（生物医学工程专业论文）基于粗糙集和支持向量机的表面肌电特征约简和分类研究.pdf

p c a 是一种线性变换，不能精细的提取非线性信号的本质特征。考虑到粗糙集理论主要是用于离散决策系统，本文对粗糙集的离散算法也做了研究，提出了基于k - m e a n s的连续属性离散化方法。在分类器设计方面，本文主要研究了基于模糊逻辑的支持向量机。在采用训练集对分类器进行训练之前，作者先采用了基于粒子群优化( p s o ) 的聚类方法对训练集数据进行聚类分析。对于训练集上聚类正确的样本，作者选取各类的边缘样本和类中心样本作为支持向量，并赋予了不同的权值，用于训练支持向量机，以提高分类精度，增强泛化性能。根据这种方法，由于仅仅是选择t 0 1 1 练集上的边缘样本和中心样本作为支持向量训练支持向量集，这种方法能够大幅加快分类器的训练过程。同时，对比试验指出，相对于经典神经网络，模糊神经网络等基于误差反传算法的分类器而言，模糊支持向量机不容易陷于局部极小，也像神经网络那样对过训练或者欠训练情况较为敏感，具有更好的泛化性能。目前，多通道多传感器实验配置已经得到广泛应用。另一方面，单分类器不能充分利用所有有效信息，且判断过于武断。为了进一步的考证f u z z yl s s v m 的分类性能，本文把f u z z yl s s v m ，a n n 、a n f i s 、c a r t 等分类器的单独决策结果采用了基于模糊积分的多分类器融合算法进行决策融合，避免单个分类器的武断判断。实验表明，在测试集上分类正确的样本中，f u z z yl s s v m 也分类正确的占9 8 以上，而其他的三类的正确率相差较远，体现了f u z z yl s s v m 在多分类器信息融合决策过程中担负着分类导向作用，分类性能较其他分类器优良。研究结果表面，多分类器融合算法能有效的弥补某一分类器参数不稳定或者结构性损坏下出现的错判现象。在分类性能提高的同时，计算耗时上相比单分类器要有所增加。本文指出，在四个分类器中，模糊支持向量机的识别度最高，分类结果最为可信。以上研究都是基于等长肌电信号，在实验中避免了疲劳现象的影响。本文的创新主要表现在以下几个方面：i 将 c a 和信号复杂度相结合用于信号的预处理过程的多通道解耦研究；i i 将e m d 和a r 相结合的方法用于肌电信号属性提取研究，指出其具有较好的聚类分离度。i i i 将粗糙集理论引入肌电研究领域进行属性约简。i v 提出了基于p s o i s o d a t a 的支持向量预抽取准则。v 研究了信息融合策略在肌电信号中的应用。以上简单介绍了本文的主要研究内容。本文的主旨就是基于粗糙集理论寻找最优属性子集，用聚类分类度来衡量属性集的可分性；采用p s o i s o d a t a 策略实现支持向量预抽取，采用了模糊支持向量机策略将普通的二类支持向量机拓展到多类分类领域；采用了信息融合的多分类器决策算法以弥补单分类器的缺陷。木本项研究得到国家9 7 3 项目( 2 0 0 5 c b 7 2 4 3 0 3 ) 资助关键词表面肌电信号，独立分量分析，小波包变换，经验模式分解，聚类分离度，粗糙集，粒子群优化，支持向量机，信息融合t h er e d u c t i o na n dc l a s s i f i c a t i o no fn o n l i n e a rf e a t u r e sf o rs e m gs i g n a l sb a s e do nr o u g hs e ta n ds u p p o r tv e c t o rm a c h i n e sa b s t r a c t砀es u r f a c ee l e c t r o m y o g r a p h ys i g n a l ( s e m g ) i sak i n do fp h y s i o l o g i c a ls i g n a lp r o d u c e db yt h en e u r o m u s c u l a rs y s t e mw i t hv o l u n t a r yc o n t r a c t i o n i tr e p r e s e n t st h ef u n c t i o na n ds t a t u so ft h en e u r o - m u s c l es y s t e m t h es e m gi su s e dw i d e l yi n c l i n i cd i a g n o s i s ，s p o r tm e d i c i n e ，r e h a b i l i t a t i o ne n g i n e e r i n g ，e l e c t r i c a lp h y s i o l o g y , n e u r o n - p h y s i o l o g ya n dt h ew o r ke f f i c i e n c ye s t i m a t i o no fh u m a n m a c h i n ee t c t h eb o o m i n ga p p l i c a t i o nu r g e st h er e s e a r c h e r st os t u d yt h ei n h e r e n tf e a -t u r ed e e p l ya n dt of i g u r eo u tt h ef i n ec h a r a c t e r i s t i c so ft h es e m gt h en o v e la n de m e r g i n gs i g n a l - p r o c e s s i n gs t r a t e g yp l a yt h ei m p o r t a n tr o l eo nt h er e c o g -n i t i o na n dc l a s s i f i c a t i o no ft h es e m gt h i sp a p e rf o c u so nt h et w ok e yp o i n t so ft h ep a t t e mr e c o g n i t i o nw i t hr e s p e c tt ot h ea c t i o ns e m g ：f e a t u r es e l e c t i o n - r e d u c t i o na n dc l a s s i f i e rd e s i g n w ee x p l o i tt h e o r e t i c a l l yt h en o v e ls t r a t e g yf o ra c t i o ns e m gr e c o g n i t i o np r o b l e m t h em a i nc o n t r i b u t i o n sw ee x e c u t e da r ed e s c r i b e da sf o l l o w s ：f i r s t l y , t ot h eu s e d w i d e l ym u l t i c h a n n e ld a t aa c q u i s i t i o nt e c h n i q u e w ep o i n to u tt h a td u et ot h ew i d ec o v e r a g eo ft h es u r f a c ee l e c t r o d e ，t h ec o u p l i n ga m o n gt h ed i f f e r e n tc h a n n e l sw i l lb ei n e v i t a b l e w i t hd e e pu n d e r s t a n do ft h ep h y s i o l o g i c a lb a s i co ft h es u r f a c es e m g , w ei n t r o d u c et h ei n d e p e n d e n tc o m -p o n e n ta n a l y s i s ( i c a ) t oa n a l y z et h es u r f a c ee m ga n dt or e a l i z et h ed e c o u p -l 洫go ft h em u l t i c h a n n e le m gs i g n a l s t h r o u g ht h ea n a l y s i so ns i g n a lc o r n -p l e x i t y , w ep r o v et h a ta r e rd e c o u p l i n gb yi c at h ec o m p l e x i t yo fs e m gs i g n a la te a c hc h a n n e ld e s c e n d sa n di ns o m es e n s et l l i sp h e n o m e n ap r o v e st h ee f f e c to fl c ai nm u l t i c h a n n e ld a t aa c q u i s i t i o ns y s t e m t ot h ef e a t u r ee x t r a c t i o n ，w eg i v et h eg e n e r a ld e s c r i p t i o na b o u tt h en o n l i n e a rc h a r a c t e r i s t i c so ft h es e m gf r o mt h eo v e r a l lv i e w p o i n t ，w ei n t r o -d u c eb r i e f l yt h ea p p l i c a t i o n so fn o n l i n e a re n t r o p y , f r a c t a ld i m e n s i o n 。p h a s e s p a c er e c o n s t r u c t i o na n dc h a o sd y n a m i c sa n a l y s i si nb i o - m e d i c i n es i g -n a lp r o c e s s i n gf i e l d w r ee x e c u t et h ec o m p a r i s o na n da n a l y s i si nd e t a i la m o n gt h es e v e r a lu s u a l u s e dc l a s s i c a lp u r et i m e d o m a i na n dp u r ef r e q u e n c y d o m a i na l g o r i t h m s w ep o i n to u tt h el i m i t a t i o n so ft h e s ea l g o r i t h m s t h e n ，w ep r o p o s et w ok i n d so ff e a t u r e e x t r a c t i o na l g o r i t h mb a s e do ni o i n tt i m e f r e q u e n c yd 伊m a i n t h e ya r et h es u b b a n de n e r g yb a s e do nw a v e l e td e c o m p o s i t i o na n dt h ea rc o e f f i c i e n t sd e r i v e df r o mt h ei m f so ft h ee m d ( a b b r e v i a t e da se m d a r ) f u r t h e r m o r e w ei n t r o d u c et h ec l a s s s e p a r a b i l i t yi n d e xt oe v a l u a t et h ef e a t u r es e t se x t r a c t e db yt h ea b o v e m e n t i o n e dt w om e t h o d s a tt h es a m et i m e ，w ea l s ot a k et h ec o m p u t i n gt i m ei n t oa c c o u n ta n db a l a n c et h ee f f i c i e n c ya n dp e r f o r m a n c eo ft h et w of e a t u r e e x t r a c t i o nm e t h o d s t h ee x p e r i m e n t sp r o v et h a tt h en o r m a l i z e ds u b - - b a n de r i e r g yi se f f e c t i v ew i t hl i t t l es u b je c t - d e p e n d e n c e t h ee x p e r i m e n t sa l s od e m o n s t r a t et h ee f f e c to ft h ee m d a r b u tt h i sm e t h o dh a st w of u n d a m e n t a ld r a w b a c k s 。i no n eh a n d , i th a sh e a v yc o m p u t a t i o nl o a d i nt h eo t h e rh a n d i t sp e r f o r m a n c ev a r i e sw i t ht h eo r d e ro fa rm o d e la n dt h es e g m e n tn u m b e ro ft h ea n a l y z e ds e m gs i g n a l m o r e o v e r , w ea l s oe x p l o r et h em u l t i f r a c t a ld i m e n s i o no ft h es e m ga n df i n dt h a ti ti sn o ta p p r o p r i a t ea st h ed i s c r i m i n a t i v ef e a t u r ef o rt h es e m g b a s e dm o t i o nc l a s s i f i c a t i o nt a s k f r o mt h ev i e w p o i n to fr e d u c i n gt 1 1 er e d u n d a n ti n f o r m a t i o na n de x e c u t i n gr e a l - t i m eo n l i n er e c o g n i t i o n ，w en e e dt op e r f o r mt h er e d u c t i o nf o rt h ee x t r a c t e df e a t u r es e ts oa st os p e e du pt h ec o m p u t a t i o na n ds t r e n g t ht h es y s t e mr o b u s t n e s s i nt h i sp a p e r w ei n t r o d u c et h er o u g hs e tt h e o r yt or e a l i z et h ef e ：a -t u r er e d u c t i o na n dg i v ec o m p a r i s o nw i t ht h ep c a b a s e df e a t u r er e d u c t i o na l -g o r i t h m b o t ht h et w or e d u c t i o nm e t h o d sa r ec l a s s i f i e r - i n d e p e n d e n ta n dw ec a l lt h e m “f i l t e r - t y p e r e d u c t i o ns t r a t e g y f o rt h ec o n v e n i e n c eo fe v a l u a t i o n w es t i l li n t r o d u c et h en e u r a ln e t w o r ka st h ee s t i m a t o r , t a k i n gi n t oa c c o u n to fi t se x c e l l e n tp e r f o r m a n c eo fn o n l i n e a rg l o b a lc o n v e r g e n c e f o rt h es e p a r a b i l i t yo ft h er e d u c e df e a t u r es e t t h ee o n t r a s t i v ee x p e r i m e n t sp r o v et h a ta sak i n do fl i n e a rt r a n s f o r m ，t h ep c ai sn o tc o m p e t e n tf o re x t r a c t i n gt h ef i n ea n dd i s -c r i m i n a t i v ec h a r a c t e r i s t i c c o n s i d e r i n gt h a tt h er o u g hs e tt h e o r yi so n l ya p p l i -c a b l et ot h ed i s c r e t ed e c i s i o ns y s t e m ，w em u s tp e r f o r mt h ef e a t u r ed i s c r e t i o nf i r s t l yb e f o r eu s i n gi tt os i m p l i f yt h ef e a t u r es e t i no u rs t u d y , w ep r o p o s et h ek m e a n st od i s c r e t i z et h ec o n t i n u o u s v a l u ef e a t u r e 黝r e s p e c tt ot h ec l a s s i f i e rd e s i g n 。o u ri n t e r e s ti sf o c u s e do nt h es u p p o r tv e c t o rm a c h i n eb a s e do nt h ef u z z yl o g i c b e f o r et r a i n i n gt h ef u z z yl s s v mb a s e dm u l t i c l a s sc l a s s i f i e r , w ef i r s t l ya d o p tt h ep a r t i c l es w a r mo p t i m i z a t i o nt e c h n i q u et oc l u s t e rt h et r a i n i n gd a t a s e t f o rt h o s es a m p l e sf r o mt r a i n i n gd a t a -s e tw h i c ha r ec l u s t e r e da n da s s i g n e dc o r r e c t l y , w ef i g u r eo u tt h ee d g es a m p l e sw h i c ha r ea tt h ee d g eo ft h ed i f f e r e n tc l u s t e r sa n dt h ec e n t r a ls a m p l e sw h i c ha r el o c a t e da tt h ec e n t e ro ft h ed i f f e r e n tc l u s t e r s t h e nw es e l e c tt h e s et w ok i n d so fs a m p l e sa st h es u p p o r tv e c t o r sa n da s s i g nt h e md i f f e r e n tw e i g h t st ot r a i nt h es u p p o r tv e c t o rm a c h i n e t h r o u g ht h i ss e l e c t i o nm e c h a n i s m ，b ya v o i d i n gt h ee f f e c to ft h o s em a l i c i o u ss a m p l e s ，w ec a ni m p r o v et h eg e n e r a l i -z a t i o na n da c c u r a c yo ft h es u p p o r tv e c t o rm a c h i n e b e c a u s eo n l ya d o p t i n gt h ec e n t r a ls a m p l e sa n dt h ee d g es a m p l e so fe a c hc l u s t e ra st h es u p p o r tv e c t o r s ，w ec a nq u i c k e nt h et r a i n i n gp r o c e s so ft h ec l a s s i f i e rs i g n i f i c a n t l y f u r t h e r m o r e c o m p a r e dw i t ht h en e u r a ln e t w o r k ，t h ec o n t r a s t i v ee x p e r i m e n t ss h o wt h es u p e r i o r i t yo ft h ef u z z ys u p p o r tv e c t o rm a c h i n e si na v o i d i n gt h el o c a lc o n v e r g e n c e ，o v e r - t r a i n i n ga n di n s u f f i c i e n tt r a i n i n g i no t h e rw o r d s ，t h ef u z z yl s s v mi si n s e n s i t i v et ot h eo v e r - t r a i n i n ga n di n s u f 3 f i c i e n tt r a i n i n ga n dh a sg o o dg e n e r a l i z a t i o n r e l a t i v e l ys p e a k i n g ，c o n t r a s t e dt ot h em u l t i c l a s s i f i e rc o n f i g u r a t i o n 。t h es i n g l ec l a s s i f i e rc a n tu t i l i z ec o m p l e t e l ya l lt h ee f f e c t i v ei n f o r m a t i o na n dt os o m ee x t e n tt h ed e c i s i o ni tm a k ew i l lb ea r b i t r a r y f o rt h ef u r t h e rv e r i f i c a t i o nt h ep e r f o r m a n c eo ff u z z yl s s v ma n da v o i d i n gt h ea r b i t r a r yd e c i s i o nm a d eb yas i n g l e c l a s s i f i e r , w ec o m b i n et h ef u z z yl s s v m ，a n n 。a n f i sa n dc a r tt o g e t h e ra n da d o p tt h ef u z z yi n t e g r a ls t r a t e g yt oa c q u i r et h ef i n a lt r a d e - o f fd e c i s i o na f t e rt h er e s u l tf u s i o n t h ee x p e r i m e n t sd e m o n s t r a t et h a tt ot h o s es a m p l e sc l a s s i f i e dc o r r e c t l yb yt h ef u s i o ns t r a t e g y , t h ef u z z yl s s v mc a r lc l a s s i f yt h e mc o r r e c t l yo v e r9 8 w h i l eo t h e rt h r e ec l a s s i f i e r sa r er e l a -t i v e l yo fp o o rp e r f c i r m a n c e t h i sr e s u l td e m o n s t r a t e st h a tt h ef u z z yl s s v mb u r d e n st h eo r i e n t e df u n c t i o nd u r i n gt h ep r o c e s so fd e c i s i o n f u s i o na n dh a ss u p e r i o rp e r f o r m a n c ei nc o n t r a s tt oo t h e r t h r e ep e e r s o u rr e s e a r c hi n d i c a t e st h a tt h em u l t i c l a s s i f i e rf u s i o na l g o r i t h mc a ne f f e c t i v e l ym a k eu p l ed e f i c i e n c yo ft h es i n g l ec l a s s i f i e ri nt h ec a s eo fp a r a m e t e rd r i f t i n ga n dc o n s t r u c td a m a g e a tt h es a m et i m e ，w ea l s op o i n to u t , a st h et r a d e - o f f , t h ec o m p u t i n gt i m ew i l li n c r e a s es l i g h t l yw h e na d o p tt h ef u s i o nm e c h a n i s m a m o n gt h ef o u rc l a s s i f i e r s ，t h er e s u l tg i v e nb yf u z z yl s s v mi sm o r er e l i a b l ea n ds t a b l e a l lt h ec o n c l u s i o n sa r eb a s e do nt h ei s o m e t r i cs e m gs i g n a la n di nt h ee x p e r i m e n t sw ea v o i dt h ea f f e c to ff a t i g u ef a c t o r k e yw o i m s ：s u r f a c ee l e c t r o m y o g r a p h ys i g n a l ，i n d e p e n d e n tc o m p o n e n ta n a l y s i s ，w a v e l e tp a c k a g et r a n s f o r m ，e m p i r i c a lm o d ed e c o m p o s i t i o n ，c l u s t e rs e p a r a t i o ni n d e x , r o u g hs e tt h e o r y , p a r t i c l es w a r mo p t i m i z a t i o n ，s u p p o r tv e c t o rm a c h i n e ，i n f o r m a t i o nf u s i o nt h i sp r o j e c tw a ss u p p o r t e db yn a t i o n a ln a t u r a ls c i e n c ef o u n d a t i o no fc h i n a( n o 2 0 0 5 c b 7 2 4 3 0 3 )上海交通大学学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：颜志国日期：年月日上海交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权上海交通大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密口，在一年解密后适用本授权书。本学位论文属于不保密口。( 请在以上方框内打“ )学位论文作者签名：颜志国指导教师签名：王志中日期：年月日日期：年月日第一章绪论1 1 研究背景及其意义第一章绪论在过去几十年中，生命科学有了很大的发展，在很多方面取得了巨大的突破。自进入2 l 世纪，随着人类社会的全面发展和物质生活水平的提高，一方面，人类认识自我( 生命过程) 和保护自我( 疾病防治) 的意识进一步加强。另一方面，计算机科学和现代信号处理技术快速发展起来。自1 8 5 1 年法国科学家d u b o i s - r e y m o n d 最先检测到人体肌肉收缩时能产生电信号起，人们就不断地进行肌电( e i e c t r o m y o g r a p h y ) 研究，肌电得到了比较广泛的应用，如用表面肌电信号( s u r f a c ee l e c t r o m y o g r a p h y ，s e m g )控制假肢、用表面肌电作为功能电刺激的控制信号而达到某种反馈调节的作用、试图通过表面肌电的谱分析判断肌肉疲劳程度、通过平均积分电位研究人的工作负荷等 1 。在近十几年，对e c g 和e e g 等人体生物电信号的分析研究也得到了快速发展并且取得了很大的成果 2 - 4 。全世界每年由于战争、疾病以及职业损害造成的肢体残疾以及肢体功能障碍的患者数量巨大，因此，对肌电信号进行系统、科学的研究分析是一个非常基础但同时非常重要的工作，它为下一步的各种康复训练疗法和各种智能假肢的控制提供了信息保障，有着广泛的应用前景和巨大的社会效益。肌电信号不仅在临床医学，运动医学等领域被广泛应用 5 8 ，而且成为人工假肢和功能性神经电刺激的理想控制信号。在文献中 9 ，研究者利用p d f i 等便携式终端设备发出高层m o r s e 码命令通过肌电信号来控制假肢设备。除此之外，基于e m g 手语识别系统也得到了应用 1 0 。目前，对e m g 的研究主要在以下几个方面应用。( 1 ) 、e m g 信号来源于作为中枢神经一部分的脊髓中的运动神经元，它是电极所能触及到的许多运动单位发放的动作电位的总和。e m g 信号反映了神经、肌肉的功能状态，利用它提供的信息可以对肌疲劳性、重症肌无力、肌强直、肌萎缩等多种肌疾病作出临床诊断 1 l ，1 2 ：( 2 ) 、e m g 信号是产生肌肉力的电信号根源，对e m g 信号的研究有利于在临床上对动作单位( 数量和发放率) 与肌肉力产生及大小关系的理解 1 3 ：( 3 ) 、e m g 信号与肢体运动直接相关，肢体的不同动作具有不同的肌肉收缩模式，这些模式的差别反映在e m g 信号特征的差异上，所以，通过提取这些特征可以区分肢体的不同动作模式，以便对假肢进行控制 1 4 ，1 5 ；( 4 ) 、功能性神经电刺激和生物反馈研究。用电生理技术记录肌肉的诱发电位，可以测定神经的传导速度和各种反射以及神经肌肉的兴奋性和肌肉的兴奋反应 1 6 ，1 7 。肌电信号的采集主要有两种，一种是采用侵入式的针式电极采集，另外一种就是采用非侵入式的表面电极采集。表面肌肉电信号是从人体骨骼肌表面通过电极记录下来的神经肌肉活动发放的生物电信号，它反映了神经，肌肉的功能状态 1 8 。相对来说，针式电级采集到的信号能够较精确的拾取最邻近微小区域的动作单元( m o t o r海交通人学博i j 学位论文u n i t ，m u ) 的信号，各个动作单元之间的信号耦合叠加情况可以忽略，因而采集到的信号比较洁净。而表面电极由于作用面积比较大，采集到的信号是附近区域的动作单元的时空祸合叠加后的信号，因而信号的后续分析处理也更为复杂困难。但由于针式电极需要刺入人体皮下采集信号，具有一定的痛苦性，受试者普遍在心理上存在一定抗拒，特别是对于年幼的肢体残疾的患者进行康复训练时，由于强烈的恐惧心理，针式电极基本不被使用。表面e m g 信号是一种复杂的表皮下肌肉电活动在皮肤表面处的时间和空间上的综合结果，已被广泛地应用于肌肉运动、肌肉损伤诊断、康复医学及体育运动等方面的研究。通常，从相应屈伸动作的肌肉表面皮肤处所测取的多通道s e m g 信号，既可为控制假肢运动提供一个安全非侵入的控制方式，也可用于人类运动和生物机械的研究。随着检测技术和信号处理方法和计算机技术的发展，研究如何从表面肌电中识别出肢体的多种运动模式已经成为康复医学界研究的热点问题之一。本课题主要研究基于表面电极的肌电信号的采集、预处理以及常见的掌面朝上( w r i s ts u p i n a t i o n ，w s ) 、掌面朝下( w r i s tp r o n a t i o n ，w p ) 、握拳( f i s tc l e n c h ，f c ) 、展拳( f i s ts t r e t c h ，f s ) 等动作的分类识别，为智能仿生义肢提供一个有效且高效的训练和识别策略。由于采集s e m g 信号是属于非侵入检测技术，所以，s e m g 信号的研究还具有其独特的优势。1 ) 不会给受试者带来肌肉上的创伤和感染；2 ) 不会人为地影晌表面肌电信号中动作电位的电性质。由于针式电极和肌肉的电传导性不同，当针式电极插入到肌肉后，势必影响动作电位的电性质：3 ) 在运动医学等方面，方便检测肌电信号。表面肌电信号检测具有无创性，有广泛的应用前景，可广泛用于神经肌肉的基础研究、临床诊断、康复工程、运动医学及老年医学等领域。表面肌电信号的研究与神经肌肉的基础研究紧密相关，有关神经肌肉的生理学基础研究为表面肌电信号的研究和应用提供了坚实的理论基础，同时表面肌电信号的检测分析也能为其提供一种无创的检测分析方法。表面肌电信号检测可提供有关能反映外周神经肌肉功能状态的信息，如肌肉兴奋的过程( 即什么时候开始和结束肌肉兴奋) 、兴奋传导速度和传播方向、肌肉纤维类型成分、肌肉收缩时运动单位的募集顺序【1 0 】等。由于有创肌电难以用于需长时间监护肌电的场合，因此表面肌电信号的研究在康复工程领域正积极地发挥其优势。自从1 9 7 5 年g r a u p e d 提出用a r m a 模型来判别肌肉的动作以来，电子假肢的研究进入了新的发展时期，过去电子假肢的控制靠使用者人为开关和选择运动模式来完成，现在则可通过检测人体残肢表面肌电信号，提取出肢体的动作特征，来自动控制假肢运动。表面肌电信号的检测分析在功能性电刺激中也有较多应用，如利用表面肌电信号提取出的特征作为功能性电刺激的控制信号，帮助瘫痪的肢体恢复运动功能，此外，检测受电刺激的肢体的表面肌电信号，可以分析电刺激下肌电的疲劳状况，用以控制功能性电刺激的强度。表面肌电信号可作为生物反馈疗法的反馈信号，通过检测表面肌电信号，并将其作为反馈信号提供给病人和医生，便于进行合理的治疗和训练表面肌电信号在运动医学中也可发挥重要作用，通过检测运动员运动时的表面肌电信号及时反映出肌肉的疲劳和兴奋状态，有助于建立科学的训练方法。表面肌电信号的检测可为临床提供新的无创诊断方法，辅助临床医生诊断疾病，如b o s t o n 大学神经肌肉研究中心的研究者检测人体腰背部肌肉在疲劳状态下等长收缩时的表面肌电信号，对患有下背痛2第一章绪论( 1 0 w b a c p a i n ，l b p ) 的患者的病情进行分类。法国的p r i e z 等将表面肌电信号的检测分析用于肌营养不良症的量化评价。然而，表面肌电信号存在以下一些特性，必须进行进一步的深入研究 6 ，1 9 。首先，表面肌电信号是一种非平稳信号，它的频谱是时变的。表面肌电信号是电极附近区域的许多动作诱发电位的叠加总和，而动作单元诱发电位的募集是随机的，所以表面肌电信号的的强度是非线性时变的。其次，参与到单个动作单元的神经纤维的数目也是具有个体差异的，而且，表皮的厚度和临近的肌肉组织都会影响肌电信号的波形。诸多的影响因素耦合起来，使得表面肌电信号的分析非常的困难。再次，表面肌电信号的幅值非常的微弱，介于1 0 0 , - - - 5 0 0 微伏之间，因而很容易被环境噪声污染，需要经合适的前置放大和滤波后才能进行分析。所有这些因素，使得基于表面肌电信号识别分类的假肢控制非常困难。许多学者认为，只有当假肢系统的误识别率小于5 的时候才有实用价值，而且，只有响应时间小于3 0 0 m s 的智能假肢才能让患者不至于在心理上因为时延过长而产生焦灼和沮丧挫折感从而放弃使用。图卜1 为肌电信号采集分析系统示意图。s u b j e c t图卜1 肌电设备试验台示意图f i g 1 1t h ei l l u s t r a t i o no fe m g - b a s e dd a t aa z q u i s t i o n特征提取是目标识别中一个非常重要的环节。一个识别系统的识别能力与特征矢量的选取有着直接的关系。对于假肢控制问题来说，如何寻找有效的特征来表征肌电信号是动作肌电模式识别的根本问题。为了有效的提取相应特征，人们建立了各种模型，如线性系统模型、集中参数模型、非平稳模型、双极型模型等等。一般来讲，肌电的这些模型都是线性的。事实上，肌肉的收缩与舒张是十分复杂的非线性过程，而表面肌电所带有的特性正是非线性过程的反映，因此近年来非线性的分析研究方法在肌电信号的分类和疲劳肌电的动力学特征分析上得到了很大的关注。国内外很多学者利用非线性动力学理论，从分形维数、李雅普诺夫指数和熵等非线性指标对表面肌电进行分析，发现在肌肉收缩的时候e m g 更具有规律性，舒张时候则更具有随机性。近年来。针对e m g 的研究，已经从假肢控制康复研究拓展到很多相关的邻域，如研究表面e m g 与心脏功能的关系、e m g 信号与肌肉力的关系、肌肉疲劳时的e m g 信号特征及补偿方法等等。在假肢控制领域，已经有一些成熟的商用化的软件和系统，比如o t t ob o o k 出品的m y o b o y 2 0 。图卜2 显示了表面肌电信号在动作分析应用上常见的几种动作。3：塑兰些盎兰苎兰竺堡兰啕譬黧p 帅审i ：簧嚣。m絮“咖。譬慧：哿蛳图1 2 常见几种前臂动作f 培i 一2s e v e m b a s i ct y p e so f f o r e a r mm o t i o n国卜3 基于计算机数据采集系统的假肢训练和康复的人机界面f i g l - 3t h eh u m a n + m a c h i n e i n t e r f a c e o f p r o t h c s i s d e v i c e川缸型型型裂第一章绪论图卜3 是国外学者开发的基于计算机控制的肌电康复i j l l 练仿真界面【2 l 】。对于肌电信号分析来说，不论是动作识别或者是疲劳程度评估，就其所利用的理论方法而言，主要表现在四个方面：时域分析、频域分析、时频联合分析、高阶谱及以混沌与分形特征分析为代表的非线性动力学分析等。1 2 国内外研究进展情况1 9 9 3 年，b e r n a r dh u d g i n s 、p h i l i pp a r k e r 和r o b e r tn s c o t t 等人研究了基于人工神经网络的多类肌电信号的识别问题 2 2 。在他们的研究工作中采用了一些时域统计量如平均绝对值( m e a na b s o l u t ev a l u e ) ，过零点