基于非線性與時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)信號是人體自主運動時神經肌肉活動發(fā)放的生物電信號,它反映了神經、肌肉的功能狀態(tài).SEMG信號在臨床醫(yī)學、運動醫(yī)學、人機工效學、康復醫(yī)學、神經生理學、電生理學等領域被廣泛應用.SEMG在這些領域不斷增大的應用價值取決于人們對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研究中扮演著一個極其重要的角色.本論文從現(xiàn)代信號處理的兩個重要分支-

2、-非線性時間序列分析和時頻分析理論研究入手,對SEMG信號的性質、疲勞SEMG特征信息提取和動作SEMG模式識別方法進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: 本文針對非線性時間序列分析中的首要基本問題--時間序列的確定性檢驗問題進行了深入的研究,創(chuàng)造性地將辛幾何理論和非線性時間序列分析中的替代數據方法相結合,提出了基于辛幾何譜和替代數據法的時間序列確定性檢驗方法.與目前廣泛應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,更適合于非線性時間序列的分析.本文推導了辛幾何譜分析原理,給出了相應的算法和實現(xiàn).在確定該方法的科學性和可行性時,首先通過對各學科領域中常見隨機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、非線性隨機過程等進行模型仿真實驗.接著,用此方法對國際上公認的確定性混沌實驗數據集--Santa Fe實驗數據進行檢驗,說明該方法對實驗數據的有效

4、性.最后,對該方法的抗噪性能和對短樣本數據的適應性進行檢驗,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問題進行了研究,通過利用辛幾何譜與替代數據結合的檢驗方法對非疲勞、疲勞直至力竭的肌電信號進行了檢驗研究,結果表明靜態(tài)等長收縮方式下的肌電信號非確定性信號,進而非混沌信號,而為一非線性隨機信號. 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方法.信號平

5、均頻率估計廣泛應用于SEMG、血流多普勒超聲等生物醫(yī)學信號處理中,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.采用經驗模態(tài)分解數據自適應基的方法,將數據分解為一系列固有模態(tài)函數,剔除噪聲后,應用Hilbert變換獲得各固有模態(tài)函數瞬態(tài)頻率,提出采用一種加權方法計算原始信號平均瞬態(tài)頻率.從理論上證明了這個信號平均瞬態(tài)頻率就是對信號平均頻率的估計.運用

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

7、滿足非負性和邊緣特性的優(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,計算信號的瞬態(tài)平均頻率和瞬態(tài)中值頻率,結果表明,與Cohen類中的喬伊.威廉斯分布、減少交叉項分布和譜圖相比,尺度圖給出最佳的統(tǒng)計特性,即其瞬態(tài)變量估計的偏倚和標準偏差均低于上述三個目前較多應用于肌電信號分析的時頻分布. 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態(tài)收縮的脊豎肌肌電信號進行分析,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速度的較大的運動單元逐步被募集的原因.而在周期性動態(tài)收縮實驗中,發(fā)現(xiàn)隨著肌肉疲勞的加劇,兩個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上,提出了一種基于三個特征域--時域、頻域