阅读说明：本技术 一种肌肉动态收缩的运动单元提取方法 (Muscle dynamic contraction movement unit extraction method ) 是由 何金保 安鹏 胡庆波 骆再飞 于 2019-09-11 设计创作，主要内容包括：本发明提供一种肌肉动态收缩的运动单元提取方法,首先同时采集多通道表面肌电信号和肌肉力信号,然后根据肌肉动态收缩时肌肉力的增加和减小,将多通道表面肌电信号进行分段,最后设计肌肉动态收缩函数,提取肌肉运动单元。由于肌肉运动单元发放受到肌肉力影响较大,所以肌肉动态收缩函数中引入肌肉力变化斜率,有效提高了运动单元提取的精确性。本发明实现简单,满足实际应用的需要。(The invention provides a method for extracting a muscle dynamic contraction movement unit, which comprises the steps of simultaneously acquiring a multi-channel surface electromyographic signal and a muscle force signal, segmenting the multi-channel surface electromyographic signal according to the increase and decrease of the muscle force during the dynamic contraction of the muscle, designing a muscle dynamic contraction function, and extracting the muscle movement unit. Because the muscle movement unit is greatly influenced by muscle force, the muscle force change slope is introduced into the muscle dynamic contraction function, and the accuracy of the movement unit extraction is effectively improved. The invention is simple to realize and meets the requirement of practical application.)

一种肌肉动态收缩的运动单元提取方法

技术领域

本发明涉及一种肌肉动态收缩的运动单元提取方法。

背景技术

表面肌电信号(surface EMG,sEMG)是利用表面电极从人体体表检测肌电信号，在临床上，通过多通道sEMG可以较全面地了解神经肌肉的功能状态。目前，对sEMG信号分析处理主要针对的是肌肉静态收缩的表面肌电信号，对肌肉动态收缩的研究非常少，本发明就是针对肌肉动态收缩，提出一种肌肉动态收缩的运动单元(Motor Unit，MU)提取方法。

国内外学者研究的多通道sEMG信号分解方法主要有：K均值聚类算法、模板匹配法、人工神经网络(ANN)算法、实时线性混叠盲信号分离算法、独立成分分折(ICA)、卷积核补偿算法等方法。但是这些方法针对肌肉静态收缩取得较好的效果，对于肌肉动态收缩是难以处理的，总的来看，多通道表面肌电信号处理还处于探索阶段，是肌电研究领域的难点之一。

发明内容

鉴于上述问题，本发明的目的在于提供一种肌肉动态收缩的运动单元提取方法，其特征是包括以下步骤：

步骤一，采集肌肉动态收缩下的多通道表面肌电信号，对信号滤波，削弱干扰，同时记录肌肉力的变化；

步骤二，根据肌肉力的单调增和单调减变化，将表面肌电信号分段，并且拟合得到相应每段肌肉力变化斜率；

步骤三，针对每段表面肌电信号，计算信号互相关矩阵的逆矩阵；

步骤四，计算每段表面肌电信号的肌肉动态收缩函数，根据信号相关性得到发放序列，发放序列ξ(n)计算公式如下：

ξ(n)＝D^T(n)C^-1y

其中D(n)是肌肉动态收缩函数，T表示转置，C^-1是信号互相关矩阵的逆矩阵，y是分段信号，n是信号对应时刻；

步骤五，重复每段表面肌电信号，计算发放序列，最后对所有发放序列归类整理，剔除重复以及不合理的发放时刻，优化结果。

优化的措施包括：

步骤四中肌肉动态收缩函数D(n)根据力信号的增或减设计，并且考虑肌肉力的影响，D(n)的具体形式如下：

其中k是常数，f为肌肉力变化斜率，y是分段信号，n是信号对应时刻。

与现有技术相比，本发明提供一种肌肉动态收缩的运动单元提取方法，根据肌肉动态收缩时肌肉力的增加和减小，将多通道表面肌电信号进行分段，设计了肌肉动态收缩函数，有效解决了肌肉动态收缩的影响。由于肌肉运动单元发放受到肌肉力影响较大，所以肌肉动态收缩函数中引入肌肉力变化斜率，有效提高了运动单元提取的精确性。同时，肌肉力变化斜率采用拟合方法得到，有利于处理肌肉力非线性变化情况。

附图说明

图1是本发明流程图。

图2是本发明实施例的肌肉力变化斜率拟合示意图。

具体实施方式

以下结合附图实例对本发明作进一步详细描述，本领域技术人员可由本说明书所揭露的内容轻易地实现。

如图1所示为本发明的流程图。一种肌肉动态收缩的运动单元提取方法，其特征是包括以下步骤：

步骤一，采集肌肉动态收缩下的多通道表面肌电信号，对信号滤波，削弱干扰，同时记录肌肉力的变化。由于sEMG信号中包含各种干扰信号，预处理首先需要采用带通滤波器，保留10Hz--500Hz频段信号，然后采用陷波滤波器，滤除50Hz工频干扰。

步骤二，根据肌肉力的单调增和单调减变化，将表面肌电信号分段，并且拟合得到相应每段肌肉力变化斜率。肌肉力变化斜率拟合见图2所示，图中，虚线是肌肉力信号，实线是拟合的力斜率直线，要求拟合的力斜率能够反映力变化的趋势。

步骤三，针对每段表面肌电信号，计算信号互相关矩阵的逆矩阵。首先计算多通道信号互相关矩阵以及互相关矩阵逆矩阵，互相关矩阵表示为：

C＝E(S(n)S^T(n))

其中n是采样时刻，S(n)是第n个采样时刻的多通道信号，S^T(n)是第n个采样时刻的多通道信号转置，E(·)是数序期望，计算互相关矩阵的逆矩阵C^-1，即

C-¹＝[E(S(n)S^T(n))]^-1

步骤四，计算每段表面肌电信号的肌肉动态收缩函数，根据信号相关性得到发放序列，发放序列ξ(n)计算公式如下：

ξ(n)＝D^T(n)C^-1y

其中D(n)是肌肉动态收缩函数，T表示转置，C^-1是信号互相关矩阵的逆矩阵，y是分段信号，n是信号对应时刻。肌肉动态收缩函数D(n)根据力信号的增或减设计，并且考虑肌肉力的影响，D(n)的具体形式如下：

其中k是常数，f为肌肉力变化斜率，y是分段信号，n是信号对应时刻。

步骤五，重复每段表面肌电信号，计算发放序列，最后对所有发放序列归类整理，剔除重复以及不合理的发放时刻，优化结果。不合理的发放指发放时刻小于15毫秒间隔的时刻，需剔除。

综上所述，本发明提供一种肌肉动态收缩的运动单元提取方法，根据肌肉动态收缩时肌肉力的增加和减小，将多通道表面肌电信号进行分段，设计了肌肉动态收缩函数，有效解决了肌肉动态收缩的影响。由于肌肉运动单元发放受到肌肉力影响较大，所以肌肉动态收缩函数中引入肌肉力变化斜率，有效提高了运动单元提取的精确性。同时，肌肉力变化斜率采用拟合方法得到，有利于处理肌肉力非线性变化情况。本发明实现简单，满足实际应用的需要。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。