《一种基于经验模态分解的对肌电图的预处理方法.pdf》由会员分享，可在线阅读，更多相关《一种基于经验模态分解的对肌电图的预处理方法.pdf（7页珍藏版）》请在专利查询网上搜索。
1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201710098270.4 (22)申请日 2017.02.22 (71)申请人 广东工业大学 地址 510006 广东省广州市大学城外环西 路100号 (72)发明人 刘宇巍 凌永权 李亚 (74)专利代理机构 广州三环专利商标代理有限 公司 44202 代理人 郝传鑫 (51)Int.Cl. A61B 5/0488(2006.01) A61B 5/00(2006.01) (54)发明名称 一种基于经验模态分解的对肌电图的预处 理方法 (57)摘要 本发明公开了一种基于经验模。
2、态分解的对 肌电图的预处理方法， 包括步骤： (1)选用不同截 止频率的线性相位有限长脉冲响应滤波器对肌 电图信号分别进行滤波； (2)对每一个经过滤波 后的信号进行EMD分解， 得到每一个信号对应的 IMF； (3)将得到的所有IMF的熵和极值作为特征 参数用于肌电图分析。 本发明提出了一种改良的 基于经验模态分解对肌电图的预处理方法， 选用 的滤波器的多少和截止频率的不同决定了特征 参数的数量和种类， 故而达到灵活的目的。 特征 参数越多， 可获得的肌电图的信息越多。 在后续 使用中， 可由此建立肌动图特征参数和需要检测 神经或肌肉或者其他功能的联系， 对医疗诊断、 日常体测等提供极大的参。
3、考作用。 权利要求书1页 说明书3页 附图2页 CN 107049310 A 2017.08.18 CN 107049310 A 1.一种基于经验模态分解的对肌电图的预处理方法， 其特征在于， 包括步骤： (1)选用不同截止频率的线性相位有限长脉冲响应滤波器对肌电图信号分别进行滤 波； (2)对每一个经过滤波后的信号进行EMD分解， 得到每一个信号对应的IMF； (3)将得到的所有IMF的熵和极值作为特征参数用于肌电图分析。 2.根据权利要求1所述的基于经验模态分解的对肌电图的预处理方法， 其特征在于， 在 步骤(2)中， 包括： 将滤波后信号分组分别进行EMD分解， 得到它们各自的一组IMF。
4、。 3.根据权利要求1所述的基于经验模态分解的对肌电图的预处理方法， 其特征在于， 所 述不同截止频率的线性相位有限长脉冲响应滤波器的数量分别为一个以上。 4.根据权利要求2所述的基于经验模态分解的对肌电图的预处理方法， 其特征在于， 在 步骤(3)中， 得到所述IMF的熵和极值的步骤包括： (301)建立X-Y坐标系， X轴表示各组信号的IMF个数， Y轴表示IMF的极值点个数， 连接各 点得到折线， 取每段折线的Y截距为c、 斜率为|m|； (302)解第一个无约束的二次规划问题， 将J(m,c)作为一个特征参数， 其中，表示k个IMF的极值的总数， k是IMF的个数； (303)根据各组。
5、信号单组IMF的最大数量m建立一个n阶多项式， m2n2m， 对应各阶系数 为an； (304)解第二个无约束的二次规划问题， 将作为一个特征向量， 其中， E(k)表示第k个IMF的熵，表示第k个IMF的估计误差； (305)将所得到的|m|， c， J(m,c)以及作为肌电图的特征参数。 权 利 要 求 书 1/1 页 2 CN 107049310 A 2 一种基于经验模态分解的对肌电图的预处理方法 技术领域 0001 本发明涉及肌电图处理技术， 更具体地说， 涉及一种基于经验模态分解的对肌电 图的预处理方法。 背景技术 0002 肌电图(electromyography)(英文简称EMG。
6、)， 是应用电子学仪器记录肌肉静止或 收缩时的电活动， 及应用电刺激检查神经、 肌肉兴奋及传导功能。 肌电图可以用于记录神经 和肌肉活动以判断其功能。 肌肉运动时会有微小的生物电变化,肌电图作为一种无创的检 测方法来检测这种生物电变化。 运动时肌电图的振幅、 频率等指标均会产生相应的变化,而 且这些变化与运动方式、 运动状态、 肌肉疲劳密切相关。 由此可见肌电图的应用十分广泛， 已被应用于临床检测。 0003 但是， 传统的肌电图仍然含有许多人体的噪声， 现代方法对肌电图信号进行预处 理后效果仍然较差， 造成肌电图的识别和应用有一定的局限性， 许多时候仍不能对肌电图 进行直接解读， 需要借助其。
7、他工具。 0004 经验模态分解(empirical mode decomposition， 以下简称EMD)是基于信号时域 局部特征的， 因此分解是自适应的， 也是高效的， 特别适合用来分析非平稳非线性的时变过 程， 它能清晰地分辨出交叠复杂数据的内蕴模式， 挖掘数据之间的内在联系。 在许多领域已 经得到了很好的应用。 在医学上， 利用EMD方法对一些电流图信号进行分析， 可以帮助医生 更好地识别患者的身体信息， 对医生的诊断可以起到一定的辅助作用。 也可以将该方法利 用于日常生活中， 通过对某些仪器(例如可穿戴设备)获得的人体信号进行分析， 可以对使 用者有可能出现某种疾病或者隐患进行有效。
8、预警， 以免耽误治疗。 但现的EMD分解对肌电图 的处理所选择的参数固定， 仍然混杂了较多的噪声， 特征不够明显， 并且选用特征的数量不 够灵活。 发明内容 0005 针对现有技术的缺点， 本发明的目的在于提供一种基于经验模态分解的对肌电图 的预处理方法， 对其预处理效果进行提升， 从而提高肌电图的去噪效果。 0006 为了实现上述目的， 本发明的技术方案为： 一种基于经验模态分解的对肌电图的 预处理方法， 包括步骤： (1)选用不同截止频率的线性相位有限长脉冲响应滤波器对肌电图 信号分别进行滤波； (2)对每一个经过滤波后的信号进行EMD分解， 得到每一个信号对应的 IMF； (3)将得到的。
9、所有IMF的熵和极值作为特征参数用于肌电图分析。 0007 作为上述技术方案的一种改进， 在步骤(2)中， 包括： 将滤波后信号分组分别进行 EMD分解， 得到它们各自的一组IMF。 0008 作为上述技术方案的一种改进， 所述不同截止频率的线性相位有限长脉冲响应滤 波器的数量分别为一个以上。 0009 作为上述技术方案的一种改进， 在步骤(3)中， 得到所述IMF的熵和极值的步骤包 说 明 书 1/3 页 3 CN 107049310 A 3 括： 0010 (301)建立X-Y坐标系， X轴表示各组信号的IMF个数， Y轴表示IMF的极值点个数， 连 接各点得到折线， 取每段折线的Y截距为。
10、c、 斜率为|m|； 0011 (302)解第一个无约束的二次规划问题， 将J(m,c)作为一个特征参数， 0012 0013其中，表示k个IMF的极值的总数， k是IMF的个数； 0014 (303)根据各组信号单组IMF的最大数量m建立一个n阶多项式， m2n2m， 对应各 阶系数为an； 0015(304)解第二个无约束的二次规划问题， 将作为一个特征向量， 0016 0017其中， E(k)表示第k个IMF的熵，表示第k个IMF的估计误差； 0018(305)将所得到的|m|， c， J(m,c)以及作为肌电图的特征参数。 0019 与现有技术相比， 本发明提出了一种改良的基于经验模态。
11、分解对肌电图的预处理 方法， 由于滤波器的截止频率不同， 故而每一个处理后的信号的EMD分解得到的IMF都是线 性无关的， 故而用来作为特征参数的熵和极值也是线性无关且独立的， 选用的滤波器的多 少和截止频率的不同决定了特征参数的数量和种类， 故而达到灵活的目的。 特征参数越多， 可获得的肌电图的信息越多。 在后续使用中， 可由此建立肌动图特征参数和需要检测神经 或肌肉或者其他功能的联系， 对医疗诊断、 日常体测等提供极大的参考作用。 附图说明 0020 下面结合附图和具体实施方式， 对本发明的结构及其有益技术效果进行详细说 明。 0021 图1为本发明的每张肌电图的误差近似图。 0022 图。
12、2为本发明的肌电图的本质模态函数指数对应的熵图。 0023 图3为本发明的不同噪声下肌电图的本质模态函数对应的熵图。 0024 图4为本发明的肌电图、 滤波指数与斜率、 截距和误差近似的图。 具体实施方式 0025 为了使本发明的发明目的、 技术方案及其有益技术效果更加清晰， 以下结合附图 和具体实施方式， 对本发明进行进一步详细说明。 应当理解的是， 本说明书中描述的具体实 施方式仅仅是为了解释本发明， 并非为了限定本发明。 0026 对肌动电流图信号进行预处理， 然后利用三次样条插值法提取处理后的信号的包 络， 通过EMD分解， 能得出信号的一系列本质模态函数(intrinsic mode。
13、 function,以下简 称IMF)， 将这些IMF的极值和熵作为特征可以用于作为进一步检测和分析的基础。 0027 本实施例基于经验模态分解对肌电图的预处理方法包括如下步骤： 说 明 书 2/3 页 4 CN 107049310 A 4 0028 1、 灵活选用不同截止频率的线性相位有限长脉冲响应滤波器对肌电图信号进行 预处理， 得到滤波后的信号； 0029 2、 将滤波后的各组信号分别进行EMD分解， 得到它们各自的一组IMF； 0030 3、 建立X-Y坐标系， X轴表示各组信号的IMF个数， Y轴表示IMF的极值点个数， 连接 各点得到折线。 取每段折线的Y截距为c、 斜率为|m|；。
14、 0031 4、 解第一个无约束的二次规划问题(1)， 将J(m,c)作为一个特征参数； 0032 0033其中，表示k个IMF的极值的总数， k是IMF的个数； 0034 5、 根据各组信号单组IMF的最大数量m建立一个n阶多项式， m2n2m， 对应各阶系 数为an； 00356、 解第二个无约束的二次规划问题(2)， 将作为一个特征向量； E(k)表示第k个IMF的熵，表示第k个IMF的估计误差； 0036 0037其中 00387、 将所得到的|m|， c， J(m,c)以及作为肌电图的特征参数。 0039 请参阅图1、 图2、 图3和图4， 显示了本实施例方法的检验效果。 0040 根据上述说明书的揭示和教导， 本发明所属领域的技术人员还可以对上述实施方 式进行适当的变更和修改。 因此， 本发明并不局限于上面揭示和描述的具体实施方式， 对本 发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。 此外， 尽管本说明书 中使用了一些特定的术语， 但这些术语只是为了方便说明， 并不对本发明构成任何限制。 说 明 书 3/3 页 5 CN 107049310 A 5 图1 图2 说 明 书 附 图 1/2 页 6 CN 107049310 A 6 图3 图4 说 明 书 附 图 2/2 页 7 CN 107049310 A 7 。