表面肌电信号的分析和特征提取***☆◆

背景：表面肌电信号的检测与分析对临床诊断人体功能状况以及患者康复具有重要意义。 目的：对表面肌电信号的采集、信号处理、特征分析和特征值提取方面进行分析。 方法：在人体屈伸肘部的过程中,选取人体上肢4块肌肉(肱三头肌,肘肌,肱二头肌,肱桡肌)分别检测表面肌电信号,对表面肌电信号进行陷波和带通滤波等预处理(优化)。在此基础上分析表面肌电信号的特征,并应用不同的特征值提取方法对优化后的表面肌电信号进行了特征提取。 结果与结论：时域方法最早应用于肌电信号分析,易提取、方法简单;频域方法提取的特征值较稳定,使得频域方法成为肌电信号处理技术的主流;以小波变换为代表的时-频分析方法因结合了时域、频域两方法的特性,在肌电信号分析方面颇有潜力。 关键词：表面肌电信号;信号采集;信号处理(优化);特征分析;特征值提取。     

生物电放大电路的50Hz干扰分析与电路设计☆

背景：在某些临床应用场合或特殊工作环境中，存在特别强烈的50 Hz干扰，放大器的输出已经达到或接近饱和状态，一般的抗干扰电路和软件算法难以有效抑制。因此必须通过改进硬件电路抑制干扰以得到满意的信号。 目的：介绍一种生物电放大器可以有效抑制50 Hz交流电干扰对微弱电生理信号检测的影响。 设计：采用先进行理论分析，建立电路模型，再以软件仿真，最后设计实现实际应用电路。 单位：解放军第三○五医院，空军航空医学研究所。 材料：设计50 Hz交流电干扰的等效模型电路及电路仿真软件TINA RPO 6.0均由空军航空医学研究所提供，高压电场实验环境由解放军第三○五医院提供的高压电场治疗仪制造。 方法：首先在空军航空医学研究所进行理论分析，建立50Hz干扰模型。提出下列三点抗干扰的措施，并应用在电路模型中：①提高整体电路共模输入阻抗以消除皮肤接触阻抗匹配失衡。②共模电压源控制恒流源降低仪表放大器等效共模输入阻抗。③右腿驱动电路减小共模电压。并且通过应用电路仿真软件TINA PRO对上述电路模型进行仿真分析。通过不断改进电路模型，获得正确的仿真结果。根据电路模型，设计实现了能够在强烈干扰环境下有效抑制50 Hz干扰的心电放大器。并在解放军第三○五医院高压电场治疗仪制造的强烈干扰环境下进行了实际使用，有效抑制了50 Hz干扰，获得高质量的心电信号。 主要观察指标：通过电路共模抑制比和在强烈干扰环境下获得信号的频谱来评价抗50 Hz交流干扰的能力。 结果：为输入回路串接一个100 Ω和200 kΩ电阻以建立皮肤接触阻抗匹配失衡的状态。皮肤接触阻抗匹配失衡为100 Ω时放大器在共模电压源的作用下，输出幅度为1.69 mV峰峰值。根据计算，共模抑制比为125.8 dB。皮肤接触阻抗匹配失衡为200 kΩ时放大器在共模电压源的作用下，输出幅度为1.78 mV峰峰值。根据计算，共模抑制比为125.3 dB。由频率为20 Hz，幅度为50 μV峰峰值，相位相反的两个电压源构成差模信号。1 000倍的放大倍数。在电路的输入回路中，串接一个200 kΩ电阻以建立皮肤接触阻抗匹配失衡的状态。放大器的输出结果为50 mV峰峰值；输出波形的快速傅立叶变换频谱中没有50 Hz谱线。 结论：仿真实验和实际应用都表明该放大器在强烈50 Hz交流电干扰和皮肤接触阻抗匹配严重失衡的条件下具有良好的干扰抑制能力和微弱信号放大能力。     

基于双谱分析表面肌电信号特征的提取与模式识别

背景：肌电信号在本质上是一种具有非平稳、非高斯特性的生理信号。目前基于高阶累积量的高阶谱技术广泛应用于非高斯、非平稳、非线性等问题。 目的：基于非高斯AR参数模型,将双谱分析和fisher线性判别分析方法相结合进行表面肌电信号特征提取。 方法：针对表面肌电信号特点,从信号高阶统计处理角度,基于“非高斯AR参数模型”进行双谱分析,提取有效特征,用fisher线性判别分析降维方法构造特征向量,然后利用支持向量机实现不同动作模式的准确分类。并与多种常用表面肌电信号特征的识别准确率进行对比研究。 结果与结论：利用多类支持向量机分类器对8种前臂动作进行分类,8种动作的平均识别率达到97.6%以上。通过比较发现,基于短数据的双谱特征在分类性能上优于AR模型系数、小波包系数等构造的特征,能够提高肌电假肢的实时控制的性能。     

大脑皮质运动区功能定位：皮质脑电证据

背景：神经皮质（运动区）功能定位可以帮助医生最大限度地切除病灶并避免神经功能损害,关系到病人术后的生存质量。目前的神经皮质（运动区）功能定位方法在速度、准确和安全性方面需要进一步提高。 目的：探讨皮质脑电用于术中神经皮层（运动区）功能定位的可行性和意义。 设计、时间及地点：自身对照实验。本研究采用国际BCI第IV届竞赛数据,由海港医院（华盛顿 西雅图）在2008年6月11日采集,处理由华南理工大学生物科学与工程学院（广东省广州市）在2009年9月完成。 对象：华盛顿西雅图海港医院的3位癫痫病人运动区皮质脑电信号（以下简称ECoG）数据。 方法：采集位于大脑神经皮质（运动）功能区的手指皮质区域的皮质脑电信号数据,同时采集相应手指弯曲运动数据,作自身对照;利用离散db3小波对ECoG数据进行7层小波分解并重构各单子频带信号,提取各单子频带重构信号在运动事件发生前后的能量比（ERD指标）为特征量,比较其大小确定特征频带;构造多个阈值进行特征量分类,结果与相应手指弯曲运动数据比较,比较检出正确率确定特征阈值。将20次试验采集数据分成训练和测试组,分别用于特征提取方法和分类器的设计和性能检测,进行检出正确率分析。 主要观察指标：用于特征提取和分类的特征频带、ERD指标特征量和特征阈值。 结果：以 D6（7.812-15.625 Hz）特征频带重构信号的ERD指标为特征量,以40.5%为特征阈值进行分类,ERD特征明显,识别度高。其分类定位检出正确率达到90%。 结论：自发皮质脑电信号分析可以作为神经皮质运动区功能定位的可靠方法。     

脑神经网络综合康复治疗仪的研制*★

目的：开发一种新型的脑卒中康复治疗仪，能够对脑卒中患者脑神经网络重建、运动功能的恢复、脑神经的保护以及心理功能的康复起到积极的作用，从而为脑卒中患者的全面康复提供一种新的治疗平台。 方法：治疗仪采用电路模块结合PC的上、下位机结构。下位机包括体表肌电采集电路、神经肌肉电刺激电路、小脑顶核电刺激电路三大部分，各个电路采用模块化设计方法；上位机（PC）的软件系统在Borland C++ Builder6.0下开发完成，软件系统主要负责视觉信号反馈，治疗参数控制、病历登记、信息查询等功能。 结果：开发出了基于肌电生物反馈法与小脑顶核电刺激的脑神经网络综合康复仪，并通过相关部门的检测。 结论：治疗仪能提供综合的脑卒中康复方法，而且具有安全、无创、便捷、人机交互能力强等特点。     

基于皮质慢电位特征分析的神经皮质运动区功能定位

背景：皮质慢电位及其偏移变化在所有个体中都存在,基于皮质慢电位及其变化规律检测的神经皮质(运动区)功能定位方法可以有效避免漏检,关于此方面的详细研究鲜有报道。 目的：探讨皮质脑电中皮质慢电位用于术中神经皮质(运动区)功能定位的可行性和特点。 方法：采集华盛顿西雅图海港医院3例患者位于大脑神经皮质(运动)功能区手指皮质区域的皮质脑电信号数据,同时采集相应手指弯曲运动数据,作自身对照。利用小波变换对皮质脑电信号进行分解和重构,提取运动事件相关皮质慢电位在运动事件发生前后的能量比(事件相关电位指标)为特征量,并构造特定阈值进行分类,结果与相应手指弯曲运动数据比较,进行检测正确率分析。将试验采集数据分成训练和测试组,分别用于特征提取和分类算法的设计和性能检测。 结果与结论：以皮质慢电位信号的事件相关电位指标为特征量,以1.6为阈值进行分类,其分类定位检出正确率达到84%。提示通过皮质(运动区)慢电位的特征提取和分类可以更有效地进行术中运动功能区皮质定位,具有检测分辨率高、避免漏检的优点。     

微弱荧光信号检测电路抗噪声能力对时间分辨荧光免疫分析仪测量精度的影响

时间分辨荧光免疫分析仪的测量精度取决于其对弱荧光信号检测电路的抗噪声能力。实验针对光电倍增管的特点，设计的电流模放大电路克服了常用电压模放大电路的弊端，提高了检测电路的抗噪声能力；为克服光电倍增管阳极暗电流的影响，设计了暗电流自动补偿电路。测试结果显示，在同样增益下，电流模放大电路及暗电流补偿技术采集的荧光信号中所含噪声小于电压模放大电路采集的荧光信号中所含噪声。采用电流模放大电路和暗电流自动补偿技术可以显著地减小噪声，较大地提高信噪比。提示采用电流模放大和暗电流补偿技术的微弱荧光信号检测电路可以提高信号采集精度、灵敏度、稳定性和可靠性，从而改善时间分辨荧光免疫分析仪的整体性能，提高其检测极限和检测精度。     

兔腓肠肌表面肌电信号与肌肉收缩及运动中枢的关系

背景：以往的验证实验均采用电刺激方法诱发肌肉收缩,施加电流的影响使接收到的表面肌电信号混有外来电流成分,无法有效分析其与肌肉收缩,特别是与高位运动中枢的关系。 目的：观察新西兰兔腓肠肌表面肌电信号与肌肉收缩及高位、低位运动中枢的关系。 方法：在新西兰兔清醒状态下通过针刺右侧跟腱诱发腓肠肌收缩,局麻清醒状态下离断右侧坐骨神经,分别在针刺跟腱、钳夹离断的坐骨神经远侧断端、针刺腓肠肌和被动活动腓肠肌时,检测腓肠肌表面肌电信号的强弱及类型。局麻下于L3平面横断脊髓,针刺左侧跟腱诱发腓肠肌收缩,检测腓肠肌表面肌电信号的强弱和类型。 结果与结论：正常状态下经针刺跟腱诱发腓肠肌随意收缩时,可接收到400 μV、持续4 s的宽底随意波;横断脊髓后针刺跟腱诱发的反射性腓肠肌收缩接收到的信号小于100 μV、持续时间小于1 s;离断坐骨神经后刺激跟腱、神经和肌肉时,均未引起肌肉收缩,但可接收到强度小于10 μV、持续时间小于0.5 s的干扰波;被动活动关节牵拉腓肠肌时未检测到肌电信号活动。说明兔腓肠肌表面肌电信号产生于肌肉收缩之前,是以高位运动中枢为主、低位运动中枢为辅发放到肌肉的驱动电信号的综合,而非肌肉收缩本身产生。     

建立人工面神经反射弧恢复失神经支配眼轮匝肌的闭眼功能

目的：建立人工面神经反射弧,恢复面瘫兔的闭眼功能。 方法：试验动物为新西兰兔12只。采用手术切断面神经制备单侧周围性面瘫模型,患侧行肌电图检查确诊。术后第5天患侧植入刺激电极,健侧植入采集电极并留置1月。患侧分别于术后第7天、第28天给予电流刺激;而健侧采集电极则连续采集2周的肌电信号。建立健侧眼轮匝肌肌电信号采集、中枢信号处理模式识别、患侧电流刺激眼轮匝肌系统。当健侧眼轮匝肌采集的肌电信号经信号识别、提取以及电脑分析判断,符合其闭眼刺激阈值时,即对人工电刺激器发出指令,由刺激电极直接作用于患侧眼轮匝肌,引起眼睑完全闭合。结果：刺激方式为正负方向矩形波,电流强度为0.40—0.70mA之间可引起患侧眼轮匝肌收缩,眼睑完全闭合。当健侧眼睑闭合时,其肌电信号电压大于50uV,触发电刺激器,电流刺激即引发患侧眼轮匝肌收缩,完成眼睑闭合。结论：利用MEMS技术,在面瘫兔模型建立“人工面神经反射弧”,恢复患侧眼轮匝肌闭眼功能。     

儿童失神癫痫脑电图的多尺度相位平均波形

目的：深入研究癫痫患者脑电信号在时域、频域的细节特征及典型的波型特征,对于癫痫的临床诊断和发病机制的研究具有重要意义。本文应用子波变换的方法提取儿童失神癫痫脑电信号的多尺度特征及相位平均波形。 方法：儿童失神癫痫患者15例,正常对照儿童12例,分别行脑电信号检查。在15例失神癫痫患者共采集到10次临床发作和20次亚临床痫性放电。对采集的脑电信号进行多尺度子波分析,提取其失神癫痫发作过程脑电图的多尺度特征及相位平均波形。对癫痫发作时脑电信号、亚临床痫性放电、正常儿童脑电信号的相位平均波型的前半周期的波幅进行比较,并进行统计学分析。 结果：研究显示儿童失神癫痫发作前的脑电图中表现为电位反相异常的 节律及隐性的3Hz成分,从传统的脑电图上无法分辨出发作前后的这些多尺度细节的定量特征。儿童失神癫痫发作过程中脑电信号的多尺度典型特征主要表现为12尺度（对应频率3 Hz）的节律性活动显著增强,其相位平均波形表现为反相位的3Hz异常节律。癫痫发作时脑电信号、亚临床痫性放电、正常儿童脑电信号的相位平均波型的前半周期的波幅比较,具有统计学差异（P<0.05）。 结论：子波分析作为一种新的多尺度信号分析方法,适合于脑电信号的分析,通过子波分析可以获得比传统视觉脑电图更多的定量信息。通过对失神癫痫患者的脑电信号进行子波分析,得到其发作过程中典型的多尺度定量特征和相位平均波形,有助于失神癫痫的临床辅助诊断、预后评价以及神经电生理机理的基础研究。     

基于独立成分和小波分析的胎儿心电提取

背景：在胎儿心电信号的采集过程中,会受到母体和其他噪声的强干扰,如何快捷与有效地提取出胎儿心电将成为重要的研究课题。 目的：采用结合独立成分分析和小波分析的方法对来自于同一母体的观测信号进行独立分量分离,得到有效的胎儿心电。 方法：结合独立成分分析和小波分析的算法进行胎儿心电的特征提取,首先对含噪信号进行小波变换,去除奇异信号和非平稳随机信号,然后对小波重构后的信号运用快速独立成分分析算法进行成分分析。 结果与结论：在胎儿心电信号的采集过程中,会受到母体和其他噪声的强干扰,但这些信号都是随机的,不相关的,可以认为它们间是相互独立的。采用结合独立成分和小波分析的方法对来自于同一母体的观测信号进行独立分量分离,得到有效的胎儿心电。实验证明该方法是一种有效的方法。     

Feature extraction for EEG-based brain-computer interfaces by wavelet packet best basis decomposition

A method based on wavelet packet best basis decomposition (WPBBD) is investigated for the purpose of extracting features of electroencephalogram signals produced during motor imagery tasks in brain-computer interfaces. The method includes the following three steps. (1) Original signals are decomposed by wavelet packet transform (WPT) and a wavelet packet library can be formed. (2) The best basis for classification is selected from the library. (3) Subband energies included in the best basis are used as effective features. Three different motor imagery tasks are discriminated using the features. The WPBBD produces a 70.3% classification accuracy, which is 4.2% higher than that of the existing wavelet packet method.     

从体表电生理信号中提取希氏束信号的分析系统**

背景：传统的希氏束检测方法是对体表心电信号进行数百次叠加或者经食道检测以及心内导管检测得到,研制从体表心电信号提取希氏束信号不但有利于临床诊断,也有利于动物药物实验。 目的：从体表心电信号中提取希氏束信号,并开发体表希氏束信号分析系统。 方法：以家兔体表心电信号作为待分析信号,以其心内希氏束电图作为对照信号,采用随机共振、小波变换、叠加平均和耦合累加等分析方法,对体表心电信号进行分析。 结果与结论：小波变换后得到的信号,可以从体表心电信号中检测出希氏束信号,但并不是所有希氏束信号都能被识别,心内信号经过小波变换后,个别希氏束信号反而消失。随机共振方法从体表心电中检测出的希氏束信号识别率要高于小波分析方法,随机共振方法与小波分析相同之处是,心内信号经过处理后,个别希氏束信号反而消失。本文提出的耦合叠加算法能够从体表心电信号提取出希氏束信号,与经典叠加方法比较,其优点是希氏束信号明显,叠加次数远远少于经典叠加方法。提示实验采用的随机共振、小波变换、耦合累加等分析方法,能够有效抑制噪声、提取希氏束信号,开发研制的体表希氏束信号分析系统具有较强的实用价值。 关键词：希氏束;随机共振;小波;心电图;数字化医学     

A Neuro-Fuzzy Control System Based on Feature Extraction of Surface Electromyogram Signal for Solar-Powered Wheelchair

This paper presents the design and implementation of a low-cost solar-powered wheelchair for physically challenged people. The signals necessary to maneuver the wheelchair are acquired from different muscles of the hand using surface electromyography (sEMG) technique. The raw sEMG signals are collected from the upper limb muscles which are then processed, characterized, and classified to extract necessary features for the generation of control signals to be used for the automated movement of the wheelchair. An artificial neural network-based classifier is constructed to classify the patterns and features extracted from the raw sEMG signals. The classification accuracy of the extracted parameters from the sEMG signals is found to be relatively high in comparison with the existing methods. The extracted parameters used to generate control signals that are then fed into a microcomputer-based control system (MiCS). A solar-powered wheelchair prototype is developed, and the above MiCS is introduced to control its maneuver using the sEMG signals. The prototype is then thoroughly tested with sEMG signals from patients of different age groups. Also, the life cycle cost analysis of the proposed wheelchair revealed that it is financially feasible and cost-effective.     

Wavelet decomposition analysis of heart rate variability in aerobic athletes

Heart rate variability (HRV) can be quantified, among others, in the frequency domain using digital signal processing (DSP) techniques. The wavelet transform is an alternative tool for the analysis of non-stationary signals. The implementation of perfect reconstruction digital filter banks leads to multi resolution wavelet analysis. Software was developed in LabVIEW. In this study, the average power was compared at each decomposition level of a tachogram, containing the consecutive RR-intervals of two groups of subjects: aerobic athletes and a control group. Compared to the controls, the aerobic athletes showed an increased power in all frequency bands. These results are in accordance with values obtained by spectral analysis using the Fourier transform, suggesting that wavelet analysis could be an appropriate tool to evaluate oscillating components in HRV, but in addition to classic methods, it also gives a time resolution.     

Continuous wavelet transform in the evaluation of stretch reflex responses from surface EMG

OBJECTIVE: This is the first reported use of the continuous wavelet transform (CWT) of the surface EMG (sEMG) to extract the reflex response to muscle stretch. We used a modulus-based method to estimate instantaneous amplitude-envelopes from ridges of the CWT (referred in this work as sEMG intensity) to extract the dynamic reflex response from sEMG. We tested the method on tendon reflexes where excellent temporal resolution is required to identify the different latency components, and on the tonic stretch reflex (tonic SR) response to an ongoing perturbation that characteristically has a low signal to noise ratio. METHODS: Eight subjects without neurological impairment were subjected to a series of archilles tendon taps and a 2 min continuous perturbation of the ankle using a pseudo-sinusoidal stretch profile containing frequencies from 0.1 to 8.0 Hz. The tendon reflexes were assessed in the soleus muscle at 10% of MVC and the tonic SR in tibialis anterior while the muscle was relaxed, at 5 and 10% of maximal voluntary contraction. Root mean square (RMS) and wavelet ridge extraction was applied to the sEMG signal to extract sEMG amplitudes (RMS) and intensities for all reflexes. To obtain the tonic SR, these estimates and those from the sEMG-RMS were subsequently cross-correlated with the perturbation record to yield 2 sets of estimates of reflex gain and coherence for comparison. RESULTS: The sEMG intensities were highly correlated with the torques resulting from a ramped voluntary contraction. Following tendon taps, the method resolved the M1, M2, M3 response components at accurate latencies and with more complete reconstruction of the components than RMS-derived estimates. The wavelet ridge estimates extracted the tonic SR from resting and contracting muscles with significantly higher coherence than RMS estimates. Reflex gain, when estimated from sEMG intensity or sEMG-RMS, demonstrated similar relationships to the perturbation frequency and background contraction level. When the sEMG intensity reflex gain estimates from different subjects were pooled, they showed significantly lower variance about the mean than gain estimates derived from the rectified sEMG. CONCLUSIONS: Wavelet-ridge extraction provides a valid approach to reflex evaluation from sEMG that does not depend on the absolute amplitude of the potentials measured at the EMG electrodes. This may have substantial advantages in more directly comparing responses between subjects on an absolute frequency scale without the need for normalisation against maximal contraction levels.     

Mutual-information-based approach for neural connectivity during self-paced finger lifting task

Frequency-dependent modulation between neuronal assemblies may provide insightful mechanisms of functional organization in the context of neural connectivity. We present a conjoined time-frequency cross mutual information (TFCMI) method to explore the subtle brain neural connectivity by magnetoencephalography (MEG) during a self-paced finger lifting task. Surface electromyogram (sEMG) was obtained from the extensor digitorum communis. Both within-modality (MEG-MEG) and between-modality studies (sEMG-MEG) were conducted. The TFCMI method measures both the linear and nonlinear dependencies of the temporal dynamics of signal power within a pre-specified frequency band. Each single trial of MEG across channels and sEMG signals was transformed into time-frequency domain with use of the Morlet wavelet to obtain better temporal spectral (power) information. As compared to coherence approach (linear dependency only) in broadband analysis, the TFCMI method demonstrated advantages in encompassing detection for the mesial frontocentral cortex and bilateral primary sensorimotor areas, clear demarcation of event- and non-event-related regions, and robustness for sEMG - MEG between-modality study, i.e., corticomuscular communication. We conclude that this novel TFCMI method promises a possibility to better unravel the intricate functional organizations of brain in the context of oscillation-coded communication.     

阅读辅助机器人取书装置设计

背景：康复辅具是利用辅助技术将辅助器具产品配置于残障者,最大限度实现生活自理和参与社会活动。 目的：分析了国内外阅读辅助机器人的研究现状,并对该领域的一些关键技术进行探讨,并设计出了一种新型取书装置。 方法：依据阅读辅助机器人的发展特点和应用背景,设计一种阅读辅助机器人的取书装置,帮助肢体残疾者从书架上获取书籍。 结果与结论：基于三维设计软件UG设计了阅读辅助机器人的取书装置。通过运动仿真,功能满足拟人化,能够完成取书的动作。仿真表明该装置可靠安全,有效可行。     

基于功率谱峰值及时变线性分类算法的运动意识分类

背景：脑电信号的特征提取是脑机接口系统中一个重要的环节,如何快速有效地提取反映大脑意识任务状态的脑电特征是进行分类、正确解读意识任务的关键。目前,提取脑电信号特征通常采用功率谱密度估计、自回归模型和小波变换等方法,这些特征都是以脑电信号的线性化为前提,上述方法不能很好地反映出大脑的非线性动力学性质。 目的：分析脑电信号功率谱峰值在识别左右手想象运动中的作用。 方法：采用脑机接口2003竞赛中Graz科技大学提供的脑电数据,用小波包分解获取8~24 Hz脑电信号,计算C3,C4电极脑电信号的功率谱峰值作为脑电特征向量,运用时变线性分类算法对运动意识任务运行分类。 结果与结论：对140次实验的测试样本进行数据分析,最大分类正确率可达89.29%,最大互信息和信噪比分别为0.626 9 bit和1.384 8。C3,C4电极8~24 Hz脑电信号功率谱峰值能很好地反映左右手运动想象脑电特征的变化,与事件相关去同步/事件相关同步现象变化一致,可在线识别左右手想象运动。     

Noise reduction based on ICA decomposition and wavelet transform for the extraction of motor unit action potentials

We have studied methods for noise reduction of myoelectric signals and for extraction of motor unit action potentials from these signals. Effective MUAP peak detection is the first important step in EMG decomposition. We first combined independent component analysis and wavelet filtering to remove power line interference, and then applied a wavelet filtering method and threshold estimation calculated using wavelet transform to suppress background noise and Gaussian white noise. The technique was applied to single-channel, short-period real myoelectric signals from normal subjects and to artificially generated EMG recordings. In contrast to existing methods based on amplitude single-threshold filtering of the original myoelectric signal or a conventional digitally filtered signal, our technique is fast and robust. Moreover, the proposed algorithm is substantially automatic. The performance has been evaluated with a set of synthetic and experimentally recorded myoelectric signals. The basic tool for testing was power spectrum density (PSD) estimation by the Welch method, which allowed us to analyze the PSD of nonstationary signals.