搜索
表面肌电信号的定义：表面肌电信号(surfaceelectromyography，sEMG)就是肌肉兴奋时所募集的运动单位产生的一个个动作电位序列在皮肤表面叠加而成的信号再通过表面电极这样无创伤的形式获取的信号。一，表面肌电信号图：sEMG的特点：1，无创性：因为表面肌电信号是从人体皮肤表面通过电极记录下来的神经肌肉活动所产生的一种生物电信号,对病人没有创伤，而且病人容易接受。2，微弱性：因为表面肌电信号本身就是一种特别微弱的信号，再加上利用贴片电极记录肌电信号时人体的皮肤存在一定的阻抗，所以信号会更加微弱。3，易受干扰：肌电信号特别容易受到外界的干扰，例如：仪器的工频干扰，外界的噪声干扰以及电磁辐射等等都会对信号的采集造成干扰。4，随机性强【1】：肌电信号的幅值具有一种随机性即它幅值在0到6mv左右波动。表面肌电信号的采集：二，（1）sEMG数据的采集人体全身的肌肉共有639块，大约由60亿条肌纤维组成，在进行数据采集时要注意下列几点：（1）电极的位置：电极应当放置在受他肌肉干扰最小的位置，检测电极应该置于肌肉的中间即肌腹位置处，尽量离其他肌肉远一点，此外，电极对应该顺肌肉纤维的走势来贴，参考电极放在肌肉最少的地方或者骨头明显处。（2）电极对之间的距离会对采集到的信号有影响，因此，每次测量应当保持两电极片之间的距离相同。（3）人体的皮肤有很大的阻抗，如果不进行相应的处理就会在sEGM中出现基线漂移，因此在实验开始前要对皮肤进行处理去掉油脂和死皮减小阻抗。（4）实验过程中关闭其他移动设备减小电磁干扰。（5）受试者保持平静的呼吸运动防止带来干扰。例如：在对手臂的肌肉电信号进行采集时，具体的贴片方法如下图：三，（2）数据的预处理因为sEMG信号的特性就注定我们在采集到的数据中会出现各种各样的干扰因此在对表面肌电信号进行分析时我们要对其进行相应的预处理即去除sEGM信号中的工频干扰这个我们采用50HZ陷波器来处理这样可以较好的去掉工频干扰，在然后我们通过IIR对其进行10到500HZ的带通滤波处理即就完成了对原信号的预处理。【2】50HZ陷波器的幅频特性如下图所示：图3，IIR带通滤波器的幅频特性四（3）肌电信号的分析：在过去很长的一段时期,肌电信号的处理依靠医生目测和作一些简单的统计处理。但是随着现代电子技术的发展,计算机的引入,使肌电的数字化分析处理成为了可能,由此产生了多种sEMG的分析方法，下面就列举了几种分析。1）时域分析时域分析是将sEMG看作时间的函数,通过分析得到sEGM的某些统计特征,如对sEMG计算信号的整形平均值，方差、幅值的直方图、均方值、三阶原点矩或四阶原点矩【3】将其作为信号特征用于各种临床应用当中例如：假肢等等。但是在其他方面除了方差能代表信号的能量,大多数没有意义。而且由于表面肌电信号比较微弱,往往淹没于各种噪声之中,信号的时域特征难以提取，因此，一般在分析时很少会用到时域分析这种分析方法。均值=-0.00012标准差=0.17024方差=0.02898五，2）频谱分析我们一般的频谱分析就是利用傅立叶变换把时域信号变为频域信号,再对信号进行频谱或功率谱分析,常用的就是快速傅立叶变换(FFT)。sEMG在频域常用的指标有中值频率、均值频率、最高波峰幅值等。这种方法在sEMG的检测与分析中,具有重要的应用价值例如：分析肌肉的自发发力，控制用力等,但是它也存在一定弊病。换句话说我们在使用傅立叶变换研究信号时,要求信号全部时域信息,这是不可能的;此外,在频域中信号在某一时刻的变化将影响全部信息。而且sEMG是随机信号,因此用傅立叶变换来实时分析sEMG受到了阻碍。六，3）参数模型法近年来,参数模型法因为频率分辨率高成为sEMG分析的重要手段,其中典型的是AR（自回归）、ARMA两种模型法。傅立叶变换要求信号是平稳的,参数模型法只要求信号满足短时平稳条件即可,sEMG刚好可以满足。AR参数模型法将随机性和可测性有机地结合起来,其中激励白噪声反映过程的随机性,确定性模型反映过程的可预测性,因此随机信号的性质可以用模型的若干参数(或零极点)来表示。这样就使得分析特别简单，而且对于信号的功率谱能够进行较好的估计；但是经过试验表明当模型的阶数大于4~6以后会让运算量增大。在AR模型中信号中的每一个信号X（k）都被描述成为前p个样本点和噪声的线性组合：e(k)是白噪声，ai,,p是模型的系数和阶数该种方法比较适合用于局部肌肉的疲劳检测。七，4）时—频分析法sEMG是非平稳信号。对非平稳信号,近年来产生的将时域和频域结合起来的时频分析法引起了人们的关注,其中有维格纳分布和小波变换在肌电分析中有广泛的应用。A:维格纳分布（WVD）是信号在由时间、频率组成的二维平面上的能量密度分布,在时频空间上能提供高分辨率的信号特征和很好的抗噪声性能,在信号处理中颇有前景，但是我们在得到时域数据的时候会出现交叉项即伪信息，这样会影响到特征信息的提取。B：小波变换（WT）是傅立叶变换的新发展。能够克服交叉干扰的问题，小波变换既能在整体上提供信号的全部信息,又能提供在任意时段信号变化的信息。利用小波变换的时频定位特性,可以实现信号的时变谱分析,可以在任意细节上分析信号,而且对噪声不敏感,因此小波变换是sEMG分析的有力工具,如Constable等等，利用小波变换对sEMG进行时频分析,可以得到sEMG的频域变化特征。当然为了达到更加好的效果可以在小波变换的基础上进行主元分析。通常利用小波分解来提取表面肌电信号的特征提取，这样可以实现对肌肉的疲劳监测。八，5）人工神经网络分析人工神经网络是受到广泛关注的一种信号处理的方法,它模仿了生物神经元结构和神经信息传递的原理,用许多具有非线性映射能力的神经元组成,神经元之间通过权系数相连接构成自适应非线性动力系统,具有并行计算、分布式存诸等特点。人工神经网络的自组织、自适应学习以及优秀的容错性能使其在系统辨识和模式识别方面显示出很大的优越性,在sEMG的分析处理中,尤其是肌电信号的模式识别方面得到广泛应用。例如,ItakuraN等【8】九，6）混沌和分形分析混沌过程是具有确定性机制的类随机过程,它具有非周期性、非随机性、非线性和对初始条件敏感等特点,可以通过李雅普诺夫指数、相平面图和功率谱等特征参数表示。分形理论的出现,给难以用经典数字准确描述其参数变化特征的生物信号提供了一个新的途径。国外有研究小组开展了表面肌电的分形分析,取得了一些有价值的实验成果，但是关于表面肌电的分形研究还处于初级探索阶段。综上所述，因为对表面肌电信号的分析方法特别多而且每种分析方法都有优缺点，因此要结合研究的内容来选用合适的分析方法来对表面肌电信号的特征进行提取，从而得到正确的结论。