尚小晶 吴忠伟 徐成波

(吉林建筑大学城建学院,长春 130111)

0 引言

表面肌电信号(sEMG)[1]，是由电极引导记录下来皮肤表面的神经肌肉活动时的生物电信号,它反映了神经、肌肉的功能和状态.不同的肢体动作由不同的肌肉群控制.因此,可通过肌肉群变化不同来体现不同的动作特征.表面肌电信号是肌肉动作的直接体现,该信号作为不同动作的信号源最为合适,因此,只需提取不同动作信号的全面、具有代表性的特征就能将不同动作区别开来.

肌电信号主要集中在20Hz～500Hz之间,而50Hz工频干扰是信号中的影响因素较大的噪声信号.因此，一般的消噪过程都会将50Hz工频误认为是肌电信号而未被消除.消除工频干扰是该信号处理的一个重要过程.目前国内外较成熟的信号处理方法是独立成分分析[2](ICA),它可以从若干个相互独立的混合信号中分离出信源间线性混合的独立成分,因而能够使其适用于许多场合的信号分析.但该方法一般只适用于线性平稳信号,肌电信号具有很强的非平稳性和非线性,为了能够准确地去除干扰信号,本文将经验模式分解(EMD)应用于独立成分分析方法中,经验模式分解非常适合处理非线性非平稳信号.两种方法相结合对表面肌电信号进行信号处理,然后建立AR模型将模型系数作为信号特征，采用改进概率神经网络对食指伸展、伸腕、向下曲腕、握拳、向侧曲腕、手掌伸展6种手势动作进行模式识别.

1 独立成分分析

肌电……