专利名称：一种功能性电刺激表面肌电信号的滤波方法
技术领域：
本发明属于康复工程与智能控制领域，特别涉及一种功能性电刺激表面肌电信号的滤波方法。
背景技术：
近年来，脊髓损伤以及中风等脑血管病导致瘫痪的发病率呈显著上升趋势，不但给个人和家庭都带来较大的负担，也成为日益沉重的社会问题。2011年我国召开的国务院常务会议指出，力争到2015年，使我国残疾人生活总体达到小康，参与和发展状况显著改善，初步实现残疾人“人人享有康复服务”目标。肢体功能重建是对截瘫患者进行康复治疗时关注的一个重点与难点，这关系到日常生活活动能力和生活质量的提高问题。目前在截瘫患者行走能力恢复方面，FES (Functional Electrical Stimulation,功能性电刺激)被普遍认为是一种比较有效的临床工具。FES是利用某种特定的电流(或电压)信号刺激易兴奋的肌肉、组织或器官，以改善其肌肉性能、恢复或重建由神经损伤而丧失的肢体活动功能的技术。20世纪60年代，Liberson首次成功地利用电刺激腓神经矫正了偏瘫患者足下垂的步态，开创了功能性电刺激用于运动和感觉功能康复治疗的新途径。在FES中，利用神经细胞对电刺激的响应来传递外加的人工控制信号，通过外电流的作用，神经细胞能产生一个与自然激发引起的动作电位相似的神经冲动，使其支配的肌肉纤维产生收缩，从而获得运动的效果。尽管随着了解的不断深入，FES已被应用于康复的许多领域，但是与其广阔的应用前景相比，很多新的FES技术还只局限于实验室阶段，临床应用的FES刺激模式以及达到的效果都非常有限，其原因之一就是对于FES作用的机理方面的研究还有所欠缺。细胞水平的解释只能说明FES刺激肌肉收缩产生运动的原因，却不能在宏观上说明在FES刺激下目标肌肉的功能活动和状态。而骨骼肌的收缩和舒张活动和状态是人体各种运动的基础，肢体运动主要是由骨骼肌产生舒张和长度缩短的机械性反应即动力来完成的，骨骼肌的结构是功能活动的首要决定因素。所以，要想利用FES达成骨骼肌功能重建以完成特定动作甚至运动的目的，并使其得到快速发展和广泛应用，就必然需要对FES作用下骨骼肌的结构及其功能活动与状态的机理进行更深入的探究。sEMG(surface electromyography,表面肌电信号)是反应肌肉活动的电生理参数，是当前用来评价肌肉活动信息的最常用方法，已经广泛的应用于假肢的开关控制，sEMG具有简单、无损和实时性好等优点。发明人在实现本发明的过程中，发现现有技术中至少存在以下的缺点和不足当刺激作用肌肉和诱发肌电同时发生并且刺激电极和记录电极的位置相近时，sEMG混有刺激干扰，影响了纯净肌电信号的采集；FES的幅值是mV范围，比sEMG的幅值大许多倍；FES信号的输出会感染敏感的肌电采集系统，造成闭环神经假体控制的刺激干扰问题。
发明内容
本发明提供了一种功能性电刺激表面肌电信号的滤波方法，本方法实现了在采集肌肉的神经电生理活动时减弱或抑制FES干扰，获取比较纯净的表面肌电信号，详见下文描述一种功能性电刺激表面肌电信号的滤波方法，所述方法包括以下步骤(I)通过无线肌电系统采集伸膝过程中功能性电刺激下目标肌肉的第一表面肌电信号，同时采集一组自主伸膝过程中目标肌肉的第二表面肌电信号S(n)；⑵通过所述第一表面肌电信号构建FES模板信号r(n)；(3)通过所述第二表面肌电信号S (n)，所述FES模板信号r(n)和滤波器权重获取
噪声信号V (n)的估计值& n): (4)通过所述噪声信号v(n)的估计值获取滤波器的估计误差e(n)，对滤波器权重进行更新；(5)判断所述估计误差e (n)是否满足预设标准，如果是，停止迭代，执行步骤(7)；如果否，执行步骤(6)；(6)n — n+1，重复步骤(4)和步骤(5)，直至达到设定的迭代次数，执行步骤(7)；(7)对滤波器的收敛参数U、阶数M和加权初值Wm(O)进行染色体编码，分别获取编码后收敛参数U、阶数M和加权初值Wm(O)的初始值；(8)根据所述估计误差e(n)，估计偏差的变化率和所述第二表面肌电信号S (n)构建最优指标J，通过所述最优指标J获取适度函数F ；(9)通过遗传算法对所述编码后收敛参数U、阶数M和加权初值Wm(O)的初始值进行寻优，输出多个适度函数F，通过所述多个适度函数F绘制适度函数曲线；(10)判断所述适度函数曲线是否平稳，如果是，执行步骤(11);如果否，执行步骤
(12)；(11)输出收敛参数U、阶数M和加权初值Wm (0)的最终值，流程结束；(12)重新执行步骤(7)，直到达到迭代次数，流程结束。所述估计值O(H)具体为
AMV( ,) = ￡W0 (w) '(w)+ W1 ( )/-(; -I) + ... + (n)r(n-M)
m-0初值为Wni (0)，M表示滤波器的阶！Wni (n)表示滤波器的权重；r (n_m)由r (n)延时获得。所述对滤波器的收敛参数U、阶数M和加权初值Wm(O)进行染色体编码具体为将滤波器的收敛参数U、阶数M和加权初值Wni(0)的初始值分别用任意8位的二进制码表示。所述通过遗传算法对所述编码后收敛参数U、阶数M和加权初值Wm(O)的初始值进行寻优，输出多个适度函数F，通过所述多个适度函数F绘制适度函数曲线具体为对所述收敛参数U、阶数M和加权初值Wm(O)的初始值进行染色体编码、基因选择交叉、变异操作和染色体解码获取更新后的收敛参数U、阶数M和加权初值Wm(0)，将每次所述更新后的收敛参数U、阶数M和加权初值Wm(O)输入到滤波器中，通过滤波器的滤波处理后，得到所述估计误差e(n)，通过所述估计误差e(n)，所述估计偏差的变化率和所述第二表面肌电信号S (n)构建所述最优指标J，通过所述最优指标J得到多个适度函数F，通过所述多个适度函数F绘制所述适度函数曲线。本发明提供的技术方案的有益效果是本发明提供了一种功能性电刺激表面肌电信号的滤波方法，本发明构造滤波器的FES模板信号r(n)，通过遗传算法优化自适应匹配滤波的系数，最终输出滤波器关键参数，继而实现自适应滤波的同时，能够智能优化参数，使用整定后的滤波器，进行肌电滤噪处理，得到了比较纯净的表面肌电信号，从而为截瘫等瘫痪患者的功能性电刺激下肌肉的状态研究提供一定的指导和控制；该项发明可有效地提高FES下肌电滤噪效果，并获得可观的社会效益和经济效益。
图I为本发明提供的一种自适应匹配滤波器原理框图；图2为本发明提供的一种功能性电刺激表面肌电信号的滤波方法的流程图；图3a为本发明提供的5000点时混合信号的示意图；图3b为本发明提供的5000点时原始肌电信号的示意图；图3c为本发明提供的5000点时滤波后的电信号的示意图；图3d为本发明提供的5000点时经过低通滤波的信号的示意图；图4a为本发明提供的1500点时混合信号的示意图；图4b为本发明提供的1500点时原始肌电信号的示意图；图4c为本发明提供的1500点时滤波后的电信号的示意图；图4d为本发明提供的1500点时经过低通滤波的信号的示意图；图5为本发明提供的1500点时滤波处理后的信噪比。
具体实施例方式为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。为了实现在采集肌肉的神经电生理活动时减弱或抑制FES干扰，获取比较纯净的表面肌电信号，参见图I和图2，本发明实施例提供了一种功能性电刺激表面肌电信号的滤波方法，详见下文描述101 :通过无线肌电系统采集伸膝过程中功能性电刺激下目标肌肉的第一表面肌电信号，同时采集一组自主伸膝过程中目标肌肉的第二表面肌电信号S (n)；其中，利用无线肌电系统对下肢相关肌群进行刺激，要求受试者身体健康，无下肢肌肉、骨骼疾患，无神经疾患及严重心肺疾患。实验装置采用美国SIGMEDICS公司生产的Parastep功能性电刺激系统，该系统包含微处理器和刺激脉冲发生电路，含六条刺激通道，电池供电。实验时受试者安坐于测试台上，将刺激电极固定于股四头肌的两端位置。未施加电刺激时小腿放松、保持垂直悬空状态。电刺激脉冲序列采用经典的Lilly波形，脉冲频率为25Hz、脉宽150，脉冲电流在0 120m范围内可调。实验中可通过改变脉冲电流大小来调整刺激强度以改变由刺激产生的膝关节角度。FES作用下，从第I级开始作用，逐级增力口，每级持续作用3s，直到小腿伸直的级数，记为初始最高级数。再按相同时间依次递减级数，直到第I级，为I个周期。此周期过程连续进行，期间每次的最高级数保持初始最高级数不变。同时，采集自主状态下伸膝过程的肌电，为之后滤波仿真做准备。其中，自适应滤波就是利用前一次迭代获得的滤波结果，自动调节当前迭代的滤波器参数，以适应信号和噪声未知的或随时间变化的统计特性，从而实现最优滤波。自适应滤波器实质上就是一种能调节自身传输特性以达到最优的维纳滤波器。自适应滤波器不需要输入信号的先验知识，计算量小，特别适用于实时处理。自适应滤波器的特性变化是由自适应算法通过调整滤波器系数来实现的。一般而言，自适应滤波器由两部分组成，一是滤波器结构，二是调整滤波器系数的自适应算法。基于维纳理论的自适应噪声抵消需要无限加权滤波器，以极小化输出误差。为了实现维纳滤波方案，必须使用有限加权滤波器。换句话说，自适应滤波器必须假定维纳滤波器是一个有限冲激响应(FIR)滤波器。而自适应匹配滤波器，是在同信号匹配的前提下，满足均方根误差最小准则的最佳滤波器，它可以通过调整自身的权系数来达到最优化的目的，如图I所示是基于维纳滤波器的自适应匹配滤波器原理方框图。102 :通过第一表面肌电信号构建FES模板信号r (n)；其中，取FES刺激下的第一表面肌电信号，由于第一表面肌电信号的周期性为
0.08s，第一表面肌电信号具有随机性，所以可以利用叠加平均的方法，取FES下同一等级的第一表面肌电信号，每0. 08s的信号相加再做平均，将得到的平均信号近似看做一个FES模板，再将此FES模板顺次排列成FES模板信号r (n)。103 :通过第二表面肌电信号S (n) ,FES模板信号r(n)和滤波器权重获取噪声信号v(n)的估计值v(n);参见图1，混合信号x(n)由第二表面肌电信号S(n)和噪声信号v(n)构成，其中S(n)和v(n)不相关。由于FES模板信号r(n)相对于第二表面肌电信号S (n)和噪声信号v(n)幅值很大,所以噪声信号V (n)可以近似认为以FES模板信号r(n)为主，由于FES模板
信号r(n)和噪声信号v(n)相关，^n)是噪声信号v (n)的最佳估计。则滤波器将在输出端去除其相关性，具体方法是从混合信号x(n)中减去估计值0(n)，那么滤波器的输出就是第
二表面肌电信号S(n)的估计s(n)。
权利要求
1.一种功能性电刺激表面肌电信号的滤波方法，其特征在于，所述方法包括以下步骤 (1)通过无线肌电系统采集伸膝过程中功能性电刺激下目标肌肉的第一表面肌电信号，同时采集一组自主伸膝过程中目标肌肉的第二表面肌电信号S (n)； (2)通过所述第一表面肌电信号构建FES模板信号r(n)； (3)通过所述第二表面肌电信号S(n)，所述FES模板信号r (n)和滤波器权重获取噪声信号V(H)的估计值 丨； (4)通过所述噪声信号v(n)的估计值获取滤波器的估计误差e(n)，对滤波器权重进行更新； (5)判断所述估计误差e(n)是否满足预设标准，如果是，停止迭代，执行步骤(7);如果否，执行步骤(6)； (6)n— n+1，重复步骤(4)和步骤(5)，直至达到设定的迭代次数，执行步骤(7)； (7)对滤波器的收敛参数U、阶数M和加权初值Wm(O)进行染色体编码，分别获取编码后收敛参数U、阶数M和加权初值Wm(O)的初始值； (8)根据所述估计误差e(n)，估计偏差的变化率和所述第二表面肌电信号S(n)构建最优指标J，通过所述最优指标J获取适度函数F ； (9)通过遗传算法对所述编码后收敛参数U、阶数M和加权初值Wm(O)的初始值进行寻优，输出多个适度函数F，通过所述多个适度函数F绘制适度函数曲线； (10)判断所述适度函数曲线是否平稳，如果是，执行步骤(11);如果否，执行步骤(12)； (11)输出收敛参数U、阶数M和加权初值Wm(O)的最终值，流程结束； (12)重新执行步骤(7)，直到达到迭代次数，流程结束。
2.根据权利要求I所述的一种功能性电刺激表面肌电信号的滤波方法，其特征在于，所述估计值；(n)具体为
3.根据权利要求2所述的一种功能性电刺激表面肌电信号的滤波方法，其特征在于，所述对滤波器的收敛参数U、阶数M和加权初值Wm(O)进行染色体编码具体为 将所述滤波器的收敛参数U、阶数M和加权初值Wm(O)的初始值分别用任意8位的二进制码表示。
4.根据权利要求3所述的一种功能性电刺激表面肌电信号的滤波方法，其特征在于，所述通过遗传算法对所述编码后收敛参数U、阶数M和加权初值Wm(O)的初始值进行寻优，输出多个适度函数F，通过所述多个适度函数F绘制适度函数曲线具体为 对所述收敛参数U、阶数M和加权初值Wm(O)的初始值进行染色体编码、基因选择交叉、变异操作和染色体解码获取更新后的收敛参数U、阶数M和加权初值Wm(0)，将每次所述更新后的收敛参数U、阶数M和加权初值Wm(O)输入到滤波器中，通过滤波器的滤波处理后，得到所述估计误差e(n)，通过所述估计误差e(n)，所述估计偏差的变化率和所述第二表面肌电信号S (n)构建所述最优指标J，通过所述最优指标J得到多个适度函数F，通过 所述多个适度函数F绘制所述适度函数曲线。
全文摘要
本发明公开了一种功能性电刺激表面肌电信号的滤波方法，属于利用电脉冲刺激帮助残疾人康复的器械技术领域，本发明构造滤波器的FES模板信号r(n)，通过遗传算法优化自适应匹配滤波的系数，最终输出滤波器关键参数，继而实现自适应滤波的同时，能够智能优化参数，使用整定后的滤波器，进行肌电滤噪处理，得到了比较纯净的肌电信息，从而为截瘫等瘫痪患者的功能性电刺激下肌肉的状态研究提供一定的指导和控制；该项发明可有效地提高FES下肌电滤噪效果，可为截瘫等瘫痪患者的功能性电刺激下肌肉的状态研究提供一定的指导和控制，并获得可观的社会效益和经济效益。
文档编号A61B5/0488GK102697496SQ20121018715
公开日2012年10月3日 申请日期2012年6月7日 优先权日2012年6月7日
发明者万柏坤, 张希, 徐瑞, 明东, 王璐, 綦宏志, 邱爽 申请人:天津大学