(shù)，Bi表示在指定頻率段的有效信息量；由于經(jīng)驗(yàn)?zāi)B(tài)分解的各層內(nèi)蘊(yùn)模式分量的頻率逐層減小，它們的頻率有效度也各不相同，因而通過(guò)設(shè)定頻率有效度馬的值可以選取不同的前若干個(gè)內(nèi)蘊(yùn)模式分量； 3)依據(jù)頻率有效度的方法自適應(yīng)的選取若干個(gè)包含肌電信號(hào)有效信息的內(nèi)蘊(yùn)模式函數(shù)分量進(jìn)行迭加作為有效肌電信號(hào)； 步驟(3).將步驟(2)獲取的有效肌電信號(hào)進(jìn)行特征提取，求取其樣本熵作為肌電信號(hào)特征； 步驟(4).以步驟(3)所求得的樣本熵作為特征向量輸入基于主軸核聚類(lèi)算法的聚類(lèi)分類(lèi)器，獲得識(shí)別結(jié)果； 所述的主軸核聚類(lèi)算法的聚類(lèi)分類(lèi)器設(shè)計(jì)如下 根據(jù)肌電信號(hào)樣本熵分布特征，設(shè)計(jì)基于樣本和核的相似性度量的算法一主軸核聚類(lèi)算法，具體是 設(shè)一個(gè)J維矢量樣本集Z =( /-，類(lèi)別數(shù)為e，定義主軸核函數(shù)為K-j (^. = ^ J — 1,2,-- ■ ,C 式中Vj' = (Ui^ti),設(shè)％為第頭的子集，則式為子集％的均值，Si為％的協(xié)方差矩陣,軸％=(' “')是樣本協(xié)方差矩陣爲(wèi)的七個(gè)最大特征值所對(duì)應(yīng)的本征向量系統(tǒng)，其中七表示j類(lèi)動(dòng)作的維數(shù)； 任一樣本X與一個(gè)軸％之間的相似程度可以用ζ與μ頭主軸之間的歐氏距離的平方來(lái)度量 L2 (x,Kj-) = [(J - Uj) - Uj-U](x-Uj)f [(J-Uj) - U/J] Cx- .)] 式中4是巧類(lèi)樣本的均值向量；任一樣本 與某個(gè)類(lèi)主軸的歐氏距離不受特征量綱選取的影響，并且平移不變，而且也反應(yīng)了特征的相關(guān)性；通過(guò)對(duì)訓(xùn)練數(shù)據(jù)的聚類(lèi)分析，用已知?jiǎng)幼饔?xùn)練集分別求取的每個(gè)動(dòng)作的主軸核函數(shù)為相應(yīng)類(lèi)的聚類(lèi)主軸，每個(gè)聚類(lèi)主軸都是一個(gè)rf維矢量；如果給定矢量屬于第J類(lèi)，那么它到第J類(lèi)聚類(lèi)主軸的歐氏距離最?。灰虼?，如果要判定矢量屬于哪一類(lèi)，只要計(jì)算它到哪一類(lèi)聚類(lèi)主軸的歐氏距離最小即可。
全文摘要
本發(fā)明提出了一種基于EMD樣本熵的表面肌電信號(hào)識(shí)別方法。本發(fā)明首先從相關(guān)肌肉組上采集相應(yīng)的表面肌電信號(hào)sEMG，然后運(yùn)用能量閾值確定sEMG的動(dòng)作信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，依據(jù)頻率有效度的方法自適應(yīng)的選取若干個(gè)包含肌電信號(hào)有效信息的內(nèi)蘊(yùn)模式函數(shù)分量進(jìn)行迭加作為有效肌電信號(hào)，求取樣本熵，最后將樣本熵作為特征向量輸入基于主軸核聚類(lèi)算法的聚類(lèi)分類(lèi)器，實(shí)現(xiàn)肌電信號(hào)的上肢多運(yùn)動(dòng)模式識(shí)別。本發(fā)明中樣本熵能夠從較短的時(shí)間序列中揭示動(dòng)作表面肌電信號(hào)的復(fù)雜性，很好的表現(xiàn)肌電信號(hào)的細(xì)微變化情況，抗干擾能力強(qiáng)，算法簡(jiǎn)單，計(jì)算速度較快，特別適合肌電信號(hào)的實(shí)時(shí)處理。
文檔編號(hào)A61B5/0488GK102961203SQ20121052701
公開(kāi)日2013年3月13日 申請(qǐng)日期2012年12月10日 優(yōu)先權(quán)日2012年12月10日
發(fā)明者席旭剛, 朱海港, 羅志增, 張啟忠, 佘青山 申請(qǐng)人:杭州電子科技大學(xué)