洪 洁，王 璐，舒军勇，汪 超

(安徽工业大学机械工程学院，安徽马鞍山 243002)

表面肌电信号(surface electromyogram，sEMG)是通过表面肌电拾取电极从人体皮肤表面记录下来的、能够反映神经肌肉系统相关活动信息的微弱生物电信号［1］。它已经被广泛运用于基础研究、临床医学、运动医学及康复医学等领域［2］。sEMG是一种非线性非平稳信号［3］，其峰值在0～10 mV之间，有用信号能量分布10～500 Hz之间，非常微弱。人体内的各种生物电信号、采集仪器的固有噪声以及周围环境的噪声等，都会对采集到的sEMG信号产生很大影响［4］。由于sEMG的上述特征，使得肌电信号去噪成为制约其应用的一个关键问题。因此，如何有效地去除sEMG中的噪声干扰是一个值得研究的问题。

小波变换因其良好的局部时频分析能力［5－6］，具有传统去噪方法不可比拟的优越性，在信号去噪中被广泛应用［7－8］。但小波分解存在小波基函数选择、频域重叠和阈值选取不确定性等［9］，使得小波变换去噪有很大的局限性。

经验模式分解(empirical mode decomposition，EMD)是由诺顿·黄等提出的的一种新的信号分析方法，它将复杂的信号自适应地分解成有限个本征模态函数(intrinsic mode function，IMF)，每个IMF包含了原信号的不同时间局部特征。由于分解是基于信号序列时间尺度的局部特征的［10］，因此EMD具有自适应性，在处理非线性非平稳信号上相对于小波分解有明显的优势。该方法自提出以来，已经逐渐应用到信号分析等领域。

本文利用EMD的自适应局部时频分析能力对采集的含噪sEMG信号进行EMD分解，然后对高频的IMF分量进行小波阈值去噪处理，最后把处理后的高频IMF分量与低频IMF分量以及残余信号叠加，重构后得到的信号即为去噪sEMG信号［11－12］。……