一种改进的基于信号能量阈值的表面肌电信号自动分割方法

表面肌电信号中连续动作信号的有效分段提取是对信号分析和处理的前提,提出了一种改进的肌电信号自动分割方法,为实现康复机器人信号全自动分析奠定了基础。该方法将表面肌电信号窗口能量作为肌肉动作始末点的判决标准,给出初始阈值计算公式。同时结合小波变换技术对非动作信号进行滤波,并根据分割点特征提出分割阈值自动调节方法。实验表明,该方法可以自动分割肌电信号,无需考虑测试者自身因素的影响,无需手工设定初值,分割结果准确,精度较高。     

胎儿心电信号的提取及远程监护系统的应用与发展

对胎儿心电信号的提取监测以及远程监测,是目前进行胎儿监护的主要发展方向。本文通过对胎儿心电图的提取方法以及相关的远程监护系统进行详细的分析和研究,对其应用和发展提出几点合理的建议。     

盲信号处理技术在双通道前臂肌电信号识别中的应用

根据肌电信号产生机理,本文对双通道前臂肌电信号建立单输入多输出FIR系统模型 ,由于模型输入未知且不可测,采用了盲信号处理方法对模型参数进行辨识．通过提取模型 冲激响应作为信号特征,能够对握拳、展拳、前臂内旋和前臂外旋四类前臂动作进行识别． 实验表明,该方法仅需建立较低阶数的模型即可达到较好的分类目的,性能要优于传统的AR 模型方法．     

基于小波变换的肌电信号识别方法研究

针对肌电信号的非平稳特性,采用小波变换方法对表面肌电信号进行分析,提取小波系数最大值构造特征矢量输入神经网络分类器进行模式识别,经过训练能够成功地从掌长肌和肱桡肌采集的两道表面肌电信号中识别展拳、握拳、前臂内旋、前臂外旋四种运动模式。实验表明,基于小波变换的神经网络分类方法所需的数据短、运算快,对于肌电假肢的控制具有良好的应用前景。     

心电信号的小波阈值去噪算法研究

本文采用基于小波变换的阈值去噪方法对心电信号进行了去噪处理.给出了基小波、分解尺度、阈值的具体选择方法,在比较采用不同的基小波进行阈值处理方法的基础上.给出了采用coif4小波进行局部自适应软阈值处理的改进算法.实验结果表明,采用该算法降噪后信号的信噪比为34.019dB,将原含噪信号的信噪比提高21.879dB,去噪效果较好.     

多重分形分析在肌电信号识别中的应用

针对表面肌电信号的非线性特征,目前的分析方法有非线性动力学的复杂度及分形维数等,但是单重分形只能反映信号的整体特征,缺乏时局部奇异性的刻画.本文采用多重分形来分析表面肌电信号,结合灰色关联度对四种前臂动作进行分类识别,取得了较好的识别效果.结果表明:广义维数谱可以作为一种新的肌电信号特征来描述肌电信号的复杂性,为表面肌电信号的识别提供了一种新的思路.     

基于形态小波的QRS波检测算法

根据心电信号中QRS波群的特点,提出了一种基于小波变换和数学形态学相结合的形态小波检测算法。小波变换方法对突变信号在时频域都具有优异的辨识能力及“可变焦距”的优良特性;数学形态学是基于信号局部特征的,能够在时域上提取信号的峰谷信息。将这两种方法结合起来,利用MIT/BIH心电数据库进行验证,QRS波群的检出率高达99.84%。     

基于卡尔曼滤波的ECoG信号去噪方法研究

脑电信号反映了生物体的大脑活动,在采集和处理过程中极易受到各种噪声的干扰,如眨眼、快速眼动、心电、肌电等,这些噪声给脑电信号的分析处理带来了很大的困难。本文提出了卡尔曼滤波模型和模型参数估计的方法,将其应用于脑电ECoG信号去噪预处理。实验所用的数据是公开的脑机接口竞赛实验数据（BCI Competition Ⅲ dataset Ⅰ）,分类正确率为92%。实验结果表明通过本方法去噪预处理后,分类正确率比竞赛第一名高,并且优于小波去噪与谱减法等预处理方法。     

广义高斯核模型在心电信号稀疏分解中的应用

稀疏分解得到的心电信号表示结果对心电信号的压缩、特征提取等非常有利。根据心电信号的波形特点,提出了新的基于广义高斯函数的核模型。新的核模型通过正交最小二乘算法进行逐步回归建模,每一个核函数的中心,尺度及形状参数由重复加权提升搜索算法优化得到。为了避免过拟合,运用交叉验证的方法进行迭代终止时的阈值选择。实验数据来自MIT-BIH心电数据库,结果表明,对于心电信号,新的核模型具有稀疏性好,泛化能力高等优点。     

基于MSP430的肌电假手系统设计

在对人体表面肌电信号研究的基础上,设计出一种肌电假手系统,其中包括肌电信号采集调理系统和假手控制系统。肌电信号经信号调理电路放大、滤波、陷波后,由低功耗的MSP430F149单片机进行A/D转换、特征计算。单片机结合肌电信号与触滑觉传感器反馈的信息来控制电机转向与转速,从而控制假手做出相应动作。通过实际采集的肌电信号在示波器上显示的波形与假手的动作进行对比,说明系统设计是合理有效的。