收稿日期： ２０１０唱０３唱０１； 修回日期： ２０１０唱０４唱２２ 基金项目： 国家自然科学基金资助项目（３０８７０６５６） ；西南科技大学博士研究基金资助项
目（０８ｚｘ０１１０）
作者简介：李强（１９８２唱） ，男，四川资阳人，博士，主要研究方向为信号检测与分析 （ ｌｉｑｉａｎｇｓｉｒ＠ｇｍａｉｌ．ｃｏｍ） ；李博（１９８６唱） ，男，硕士研究生，主要
研究方向为信号检测与分析；杨基海（１９４６唱），男，教授，主要研究方向为生物医学信号处理、神经肌肉控制．
基 于 谱 插 值 与 经 验 模 态 分 解 的 表 面
肌 电 信 号 降 噪 处 理
倡
李 强
１
， 李 博
１
， 杨基海
２
（１．西南科技大学 信息工程学院， 四川 绵阳 ６２１０１０； ２．中国科学技术大学 电子科学与技术系， 合肥 ２３００２７）
摘 要： 根据表面肌电（ｓｕｒｆａｃｅ ｅｌｅｃｔｒｏｍｙｏｇｒａｐｈｙ， ｓＥＭＧ） 信号的噪声特性来探讨其降噪方法的应用问题。 采用
谱插值法来削弱工频干扰以避免工频处的肌电信息成分丢失，再选取通过经验模态分解（ ｅｍｐｉｒｉｃａｌ ｍｏｄｅ ｄｅｃｏｍ唱
ｐｏｓｉｔｉｏｎ， ＥＭＤ）方法获得的内在模态函数（ｉｎｔｒｉｎｓｉｃ ｍｏｄｅ ｆｕｎｃｔｉｏｎ， ＩＭＦ）分量作小波软阈值分析，并将部分明显的
低频 ＩＭＦ 干扰分量及冗余分量去除，然后对相应 ＩＭＦ 分量进行重构便可得到降噪处理后的 ｓＥＭＧ 信号。 仿真和
真实信号的降噪实验结果表明，ｓＥＭＧ 信号质量能够得到有效提高，所采用方法具有较好的 ｓＥＭＧ 信号噪声抑制
效果。
关键词： 表面肌电信号； 降噪； 谱插值； 经验模态分解
中图分类号： ＴＰ３９１ 文献标志码： Ａ 文章编号： １００１唱３６９５（２０１０）０９唱３３２６唱０３
ｄｏｉ：１０．３９６９ ／ｊ．ｉｓｓｎ．１００１唱３６９５．２０１０．０９．０３３
Ｎｏｉｓｅ ｒｅｄｕｃｔｉｏｎ ｏｆ ｓｕｒｆａｃｅ ｅｌｅｃｔｒｏｍｙｏｇｒａｐｈｙ ｓｉｇｎａｌ ｕｓｉｎｇ
ｓｐｅｃｔｒｕｍ ｉｎｔｅｒｐｏｌａｔｉｏｎ ａｎｄ ｅｍｐｉｒｉｃａｌ ｍｏｄｅ ｄｅｃｏｍｐｏｓｉｔｉｏｎ
ＬＩ Ｑｉａｎｇ
１
， ＬＩ Ｂｏ
１
， ＹＡＮＧ Ｊｉ唱ｈａｉ
２
（１．Ｓｃｈｏｏｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｓｏｕｔｈｗｅｓｔ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ＆ Ｔｅｃｈｎｏｌｏｇｙ， Ｍｉａｎｙａｎｇ Ｓｉｃｈｕａｎ ６２１０１０， Ｃｈｉｎａ； ２．Ｄｅｐｔ．ｏｆ Ｅｌｅｃ唱
ｔｒｏｎｉｃ Ｓｃｉｅｎｃｅ ＆ Ｔｅｃｈｎｏｌｏｇｙ， Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ＆ Ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｃｈｉｎａ， Ｈｅｆｅｉ ２３００２７， Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ： Ｔｈｉｓ ｐａｐｅｒ ｉｎｔｒｏｄｕｃｅｄ ａ ｃｏｍｂｉｎｅｄ ｍｅｔｈｏｄ ｏｆ ｓｐｅｃｔｒｕｍ ｉｎｔｅｒｐｏｌａｔｉｏｎ ａｎｄ ｅｍｐｉｒｉｃａｌ ｍｏｄｅ ｄｅｃｏｍｐｏｓｉｔｉｏｎ （ＥＭＤ） ｔｏ
ｅｘｐｌｏｒｅ ｔｈｅ ｎｏｉｓｅ ｒｅｄｕｃｔｉｏｎ ｏｆ ｓｕｒｆａｃｅ ｅｌｅｃｔｒｏｍｙｏｇｒａｐｈｙ （ｓＥＭＧ） ｓｉｇｎａｌ．Ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ ｓｐｅｃｔｒｕｍ ｉｎｔｅｒｐｏｌａｔｉｏｎ， ｓｕｂｔｒａｃｔｅｄ
ｔｈｅ ｐｏｗｅｒ ｌｉｎｅ ｉｎｔｅｒｆｅｒｅｎｃｅ ａｎｄ ｃｏｕｌｄ ｈｏｌｄ ｔｈｅ ｕｓｅｆｕｌ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｓＥＭＧ ｓｉｇｎａｌ ａｔ ｔｈｅ ｐｏｗｅｒ ｌｉｎｅ ｆｒｅｑｕｅｎｃｙ．Ｂａｓｅｄ ｏｎ ｔｈｅ
ＥＭＤ ａｌｇｏｒｉｔｈｍ， ｓｅｌｅｃｔｅｄ ｓｏｍｅ ｐｒｏｐｅｒ ｉｎｔｒｉｎｓｉｃ ｍｏｄｅ ｆｕｎｃｔｉｏｎｓ （ＩＭＦｓ） ｔｏ ｂｅ ａｎａｌｙｚｅｄ ｂｙ ｔｈｅ ｗａｖｅｌｅｔ ｓｏｆｔ ｔｈｒｅｓｈｏｌｄ， ｒｅｍｏｖｅｄ
ｔｈｅ ｒｅｓｉｄｕａｌ ｃｏｍｐｏｎｅｎｔ ａｎｄ ｓｅｖｅｒａｌ ｎｏｉｓｅｄ ＩＭＦｓ ｄｏｍｉｎａｔｅｄ ｂｙ ｌｏｗ ｆｒｅｑｕｅｎｃｙ， ｔｈｅｎ， ｒｅｃｏｎｓｔｒｕｃｔｅｄ ｔｈｅ ｄｅｎｏｉｓｅｄ ｓＥＭＧ ｓｉｇｎａｌ ｂｙ
ｔｈｅ ｐｒｏｃｅｓｓｅｄ ＩＭＦｓ．Ｕｓｉｎｇ ｔｈｅ ｓｉｍｕｌａｔｅｄ ａｎｄ ｒｅａｌ ｓＥＭＧ ｓｉｇｎａｌｓ， ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｓｉｇｎａｌ ｑｕａｌｉｔｙ ｉｓ ｉｍ唱
ｐｒｏｖｅｄ．Ａｎｄ ｔｈｅ ｎｏｉｓｅ ｉｎ ｔｈｅ ｓＥＭＧ ｓｉｇｎａｌ ｃａｎ ｂｅ ｓｕｐｐｒｅｓｓｅｄ ｂｙ ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ．
Ｋｅｙ ｗｏｒｄｓ： ｓｕｒｆａｃｅ ｅｌｅｃｔｒｏｍｙｏｇｒａｐｈｙ ｓｉｇｎａｌ； ｎｏｉｓｅ ｒｅｄｕｃｔｉｏｎ； ｓｐｅｃｔｒｕｍ ｉｎｔｅｒｐｏｌａｔｉｏｎ； ｅｍｐｉｒｉｃａｌ ｍｏｄｅ ｄｅｃｏｍｐｏｓｉｔｉｏｎ
０ 引言
表面肌电（ｓｕｒｆａｃｅ ｅｌｅｃｔｒｏｍｙｏｇｒａｐｈｙ， ｓＥＭＧ） 信号是在皮肤
表面获取的一种复杂微弱信号，可看做是运动单位激活时形成
的运动单位动作电位（ｍｏｔｏｒ ｕｎｉｔ ａｃｔｉｏｎ ｐｏｔｅｎｔｉａｌ， ＭＵＡＰ） 序列
与各种噪声综合叠加的结果，其能够通过无创检测的方式获取
神经肌肉控制系统的相关信息。 影响 ｓＥＭＧ 信号的噪声因素
较多，肌肉 生 理 特 性、 检 测 设 备 以 及 空 间 环 境 等 都 会 使 得
ｓＥＭＧ 信号在检测过程中引入干扰噪声，并且工频成分也包含
在 ｓＥＭＧ 信号的频率分布范围内。 因此，为提高 ｓＥＭＧ 信号质
量和 ＭＵＡＰ 波形的分辨率，就需要尽可能地削弱 ｓＥＭＧ 信号中
的噪声分量
［１，２］
。
在 ｓＥＭＧ 信号降噪处理中，通过设置模拟滤波器等提高硬
件电路性能的方式能够改善所采集信号质量但并不能从根本
上消除噪声
［１，３，４］
，通过软件方法则可灵活地抑制信号噪声并
能有效地削弱工频干扰分量，数字滤波器、自适应滤波、小波变
换、独立分量分析及 Ｈａｍｐｅｌ 滤波等方法已得到应用。 其中，简
单的陷波器由于存在会去除 ｓＥＭＧ 信号中 ５０ Ｈｚ 有用信息的
原因而受到一定的限制
［５ ～８］
。 另外，为获得满意的工频干扰抑
制效果和较低的计算复杂度，可根据肌肉静息状态下的工频信
号参数估计，结合时间相关信息的工频干扰消除方法（ ｔｉｍｅ唱
ｃｏｒｒｅｌａｔｅｄ ｐｏｗｅｒ ｌｉｎｅ ｎｏｉｓｅ ｓｕｂｔｒａｃｔｉｏｎ）将 ｓＥＭＧ 信号减去由估计
参数拟合的工频波形序列
［９］
，但是该方法不能实时跟踪工频
信号的参数变化情况；而谱插值法则可方便地在频域内实现
ｓＥＭＧ 信号的 ５０ Ｈｚ 及其谐波分量抑制
［４ ，１０］
。
作为一种非线性与非平稳信号分析方法，经验模态分解
（ｅｍｐｉｒｉｃａｌ ｍｏｄｅ ｄｅｃｏｍｐｏｓｉｔｉｏｎ， ＥＭＤ） 将原始信号分解为一系
列保留了局部特征信息的数据序列，即内在模态函数（ｉｎｔｒｉｎｓｉｃ
ｍｏｄｅ ｆｕｎｃｔｉｏｎ， ＩＭＦ），再对这些序列处理后进行信号重构将有
效地削弱噪声信息
［１１ ～１４］
。 本文在利用谱插值法抑制 ５０ Ｈｚ 及
其谐波分量的基础上，结合 ＥＭＤ 方法的多尺度分析优点，进一
第 ２７ 卷第 ９ 期
２０１０ 年 ９ 月
计 算 机 应 用 研 究
Ａｐｐｌｉｃａｔｉｏｎ Ｒｅｓｅａｒｃｈ ｏｆ Ｃｏｍｐｕｔｅｒｓ
Ｖｏｌ．２７ Ｎｏ．９
Ｓｅｐ．２０１０
资源评论
weixin_38692969
- 粉丝: 4
- 资源: 953
最新资源
- python编写脚本实现voc数据集格式转换yolo数据集格式的工具
- 基于飞桨的OCR工具库，包含总模型仅8.6M的超轻量级中文OCR，单模型支持中英文数字组合识别、竖排文本识别、长文本识别
- 企业资源管理（ERP）系统：项目需求分析与数据库设计
- 2024年下半年软考中级网络工程师基MAC地址划分VLAN配置
- demo.launch(share=True) Please check your internet connection
- Python蔬菜类商品数据分析实现自动定价与补货决策
- kubernetes k8s容器云备份容灾软件系统解决方案相关文档
- 2019年至2023年美国按州和产品类别划分的每周食品零售额
- 2024年下半年软考中级网络工程师基于协议划分VLAN配置
- 汇编语言执行全解析：计算机如何读懂你的代码
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
