基于表面肌电信号区分上肢动作的实验研究

被引:0
作者
卢蕾
机构
[1] 北京协和医学院
关键词
表面肌电信号; 信号检测; 小波变换; 小波包变换;
D O I
暂无
年度学位
2011
学位类型
硕士
导师
摘要
表面肌电信号是皮下肌肉复杂的电活动在皮肤表面处的时间和空间上的综合效应,它反映了神经、肌肉的功能状态,肌电信号的检测分析对临床诊断、康复医学等具有重要的意义。随着计算机技术的发展,从表面肌电信号中获取人体运动的有用信息并进行处理已经变得可行。 本文首先分析了表面肌电信号的产生机理及其基本特征。根据表面肌电信号的特点和提取技术要求,设计了一种简单的拾取电路采集表面肌电信号:设计了高共模抑制比的前端放大电路,抑制共模干扰;采用低通滤波电路,有源双T带阻滤波器对信号进行降噪处理;并使用软件Multisim对检测电路性能进行仿真测试,验证了该电路具有较高共模抑制比,能有效地滤除50Hz工频信号,满足肌电信号采集电路的基本要求。 本文设计了四种上肢动作实验,采集受试者动作中肌电信号,对采集的肌电信号进行了预处理,首先采用信号的能量阈值法对动作进行分割,然后使用小波降噪方法对信号进行降噪处理。降噪处理后运用小波分析理论对采集的表面肌电信号进行分析,使用了小波变换和小波包变换两种方法。处理结果表明由于小波变换随着小波分解尺度的增加,信号的时域分辨率提高但频域分辨率降低,而小波包变换能把随着分解尺度的增大而变宽的频谱窗口再进一步分割变细,从而在提高时域分辨率的同时,提高频域分辨率,确定了采用小波包变换方法分析肌电信号进行动作区分。 进而,本文对采集的四组动作信号进行小波包变换,选用小波包系数能量值作为信号的特征量,肌电信号的处理结果表明采用子频段能量值的方法可以区分手部四种不同动作。实验证明本文搭建的肌电信号的检测电路的可行性,得到了可以区分不同动作肌电信号的特征量,为研制易于携带的肢体动作肌电采集和控制仪器打下一定的基础。
引用
收藏
页数:61
共 45 条
[1]
表面肌电信号检测和处理中若干关键技术研究 [D]. 
赵章琰 .
中国科学技术大学,
2010
[2]
Improved surface EMG electrode for measuring genioglossus muscle activity [J].
O'Connor, Clara M. ;
Lowery, Madeleine M. ;
Doherty, Liam S. ;
McHugh, Michael ;
O'Muircheartaigh, Cormac ;
Cullen, John ;
Nolan, Philip ;
McNicholas, Walter T. ;
O'Malley, Mark J. .
RESPIRATORY PHYSIOLOGY & NEUROBIOLOGY, 2007, 159 (01) :55-67
[3]
Repeatability of surface EMG parameters at various isometric contraction levels and during fatigue using bipolar and Laplacian electrode configurations [J].
Ollivier, K ;
Portero, P ;
Maïsetti, O ;
Hogrel, JY .
JOURNAL OF ELECTROMYOGRAPHY AND KINESIOLOGY, 2005, 15 (05) :466-473
[4]
Classification of surface EMG signal using relative wavelet packet energy [J].
Hu, X ;
Wang, ZZ ;
Ren, XM .
COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE, 2005, 79 (03) :189-195
[5]
A method for positioning electrodes during surface EMG recordings in lower limb muscles.[J].A. Rainoldi;G. Melchiorri;I. Caruso.Journal of Neuroscience Methods.2003, 1
[6]
Location of innervation zones of sternocleidomastoid and scalene muscles – a basis for clinical and research electromyography applications.[J].D Falla;P Dall'Alba;A Rainoldi;R Merletti;G Jull.Clinical Neurophysiology.2002, 1
[7]
Comparison of algorithms for estimation of EMG variables during voluntary isometric contractions [J].
Farina, D ;
Merletti, R .
JOURNAL OF ELECTROMYOGRAPHY AND KINESIOLOGY, 2000, 10 (05) :337-349
[8]
EMG signals detection and processing for on-line control of functional electrical stimulation [J].
Frigo, C ;
Ferrarin, M ;
Frasson, W ;
Pavan, E ;
Thorsen, R .
JOURNAL OF ELECTROMYOGRAPHY AND KINESIOLOGY, 2000, 10 (05) :351-360
[9]
Classification of the myoelectric signal using time-frequency based representations.[J].K Englehart;B Hudgins;P.A Parker;M Stevenson.Medical Engineering and Physics.1999, 6
[10]
Neural network analysis of the EMG interference pattern.[J].E.W. Abel;P.C. Zacharia;A. Forster;T.L. Farrow.Medical Engineering and Physics.1995, 1