基于eemd算法滤除肌电信号检测中工频干扰的自适应滤波器的制造方法
【技术领域】
[0001] 本发明涉及生物电控制技术领域，具体涉及一种基于ffiMD算法滤除肌电信号检 测中工频干扰的自适应滤波器。
【背景技术】
[0002] 表面肌电信号（SEMG，Surface-Electrimyography)包含一定区域内肌肉活动的原 始信息W及多种不可避免产生的噪声。上述噪声严重影响了SEMG信号检测，而工频干扰作 为生物信号采集中一重要干扰源恰落入SEMG信号的主要信号频率范围内，随时间相位和 频率发生变化的工频噪声更加难W滤除，使得滤除SEMG信号检测中的工频干扰尤为关键。
[0003] 近年来，已有多种滤除工频干扰的方法应用在SEMG信号检测中，包括：利用带阻 滤波器在电路上滤除工频干扰；也有利用数字陷波器，将采集的模拟信号量化为数字信号 后，利用频谱插值法、自适应滤波、小波变换等进行滤波处理。
[0004] 目前常见的滤除肌电检测中工频干扰的设计如下：
[0005] 1、在检测硬件电路上采用模拟陷波器实现，一般是采用二阶有源50化陷波滤波 器，如"滤除50化工频干扰的滤波电路设计"中记载；
[0006] 2、采用数字滤波的方法，使用小波变换"面肌电信号处理和模式识别方法研究"， 频谱插值法进行工频干扰的滤除；
[0007] 3、采用自适应滤波器"消除也电信号工频干扰的IIR自适应陷波器设计"，对工频 干扰进行滤除。
[0008] 上述滤除工频干扰存在W下缺点：（1)、使用模拟滤波器进行降噪，由于电子元器 件在不同温度精度会受影响，且电子元器件随时间过程会有不同程度的老化，因此在一定 程度上将影响滤波的性能；（2)、采用小波变换的数字滤波器，虽然可W避免上述（1)存在 的缺点，具有多分辨率分析及能应对信号噪声突变，但一旦选择一个小波进行整个数据处 理，会产生很多伪谐波分量，降低被检测信号的信噪比；而且，选择一个合适的小波函数也 是非常不容易的；（3)、自适应滤波器通过可调整系数的滤波器将输入信号加权后产生一 个输出，与期望的参考或训练信号进行比较，形成误差信号；而前述自适应滤波器往往收敛 较慢，具有高稳态误差及不稳定的缺陷。
【发明内容】
[0009] 本发明的目的在于，为克服现有的技术存在的上述问题，提供一种基于ffiMD算法 滤除肌电信号检测中工频干扰的自适应滤波器。
[0010] 本发明的技术方案包括一种基于EEMD算法滤除肌电信号检测中工频干扰的自适 应滤波器，包括如下步骤：
[0011] S1、输入带工频噪声的肌电信号x(n);
[0012] S2、所述带工频噪声的肌电信号x(n)经由第一系统进行EEMD算法分解，分解出满 足本征模态函数IMF定义的IMF;
[0013]S3、步骤S2中获得的所述IMF,由第二系统重构作为自适应滤波器的参考输入 D(n);
[0014]S4、步骤S3中重构的所述参考输入D(n)，采用BLMS算法构建自适应滤波器，输出 去工频噪声的信号e(n)。
[001引优选地，所述EEMD算法为对EMD算法在目标信号中增加白噪声，并进行IMF分解； 选择不同的白噪声序列重复进行IMF分解，直到选出最终的IMF序列。
[0016]优选地，所述本征模态函数必须满足两个条件；（1)、整个信号段内，极值点的个数 和过零点的个数相等或相差不超过一个；（2)、任意时刻局部极大值和极小值点构成的包络 线均值为零。
[0017] 优选地，所述EEMD算法分解包括，
[001引 S21、标记所述肌电信号x(n)的极大、极小值，并对所述肌电信号x(n)使用立次样 条函数，得到极大值包络Xu(n)和极小值包络xi(n);
[001引S22、将所述极大值包络Xu(n)和极小值包络xi(n)相减，得到包络均值
【主权项】
1. 一种基于EEMD算法滤除肌电信号检测中工频干扰的自适应滤波器，其特征在于，包 括如下步骤： 51、 输入带工频噪声的肌电信号x(n); 52、 所述带工频噪声的肌电信号x(n)经由第一系统进行EEMD算法分解，分解出满足本 征模态函数定义的IMF; 53、 步骤S2中获得的所述IMF，由第二系统重构作为自适应滤波器的参考输入D(n); 54、 步骤S3中重构的所述参考输入D(n)，采用BLMS算法构建自适应滤波器，输出去工 频噪声的信号e(n)。
2. 如权利要求1所述的自适应滤波器，其特征在于，所述EEMD算法为对EMD算法在目 标信号中增加白噪声，并进行頂F分解；选择不同的白噪声序列重复进行IMF分解，直到选 出最终的IMF序列。
3. 如权利要求1所述的自适应滤波器，其特征在于，所述本征模态函数必须满足两个 条件：（1)、整个信号段内，极值点的个数和过零点的个数相等或相差不超过一个；（2)、任 意时刻局部极大值和极小值点构成的包络线均值为零。
4. 如权利要求3所述的自适应滤波器，其特征在于，所述EEMD算法分解包括， 521、 标记所述肌电信号x(n)的极大、极小值，并对所述肌电信号x(n)使用三次样条函 数，得到极大值包络xu(n)和极小值包络Xl(n); 522、 将所述极大值包络xu(n)和极小值包络Xl (n)相减，得到包络均值
1，所述肌电信号x(n)减去包络均值m(n)，得到一去低频信号h^n)= x^-m^n)； 523、 将所述低频信号h(n)作为新数据重复步骤S21、S22,直至最终信号满足IMF定 义，即cjn) =hjn); 524、 所述Cl(n)中包含信号的高频分量，残余信号ri(n)由下式得出： rj(n) =x(n)-Cj(n)； 525、 将所述残余信号ri (n)作为新数据重复步骤S21至S24,直至抽取所有的MF;均 值漂移过程在m阶残余信号rm(n)小于预设值或是单调时停止； 526、 所述肌电信号x(n)经上述EMD分解后得到：
5. 如权利要求4所述的自适应滤波器，其特征在于，由式（1)分解后得到的IMF序列 中，工频干扰信号为肌肉电信号中的高频分量部分，以前三次分解的高频分量重构作为自 适应滤波器的参考输入： D(n) =C: (n) +C2 (n) +C3 (n) (II)。
6. 如权利要求1所述的自适应滤波器，其特征在于，所述BLMS算法包括， S41、分块：将所述肌电信号x(n)通过串并转换器分成L点的块，所述肌电信号每一次 都加到长度为M的FIR滤波器中，其中，k为块的下标，L为块长；k与n的关系为：n=kL+i (i=〇, 1，……，L-1)，则第k块的所述肌电信号的数据定义为：WkL+ 〇匕； 542、 选择参数：得到每一数据样值后，更新滤波器抽头系数权值； 543、 初始化：时刻n的输入向量X(n)和滤波器抽头权向量S(n)分别为： X(n) =[x(n)，x(n_l)，......x(n-M+1) ]T, S(n) = [s〇(n),Sj(n-1),......(n)]T ; 544、 抽头权向量：时域上抽头权向量更新公式为： S(k+1) =S(k) +2u〇 (k), 其中，y为步长因子，y=yb/l,yB为步长参数，向量①（k)为：
其中，m(kL+i)为误差序列，等于期望响应D(n)与滤波器的输出y(n)之差，期望响应D(n)为由EEMD算法分解IMF重构的自适应滤波器参考输入D(n)。
【专利摘要】本发明公开一种基于EEMD算法滤除肌电信号检测中工频干扰的自适应滤波器，包括如下步骤：S1、输入带工频噪声的肌电信号x(n)；S2、所述带工频噪声的肌电信号x(n)经由第一系统进行EEMD算法分解，分解出满足本征模态函数IMF定义的IMF；S3、步骤S2中获得的所述IMF，由第二系统重构作为自适应滤波器的参考输入D(n)；S4、步骤S3中重构的所述参考输入D(n)，采用BLMS算法构建自适应滤波器，输出去工频噪声的信号e(n)。本发明对不同相位、不同频率的工频干扰，有良好的自适应滤波特性，且对原始肌电检测信号的波形基本没有影响；采用BLMS算法构建自适应滤波器；具有高稳定性，高运算效率，较快收敛，低均方误差。
【IPC分类】H03H21-00
【公开号】CN104702244
【申请号】CN201310656034
【发明人】汤烈, 张金勇, 蔡锦和, 王磊
【申请人】中国科学院深圳先进技术研究院
【公开日】2015年6月10日
【申请日】2013年12月5日