发明名称 人体表面肌电信号单通道盲源分离法
摘要 一种人体表面肌电信号单通道盲源分离法,属于电子信息技术领域,特征是采用多通道输入单通道输出的肌电信号预处理模块和单通道输入多通道输出的单通道盲源分离模块,实施步骤是把多路表面肌电信号在肌电信号预处理模块直接相加混合为单通道信号进行传输,最后在肌电信号单通道盲源分离模块在不影响后期模式识别效果条件下,简单、快捷、有效的恢复出源信号,实现多路输出口输出,以此来替代传统采用多接口和多通道、或者复用和解复用的多通道传输技术。本发明能够有效地减少传输通道数量,达到降低硬件复杂度,节约设备成本的目的。
申请公布号 CN102631195A 申请公布日期 2012.08.15
申请号 CN201210114093.1 申请日期 2012.04.18
申请人 太原科技大学 发明人 郭一娜;王清华;黄书华;卓东风;李秋果
分类号 A61B5/0488(2006.01)I 主分类号 A61B5/0488(2006.01)I
代理机构 太原市科瑞达专利代理有限公司 14101 代理人 王思俊
主权项 1.一种人体表面肌电信号单通道盲源分离法,其特征是采用的模块包括有:多通道输入单通道输出的肌电信号预处理模块和单通道输入多通道输出的肌电信号单通道盲源分离模块,实施步骤是:A、将采集到多路肌电信号通过屏蔽导线送到肌电信号预处理模块直接相加,得到预处理单通道肌电信号<img file="561998DEST_PATH_IMAGE001.GIF" wi="30" he="22" />;B、将预处理所得到的单通道肌电信号<img file="685812DEST_PATH_IMAGE001.GIF" wi="30" he="22" />送到肌电信号盲源分离模块,进行总体经验模态分解(Ensemble Empirical Mode Decomposition),即EEMD分解,主成份分析PCA降维和ICA分析,实现多路表面肌电信号通过一个输入口采集,多路输出口输出:B.1、总体经验模态分解EEMD处理得到本征模态函数IMFs: a、将预处理所得到的单通道肌电信号<img file="970163DEST_PATH_IMAGE001.GIF" wi="30" he="22" />,多次加入具有均值为零、标准差为常数的白噪声<img file="195739DEST_PATH_IMAGE002.GIF" wi="34" he="25" />,即为<img file="223738DEST_PATH_IMAGE003.GIF" wi="117" he="25" />,其中<img file="467637DEST_PATH_IMAGE004.GIF" wi="34" he="25" />为加入白噪声之后的信号,<img file="657310DEST_PATH_IMAGE002.GIF" wi="34" he="25" />为第i次加入的白噪声,白噪声n<sub>i</sub>(t)的准则为<img file="361394DEST_PATH_IMAGE005.GIF" wi="69" he="42" />,<img file="927504DEST_PATH_IMAGE006.GIF" wi="50" he="46" />,<img file="291489DEST_PATH_IMAGE007.GIF" wi="50" he="46" />,其中,<img file="652063DEST_PATH_IMAGE008.GIF" wi="18" he="25" />表示加入的高斯白噪声标准差,<img file="852232DEST_PATH_IMAGE009.GIF" wi="18" he="25" />表示肌电信号中有效高频成分的幅值标准差,<img file="222033DEST_PATH_IMAGE010.GIF" wi="18" he="25" />表示肌电信号幅值标准差,<img file="174946DEST_PATH_IMAGE011.GIF" wi="17" he="16" />为比例系数,通常情况下,<img file="972000DEST_PATH_IMAGE011.GIF" wi="17" he="16" />=<img file="580836DEST_PATH_IMAGE012.GIF" wi="28" he="33" />能有效避免肌电信号分解中的模式混淆;b、对所得到的信号进行经验模态分解EMD,得到各自的IMF记为<img file="567378DEST_PATH_IMAGE013.GIF" wi="37" he="26" />,和余项<img file="578059DEST_PATH_IMAGE014.GIF" wi="32" he="25" />,其中<img file="608332DEST_PATH_IMAGE013.GIF" wi="37" he="26" />表示加入白噪声后分解得到的第<img file="704464DEST_PATH_IMAGE015.GIF" wi="14" he="21" />个IMF;c、将步骤b所得到的IMF进行总体平均运算,得到IMFs为<img file="229118DEST_PATH_IMAGE016.GIF" wi="116" he="46" />,其中,<img file="94305DEST_PATH_IMAGE017.GIF" wi="37" he="26" />为对原信号进行EEMD分解后所得到的第<img file="295480DEST_PATH_IMAGE015.GIF" wi="14" he="21" />个IMF,由此可以得到IMF分量矩阵<img file="878908DEST_PATH_IMAGE018.GIF" wi="178" he="26" />,其中,<img file="2012101140931100001DEST_PATH_IMAGE019.GIF" wi="9" he="18" />为单通道肌电信号经EEMD分解后的IMF个数,上标T为转置运算;B.2、 对得到IMF分量进行PCA降维:<img file="938743DEST_PATH_IMAGE020.GIF" wi="156" he="25" /><b>,</b>其中A为经过EEMD分解后得到的IMF分量<img file="986334DEST_PATH_IMAGE021.GIF" wi="38" he="23" />矩阵,R为m个变量IMFs的自相关矩阵,V为R的<img file="296092DEST_PATH_IMAGE022.GIF" wi="42" he="16" />阶特征向量矩阵,其列向量是R的正交规一化的特征向量,<img file="179866DEST_PATH_IMAGE023.GIF" wi="17" he="18" />为R的特征对角矩阵,<img file="233272DEST_PATH_IMAGE024.GIF" wi="17" he="24" />,i=1,2, …,m为第i个对角线上的元素,构造m个不相关的新变量<img file="135369DEST_PATH_IMAGE025.GIF" wi="64" he="22" /><b>,</b>Y<b> = </b>{y<sub>1</sub>,y<sub>2</sub>,…,y<sub>m</sub>}<sup>T</sup>,对<img file="616029DEST_PATH_IMAGE024.GIF" wi="17" he="24" />(i=1,2, …,m)按降序排列后,取前面p个较大特征值所对应的特征向量,得到降维后<img file="908470DEST_PATH_IMAGE026.GIF" wi="37" he="18" />阶向量矩阵B,其中<img file="578617DEST_PATH_IMAGE027.GIF" wi="40" he="22" />;B.3、将PCA降维所得到矩阵B进行ICA处理,采用的是效果好且速度快的基本定点迭代算法FastICA进行ICA处理:a、白化数据,给出观测矩阵X,其中<img file="335221DEST_PATH_IMAGE028.GIF" wi="76" he="22" />,A为信号的混合矩阵,<img file="986782DEST_PATH_IMAGE029.GIF" wi="36" he="22" />为源信号;b、随机选取权向量作为解混矩阵W的权值,W为解混矩阵,即为混合矩阵A的虚拟反矩阵;c、令<img file="845147DEST_PATH_IMAGE030.GIF" wi="229" he="25" />,其中非二次函数G的导数<img file="240357DEST_PATH_IMAGE031.GIF" wi="110" he="24" />,<img file="851467DEST_PATH_IMAGE032.GIF" wi="64" he="24" />,是常数,常取做1;d、循环迭代,直到收敛为止,最后得到<img file="939508DEST_PATH_IMAGE033.GIF" wi="39" he="23" />阶向量矩阵<img file="22521DEST_PATH_IMAGE034.GIF" wi="36" he="22" /><b>,</b>通过观察选取分离后肌电信号。
地址 030024 山西省太原市万柏林区瓦流路66号