论文摘要
肌电信号(Electromyography signal, EMGs)是运动神经元兴奋产生的运动单位动作电位序列(Motor Unit Action Potential Train, MUAPT)在检测电极处的时空叠加形成的混合信号,其中包含了运动神经元的募集和发放以及肌纤维的传导等信息。肌电信号分解是肌电形成的逆过程,通过分解得到运动单位(Motor Unit,MU)的募集和发放信息,对于神经肌肉控制机理的研究以及临床诊断有重要的研究意义,并且在康复治疗,人机交互等方面有着重要的应用价值。表面肌电信号的采集相比于插入式肌电信号具有无创的优点,使用范围更广,更加方便,能够采集多种肌肉的肌电信号。其不足之处在于信号质量较差,信噪比较低,叠加波形较多,给分解带来了困难。很多研究者将插入式肌电信号的分解方法做一些修改应用到表面肌电信号的分解研究中,但是都不能达到插入式肌电信号的分解效果。本文重点讨论了叠加波形的时频域分解方法以及基于多通道信息的表面肌电信号分解算法,主要的研究工作和成果如下:1)针对表面肌电信号叠加波形较多这一特点,重点研究了基于时频分布的叠加波形分解算法。分析了时频分布对叠加分解的作用,根据叠加波形与其组成成分的互时频分布应当与该组成成分的时频分布相类似这一基本思想,研究了在多种叠加情况下,时频分布对叠加分解的有效性。实验表明相比于一般的匹配方法,基于时频分布的方法对于叠加波形的分解更加有效。2)为了提高MUAP的检测和识别率,提出了一种基于多通道时空信息的表面肌电信号分解方法。通过仿真实验对比了单通道肌电分解和多通道肌电分解的分解结果。实验表明,利用多通道信息的分解算法能够提高MU的检测率,特别是提高小幅值MUAP的检出和识别效果,另外,对于相似的MUAP也能够通过多通道的信息进行识别校正,从而提高识别准确率。在此研究基础上对采集的真实表面肌电信号也进行了分解,同样得到比较好的分解结果。3)为了方便分解操作,搭建了一个基于MATLAB平台的分解系统。该系统可以实现多通道表面肌电信号的分解,同时可以实现分解过程的人机交互。