阅读说明：本技术 一种肌肉运动单元搜索方法 (A kind of muscular movement unit searches 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运动单元搜索方法,首先采集多通道表面肌电信号,然后分离波形传输分量和非传输分量,最后利用非传输分量相关性计算发放序列,搜索肌肉运动单元。由于肌肉运动单元发放波形中非传输分量一致性好,从非传输分量角度搜索肌肉运动单元可靠性高,并且本发明提供的肌肉运动单元搜索方法可以应用于肌肉动态收缩的情况。同时,在传输分量与非传输分量分离过程中,采用遗传算法保正结果最优,提高了肌肉运动单元搜索准确性。本发明实现简单,满足实际应用的需要。(The present invention provides a kind of muscular movement unit searches method, first acquisition multi-channel surface myoelectric signal, then separates waveform transfer component and non-transmitting component, is finally calculated using non-transmitting component correlations and provide sequence, searches for muscular movement unit.Since to provide non-transmitting component consistency in waveform good for muscular movement unit, from non-transmitting component angle searching muscular movement unit high reliablity, and the case where muscular movement unit searches method provided by the invention can be applied to muscle Dynamic contraction.It is optimal using the positive result of genetic algorithm guarantor meanwhile in transmission component and non-transmitting component separation procedure, improve muscular movement unit searches accuracy.The present invention realizes simply, meets the needs of practical application.)

一种肌肉运动单元搜索方法

技术领域

本发明涉及一种肌肉运动单元搜索方法。

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，肌肉运动单元的发放是构成sEMG的基础，通过sEMG得到运动单元详细信息有助于了解神经肌肉工作机制。目前的肌肉运动单元(Motor Unit，MU)的搜索方法在sEMG信号叠加严重、干扰强、MU发放频率接近时，获取的肌肉运动单元特性参数不理想。尤其在肌肉动态收缩时，肌肉运动单元搜索更难。如何在较多MU发放情况下，提高获取MU参数精度有待进一步研究。

国内外学者研究的多通道sEMG信号处理方法主要有：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。总的来看，利用多通道表面肌电信号搜索肌肉运动单元还处于探索阶段，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运动单元搜索方法，其特征是包括以下步骤：

步骤一，采集肌肉收缩下的多通道表面肌电信号，对信号滤波，削弱干扰；

步骤二，设置幅值阈值，提取每个通道发放波形；

步骤三，针对表面肌电信号，计算信号互相关矩阵的逆矩阵；

步骤四，以表面肌电信号残留误差和非传输信号能量作为优化目标函数，分离发放波形传输分量和非传输分量，目标函数如下：

其中y、K、W、X、λ、X₀分别为表面肌电信号、加权系数矩阵、强度、信号阵列、正则化参数和非传输分量；

步骤五，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：

其中X₀(n)是肌肉运动单元非传输分量，T表示转置，C^-1是信号互相关矩阵的逆矩阵，y是表面肌电信号，n是信号对应时刻；

步骤六，最后对所有运动单元归类整理，剔除重复以及不合理的肌肉运动单元，优化结果。

优化的措施包括：

步骤四的目标函数中正则化参数λ通过S曲线得到，由于从S曲线得到的λ值是一个范围，在操作过程中，在一定的范围内利用遗传算法搜寻λ最优值。

由于肌肉运动单元发放波形中非传输分量相对于传输分量来说，一致性更好，即使是肌肉动态收缩情况下，非传输分量稳定性也很好，因此，本发明提供一种基于非传输分量的肌肉运动单元搜索方法。在传输分量与非传输分量分离过程中，采用遗传算法保正结果最优，提高了肌肉运动单元搜索准确性。

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。本发明提供一种肌肉运动单元搜索方法，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。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，设置幅值阈值，提取每个通道发放波形。幅值阈值根据具体情况设置，高于阈值则提取发放波形，否则不提取，波形长度取对应时刻前后40ms。

步骤三，针对表面肌电信号，计算信号互相关矩阵的逆矩阵针。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，以表面肌电信号残留误差和非传输信号能量作为优化目标函数，分离发放波形传输分量和非传输分量，目标函数如下：

其中y、K、W、X、λ、X₀分别为表面肌电信号、加权系数矩阵、强度、信号阵列、正则化参数和非传输分量。加权系数矩阵K在波形最大幅值取1，最小幅值取0.1，处于最大与最小幅值之间则按照均匀分布。强度W取1，信号阵列X即传输分量，正则化参数λ通过S曲线得到，由于从S曲线得到的λ值是一个范围，在操作过程中，在一定的范围内利用遗传算法搜寻λ最优值。如图2所示，发放波形虚线框内为非传输分量，剩余部分为传输分量。

运动单元波形是由传输分量和非传输分量组成，而非传输分量是在波形消失阶段产生，根据肌纤维垂直方向上电极信号的波形相似性，可以将电极波形写成传输分量和非传输分量的加权叠加形式。

步骤五，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：

其中X₀(n)是肌肉运动单元非传输分量，T表示转置，C^-1是信号互相关矩阵的逆矩阵，y是表面肌电信号，n是信号对应时刻。

步骤六，最后对所有运动单元归类整理，剔除重复以及不合理的肌肉运动单元，优化结果。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，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运动单元搜索方法，由于肌肉运动单元发放波形中非传输分量相对于传输分量来说，一致性更好，即使是肌肉动态收缩情况下，非传输分量稳定性也很好，因此，本发明提供的肌肉运动单元搜索方法可以应用于肌肉动态收缩的情况。同时，在传输分量与非传输分量分离过程中，采用遗传算法保正结果最优，提高了肌肉运动单元搜索准确性。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。