一种基于高密度肌电图的特征提取方法与流程

本发明涉及一种基于高密度肌电图的特征提取方法。

背景技术：

肌电图(emg)信号是运动神经元放电活动产生的运动单位动作电位(muap)的叠加，其编码脊髓电路的神经活动并且可以反映来自大脑的高水平神经控制信号。运动神经元放电活动可以提供对运动神经控制的理论认识，提供神经肌肉损伤的临床见解，也可以用作人机交互的界面信号。因此，从emg信号中提取单独的运动神经单元(mu)的放电信息是重要研究课题。

在这个方向上，已经在不同的领域提出了一系列特征提取方法。最近，由al-timemy等人提出了一组由波形长度比，不规则因子，稀疏度，第一光谱矩，第二光谱矩和第四光谱矩组成的特征，称为时间依赖性功率谱描述符(td-psd)。为了更好地识别emg信号模式，塞缪尔等人，还介绍了一种新的简单但有效的时域特征的组合，它考虑了expth根的总和的绝对值和一组分析窗口中数据的平方根求和的绝对值。此外，khushaba等人。最近提出了一组时空描述符，用于改进emg信号模式的表征。hudgins提出使用四种不同的时域特征进行肢体运动意图解码。这些功能包括平均绝对值，波形长度，过零点和斜率符号变化。值得注意的是，hudgins时域特征集可以说是迄今为止在肌电模式识别领域最常采用的。

通常，与基于频域或小波的特征相比，时域特征表现出简单的特征，并且它们通常需要很少的计算资源，实现与其他域中的特征类似的性能。这是其在肌电控制系统中广泛采用的一个原因。

但是，单独的时域特征提取特征集较为单一，且传统的肌电图为一维肌电信号观察起来也很不方便同时从一维肌电信号中得到特征时计算也比较繁琐，同时，提取的特征集没有反应出传统的肌电信息没有与空间肌电信息相结合。

技术实现要素：

(一)要解决的技术问题

为了解决现有技术的上述问题，本发明提供一种基于高密度肌电图的特征提取方法。

(二)技术方案

为了达到上述目的，本发明提供一种基于高密度肌电图的特征提取方法，包括：

获取预先通过阵列电极片方式采集的一维肌电信号；

将所述一维肌电信号根据均方根转换成具有多个通道的二维肌电信号；

针对所述二维肌电信号，对每个通道的均方根进行处理，确定所述二维肌电信号中的肌电信息，并将所述具有肌电信息的二维肌电信号与空间肌电信息结合，获取所述二维肌电信号中的特征信息集。

优选的，

所述一维肌电信号为周期性采集的信号；

其中，所述一维肌电信号包括休息期肌电信号和稳定期肌电信号；

所述空间肌电信息为采用fastica结合卷积核补偿算法以及滞后交叉相关获取的具体的神经支配区位置信息。

优选的，

从所述一维肌电信号中提取休息期肌电信号和稳定期肌电信号；

根据休息期肌电信号和稳定期肌电信号，获取休息期肌电信号的均方根以及稳定期肌电信号的均方根；

将稳定收缩期的均方根减去休息期的均方根获得第一均方根；

将第一均方根以二维的位置排列，转换成具有多个通道的二维肌电信号；

其中所述二维肌电信号为二维均方根图。

优选的，

对每个通道的均方根进行处理，确定所述二维均方根图中的肌电信息；

其中所述肌电信息包括：二维均方根图的平均幅度和二维均方根图的质心坐标；

其中，通过将所有通道上的第一均方根值进行平均，获取所述二维均方根图的平均幅度；

其中，根据公式(1)和公式(2)，获取所述二维均方根图的质心坐标；

其中cx是x轴的质心位置；

cy是y轴的质心位置；

rmsij表示多通道m×nrms网格中的第i个第j个均方根值。

优选的，

将所述具有二维均方根图的平均幅度和二维均方根图的质心坐标信息的二维均方根图与空间肌电信息结合，获取所述二维肌电信号中的特征信息集；

其中，空间肌电信息为具体的神经支配区位置信息；

其中，所述特征信息集具体包括：二维均方根图的质心坐标、二维均方根图的平均幅度、具体的神经支配区位置信息以及二维均方根图的质心坐标与具体的神经支配区位置之间距离关系信息。

优选的，

采用fastica结合卷积核补偿算法以及滞后交叉相关获取具体的神经支配区位置信息，具体包括：

采用fastica结合卷积核补偿算法对第一运动单元的一维肌电信号中的稳定期肌电信号进行分解获取多个独立的运动单元和激发脉冲；

其中，所述第一运动单元为点激发频率为5hz到50hz之间，且脉冲-噪音度量大于30db；

采用滞后交叉相关方法对所述分解后的第一运动单元进行神经支配区分析，获取所述具体的神经支配区位置信息。

优选的，采用滞后交叉相关方法获取所述具体的神经支配区位置信息，具体包括：

在每一次滞后交叉相关处理过程中，基于从对第一运动单元的一维肌电信号中的稳定期肌电信号进行分解获取的激发脉冲，采用尖峰触发平均算法，获取所有单极通道的运动单元动作电位模板；

获取所有通道的峰-峰值，并根据所有通道的峰-峰值获取有效检测信道列；

对于每一个所述有效检测信道列，根据公式(3)获取两个相邻行的双极栅格的滞后交叉相关；

其中r(k，τ)是组成分解第一运动单元的稳定期肌电信号拓展矩阵的两个相邻行的第k对中的τ相移的滞后互相关的值；

xi，k是第k对中的第i个数据点；

n是数据点的数量；

τ是两个相邻信号之间的时间相移；

获取用于分解第一运动单元的稳定期肌电信号的拓展矩阵中的每列中的滞后交叉相关值的绝对值的最大值，并根据所述拓展矩阵的每列中的滞后交叉相关值的绝对值的最大值获取所有通道之间最大滞后交叉相关矢量；

基于所述最大滞后交叉相关矢量，获取每一次滞后交叉相关处理过程中神经支配区的位置；

将所述每一次滞后交叉相关处理过程中神经支配区的位置信息，获取具体的神经支配区位置。

优选的，

所述有效检测信道列为具有大于或等于4个连续活动信道的列；

所述活动信道为信道的峰-峰值与所有通道中的最大信道的峰-峰值的比值大于0.2；

所述每一次滞后交叉相关处理过程中神经支配区的位置为具有第一预设条件和第二预设条件的信道的号；

其中，所述第一预设条件为所述信道单极运动单元动作电位与所述信号相邻的信道的相关系数大于0.9；

其中，所述第二预设条件为最大滞后相关矢量中两个峰值之间的最低互相关值的信道；

其中，所述具体的神经支配区位置为每一次滞后交叉相关处理过程中神经支配区的位置的平均值。

优选的，

将所述具体的神经支配区位置按照与所述具有平均幅度和质心坐标的二维均方根图相同坐标量度放入到所述具有平均幅度和质心坐标的二维均方根图中，获取所述二维肌电信号中的特征信息集。

(三)有益效果

本发明的有益效果是：本发明用阵列电极片采集信息，以阵列的形式把传统的一维肌电信息转变成二维肌电信息，使用户观察更方便。

进一步，本发明给出了二维肌电信息中的二维均方根图的平均幅度以及质心坐标信息，简化了计算。

进一步，本发明将二维均方根图与神经支配区图结合，使传统肌电信息与空间肌电信息相结合，得到了更符合需求的特征集。

附图说明

图1为本发明基于高密度肌电图的特征提取方法流程图；

图2为本发明实施例二中肌电图的特征提取方法流程框图；

图3为本发明实施例二中代表受试者的个体手指中30％出力的肌电图示例性二维均方根图。

【附图标记说明】

a：表示为质心均方根位置。

具体实施方式

为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。

实施例一

参见附图1，本实施例中获取预先通过采用8×16通道阵列电极片采集一维肌电信号，以阵列的形式把传统一维肌电信号，变成二维信号，每个通道取一小个窗计算均方根，再以二维的位置排列。

计算8×16通道单极肌电图记录的二维均方根值。计算一维肌电信号中初始2秒休息期肌电信号的均方根和10秒稳定收缩期肌电信号的均方根。为了减少潜在的干扰，通过从稳定收缩期减去休息期的均方根值来获得二维均方根图。从休息期减去均方根是为了减少噪音和不希望的残余肌肉活动的影响。

计算二维均方根图的两个减小的特征，平均幅度和质心坐标。这些特征用于量化不同手指激活的二维均方根图的差异。通过平均128个通道上的均方根值来获取二维图的平均值。为了减少跨受试者的变异性，以60％的出力(具有最大均方根)的四指屈曲的均方根用于标准化受试者内的所有其他均方根值。

本实施例中通过公式(1)和(2)计算质心坐标。

其中cx和cy是x和y轴的质心位置；和rmsij表示8×16rms网格中的第i个第j个元素。

本实施例中将二维均方根图与空间肌电信息结合，则二维均方根图中具有二维均方根图的平均幅度信息、质心坐标信息以及空间肌电信息。

本实施例中以阵列的形式把传统的一维肌电信息转变成二维肌电信息，使用户观察更方便。

进一步，本实施例给出了二维肌电信息中的二维均方根图的平均幅度以及质心坐标信息，简化了计算。

实施例二

参见附图2，本实施例中获取预先通过采用8×16通道阵列电极片采集一维肌电信号，以阵列的形式把传统一维肌电信号，变成二维信号，每个通道取一小个窗计算均方根，再以二维的位置排列。

为了表征前臂屈肌激活的整体空间分布，计算8×16通道单极肌电图记录的二维均方根值。计算一维肌电信号中初始2秒休息期肌电信号的均方根和10秒稳定收缩期肌电信号的均方根。为了减少潜在的干扰，通过从稳定收缩期减去休息期的均方根值来获得二维均方根图。从休息期减去均方根是为了减少噪音和不希望的残余肌肉活动的影响。

计算二维均方根图的两个减小的特征，平均幅度和质心坐标。这些特征用于量化不同手指激活的二维均方根图的差异。通过平均128个通道上的均方根值来获取二维图的平均值。为了减少跨受试者的变异性，以60％的出力(具有最大均方根)的四指屈曲的均方根用于标准化受试者内的所有其他均方根值。

本实施例中通过公式(1)和(2)计算质心坐标。

其中cx和cy是x和y轴的质心位置；和rmsij表示8×16rms网格中的第i个第j个元素。

本实施例中将二维均方根图与空间肌电信息结合，则二维均方根图中具有二维均方根图的平均幅度信息、质心坐标信息以及空间肌电信息。

本实施例中，空间肌电信息为神经支配区位置信息，神经支配区的位置反映了运动神经神经支配与肌纤维的区域。

本实施例中采用fastica结合卷积核补偿(ckc)算法一维肌电信号自动分解为单独的运动单元和激发脉冲。

本实施例中，采用点激发频率和脉冲噪音检测获取被用于分解的运动单元。被用于分解的运动单元应具有以下特征：

(1)每个运动单元的点激发频率必须在5hz到50hz之间。

(2)使用脉冲-噪声(pnr)检查度量。每个电机单元的分解精度通常具有大于90％的精度，脉冲-噪声(pnr)大于30db。

本实施例中，只有满足这些条件的运动单元才能用于进一步的神级支配区分析。神经支配区代表运动单元动作电位的起源，其沿着肌纤维向两个相反方向传播。由于网格的每一列都沿着肌纤维放置，因此可以观察到双极运动单元动作电位的明显相位逆转。

本实施例中采用滞后交叉相关作为神级支配区识别方法。滞后交叉相关的步骤如下：

(1)在每一次滞后交叉相关处理过程中使用尖峰触发平均算法，基于从一维肌电信号分解获得的激发脉冲，提取8×16单极通道的运动单元动作电位模板。

(2)计算8×16通道的峰-峰值(p2p)。每个信道的p2p值除以具有最大p2p值的信道。p2p比率值大于0.2的信道被认定是活动信道。由于滞后互相关计算的要求，仅选择具有大于等于4个连续有效通道的列进行进一步的神级支配区检测。

(3)对于每个选定的列，通过公式(3)计算两个相邻行的双极栅格的滞后交叉相关。由于双极emg网格在每列中有15个通道，因此总共获得了14对滞后交叉相关。

其中r(k，τ)是组成分解第一运动单元的稳定期肌电信号拓展矩阵的两个相邻行的第k对中的τ相移的滞后互相关的值；xi，k是第k对中的第i个数据点；n是数据点的数量；τ是两个相邻信号之间的时间相移。

(4)识别拓展矩阵中的的每列中的绝对互相关值的最大值以形成1×14最大滞后交叉相关矢量，并且如果识别出负值，则将所选择的最大值指定为负值。

(5)神经支配区的位置表示为最大滞后交叉相关矢量中两个峰值之间的最低互相关值的信道号。此外，为避免错误地检测到噪声信道为神级支配区，该信道必须满足其单极运动单元动作电位与相邻信道的相关系数大于0.9的标准。

本实施例中，计算神经支配区在x和y轴上的平均位置，通过平均每个滞后交叉处理过程中所有神经支配区的x轴和y轴坐标来获取具体的神经支配区的位置。

本实施例中将二维均方根图与神经支配区图结合如附图3所示，即将传统肌电信息与空间肌电信息结合，得到更好的特征集。

在本实施例具体应用中，将所述具体的神经支配区位置按照与所述具有平均幅度和质心坐标的二维均方根图相同坐标量度放入到所述具有平均幅度和质心坐标的二维均方根图中，获取所述二维肌电信号中的特征信息集。

参见附图3，图中a标记表示为质心均方根位置，白线代表神经支配区，附图3中的括号中的数字表示具有相同位置的重叠神经支配区的数量。

本实施例中，从附图3中可以得到二维均方根图的质心坐标信息、二维均方根图的平均幅度信息、具体的神经支配区位置信息以及二维均方根图的质心坐标信息与具体的神经支配区位置信息之间关系信息。本实施例用阵列电极片采集信息，以阵列的形式把传统的一维肌电信息转变成二维肌电信息，使用户观察更方便。进一步，本发明给出了二维肌电信息中的二维均方根图的平均幅度以及质心坐标信息，简化了计算。进一步，本发明将二维均方根图与神经支配区图结合，使传统肌电信息与空间肌电信息相结合，得到了更符合需求的特征集。

以上结合具体实施例描述了本发明的技术原理，这些描述只是为了解释本发明的原理，不能以任何方式解释为对本发明保护范围的限制。基于此处解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。