文獻(xiàn)標(biāo)識(shí)碼: A
DOI:10.16157/j.issn.0258-7998.171980
中文引用格式: 劉明君,,董增壽. 基于改進(jìn)小波變換的手臂肌電信號(hào)去噪算法的研究[J].電子技術(shù)應(yīng)用,2018,,44(3):122-125.
英文引用格式: Liu Mingjun,,Dong Zengshou. Research of denoising algorithm of arm electromyography signal based on wavelet transform[J]. Application of Electronic Technique,,2018,44(3):122-125.
0 引言
人體在自發(fā)運(yùn)動(dòng)或者肌肉在受到外界刺激時(shí)產(chǎn)生的信息在檢測電極處時(shí)間和空間的疊加構(gòu)成了表面肌電信號(hào)[1]。該信號(hào)作為仿生假肢的控制源信號(hào)已經(jīng)成為人工智能領(lǐng)域的重要應(yīng)用,。手臂肌電信號(hào)的幅度在10 mV以內(nèi),,其能量主要集中在20 Hz~500 Hz頻段[2]。由于各種環(huán)境因素的存在,,使得肌電信號(hào)的獲取經(jīng)常受到干擾,,其噪聲來源主要有以下幾種[3-4]:(1)檢測電路中大多電子元件本身工作存在噪聲;(2)檢測各種肌電信號(hào)時(shí),,電極跟皮膚接觸產(chǎn)生的偽信號(hào),;(3)由其他電場輻射引起的電磁干擾等噪聲。因此,,如何提高手臂肌電信號(hào)識(shí)別的準(zhǔn)確率,,成為重要的研究領(lǐng)域。
傳統(tǒng)消除肌電信號(hào)干擾算法有很多,,如卡爾曼濾波法,、譜相減法等算法[5]。這些傳統(tǒng)處理方法對(duì)于去除含噪肌電信號(hào)是比較困難,,去噪效果特別不明顯,。DONOHO D L等學(xué)者提出基于小波的閾值去燥理論[6],這種方法在微弱電信號(hào)處理,、圖像去噪處理等領(lǐng)域應(yīng)用廣泛,。
常用的基于閾值的小波去噪方法有軟閾值和硬閾值選取法[7-8]。本文研究了軟,、硬閾值存在不連續(xù)點(diǎn)和恒定偏差等缺點(diǎn),,引入非線性函數(shù),,并且利用控制系數(shù),以此對(duì)小波閾值去噪算法進(jìn)行改進(jìn),。改進(jìn)的小波閾值去噪方法可以有效提高肌肉電信號(hào)去噪效果,,促進(jìn)后期信號(hào)識(shí)別的準(zhǔn)確性和可靠性。
1 小波變換理論分析
常用的小波濾波方法包括貝葉斯法和非貝葉斯法[9],。非貝葉斯法又分為3種方法:(1)空域相關(guān)濾波算法,;(2)模極大值重構(gòu)濾波算法;(3)小波閾值濾波,。通過分析比較3種濾波方法得出,,小波閾值濾波算法具有實(shí)時(shí)操作簡單、計(jì)算量小等特點(diǎn),,所以本文對(duì)小波閾值去燥方法展開研究,。
通過研究分析,由于經(jīng)過小波變換后,,Cj會(huì)產(chǎn)生很多的冗佘量,,因此對(duì)含噪信號(hào)進(jìn)行去噪和恢復(fù)處理可以利用這個(gè)冗余性。當(dāng)滿足一定條件時(shí),,f(t)能夠構(gòu)成平方可積函數(shù)的基函數(shù),,則可以用平方可積函數(shù)中的一組基線性表示。經(jīng)過理論分析,,該小波變換生成基的方式簡單,。
2 基于改進(jìn)的閾值算法
2.1 基于閾值的小波去噪方法
在去噪過程中,通過優(yōu)化選擇閾值來提高信號(hào)去噪的效果是本文主要研究內(nèi)容,?;陂撝档倪x取方法包括軟閾值和硬閾值兩種,介紹如下:
(1)硬閾值函數(shù)分析
硬閾值函數(shù)如式(5)所示[11]:
其中,,λ為設(shè)定的門限閾值,,為閾值濾波后的小波系數(shù)。當(dāng)小波系數(shù)Cj小于-λ或者大于λ時(shí),,這部分小波系數(shù)被認(rèn)定為原始信號(hào)的小波系數(shù),;相反,小波系數(shù)為0,。
基于硬閾值小波去噪方法可以獲得具有相似性較強(qiáng)的重構(gòu)信號(hào),。但是在該方法中信號(hào)邊緣容易產(chǎn)生振蕩閾值,形成突變信號(hào),。其函數(shù)曲線圖如圖1所示,。
(2)軟閾值函數(shù)
軟閾值函數(shù)如(6)所示[12]:
式中,當(dāng)Cj大于λ時(shí),,小波系數(shù)減去λ,;當(dāng)Cj小于λ時(shí),,小波系數(shù)加上λ,這些可以作為重構(gòu)對(duì)象,;當(dāng)Cj處于-λ和λ之間時(shí),,濾除掉這部分小波系數(shù),處理后的小波系為0,。
通過基于小波軟閾值去噪法可以獲得具有較好光滑性的重構(gòu)信號(hào),。但是該方法中設(shè)定的閾值是有偏差的,會(huì)導(dǎo)致濾波后的信號(hào)有時(shí)會(huì)過于平滑,,從而導(dǎo)致誤差較大,。其函數(shù)曲線圖如圖2所示。
2.2 改進(jìn)閾值去噪法的分析
在肌電信號(hào)去噪的初始階段,,硬閾值算法雖然會(huì)獲得相似性較強(qiáng)的重構(gòu)信號(hào),,但由于其門限閾值函數(shù)是有跳變的,其在含有多重振蕩信號(hào)中會(huì)產(chǎn)生許多突變?cè)肼朁c(diǎn),,這時(shí),濾波后的信號(hào)出現(xiàn)許多失真現(xiàn)象[13],。對(duì)于軟閾值算法函數(shù)來說,,雖然它是一個(gè)連續(xù)函數(shù),其在處理振蕩信號(hào)的小波系數(shù)時(shí),,會(huì)顯得較為平滑,,很大程度上克服了硬閾值算法的缺點(diǎn)。同樣該算法對(duì)絕對(duì)值大的小波系數(shù)有較大的影響,,還會(huì)造成信號(hào)高頻分量信息的損失,,使處理后信號(hào)過于平滑,導(dǎo)致信號(hào)邊緣模糊,,也會(huì)在重構(gòu)信號(hào)中增大誤差,。為此,在函數(shù)過渡階段引入一個(gè)非線性函數(shù)與控制系數(shù),,就可以利用這樣的閾值函數(shù)設(shè)定閾值參數(shù),。
通過以上對(duì)軟、硬閾值函數(shù)優(yōu)缺點(diǎn)的分析,,本文采用非線性函數(shù)進(jìn)行過渡,,同時(shí)引入控制系數(shù),改進(jìn)的閾值算法的表達(dá)式如式(7)所示,。
式中,,a為引入的控制系數(shù),在不同范圍內(nèi),,a都影響小波系數(shù)Cj在該區(qū)域內(nèi)的變化程度,。其函數(shù)曲線圖如圖3所示,。
小波軟閾值方法計(jì)算出的估計(jì)值為使重構(gòu)后的信號(hào)無限接近原始信號(hào),就要減小這個(gè)偏差,。因此,,本文提出的改進(jìn)閾值法就是為了減小這個(gè)偏差,但從實(shí)際應(yīng)用中分析,,這個(gè)偏差不可能減小為零,。因?yàn)槿绻哑瞀藴p小成零,這就成為了小波硬閾值方法,,這樣達(dá)不到改進(jìn)效果,。如果讓
之間,這樣得出小波系數(shù)估計(jì)值
就更加近似于原始信號(hào),。
因此,,由式(7)可知,基于改進(jìn)的閾值函數(shù)不僅具有軟閾值的連續(xù)性,,還具有偏差比軟閾值小等特點(diǎn),。在式(7)中,當(dāng)a=0時(shí),,該閾值函數(shù)與軟閾值函數(shù)等效,;當(dāng)a→λ/(eλ-1)時(shí),隨著原始小波系數(shù)Cj的增大,,估計(jì)值更加接近Cj,。因此,改進(jìn)后的閾值函數(shù)偏差比軟閾值函數(shù)偏差小,。本文提出的改進(jìn)閾值函數(shù)是在軟閾值函數(shù)基礎(chǔ)上引入控制系數(shù),,使得原始信號(hào)和噪聲信號(hào)之間過度相對(duì)平滑,經(jīng)過濾波處理后的信號(hào)更加接近原始信號(hào),。該方法思路簡單,,有利于提高去噪效果。
2.3 3種閾值小波去噪方法仿真結(jié)果分析
本文采用控制系數(shù)a=0.3對(duì)手臂表面肌電信號(hào)進(jìn)行去噪實(shí)驗(yàn)分析,,對(duì)同一個(gè)含噪聲信號(hào),,分別利用軟閾值、硬閾值及改進(jìn)閾值去噪法進(jìn)行仿真分析,。以仿真結(jié)果與信噪比作為其性能指標(biāo),,信噪比越高,去噪效果越好,,更加能恢復(fù)出原始信號(hào),,以此驗(yàn)證改進(jìn)閾值去噪法的可靠性及有效性。仿真結(jié)果如圖4所示,。
由圖4可知,,硬閾值去噪算法產(chǎn)生了多余的突變?cè)肼?,軟閾值去噪算法使得一部分頻率點(diǎn)變得平滑,誤差較大,。改進(jìn)閾值去噪法比軟閾值去噪法減少了誤差,,比硬閾值去噪法更平滑,恢復(fù)出的信號(hào)更加近似于原始信號(hào),。為了克服軟,、硬閾值方法存在的缺點(diǎn),利用改進(jìn)閾值方法對(duì)表面肌電信號(hào)去噪的效果更好,。對(duì)實(shí)驗(yàn)進(jìn)行進(jìn)一步的研究,,將3種方法進(jìn)行信噪比進(jìn)行對(duì)比分析,其結(jié)果如表1所示,。
由表1可以得出,,在3種去噪結(jié)果中,硬閾值信噪比較低,,改進(jìn)閾值去噪法的信噪比最高,。改進(jìn)閾值去噪法保留了軟閾值的連續(xù)性和平滑性,比軟,、硬閾值去噪法的去噪效果更好,。因此,改進(jìn)閾值去噪法可以應(yīng)用在肌電信號(hào)去噪檢測領(lǐng)域,,而且有利于提高信號(hào)去噪的準(zhǔn)確性。
3 基于改進(jìn)閾值法處理含噪聲信號(hào)
在肌電信號(hào)中,,需要考慮的噪聲來源有:工頻干擾,、高頻電磁場干擾、電極極化干擾,、肌電干擾,、測量儀器自身的干擾等。由于這些干擾信號(hào)的存在,,使得在實(shí)際檢測過程中采集到的肌電信號(hào)不夠準(zhǔn)確,。將單通道獲取到的肌電含噪聲信號(hào),利用小波變換處理后,,得到一系列的小波系數(shù),。其中,有些小波系數(shù)包括原始信號(hào)的重要信息,。原始信號(hào)對(duì)應(yīng)的小波系數(shù)具有幅值較大,、數(shù)量較少等特點(diǎn)。其他噪聲對(duì)應(yīng)的小波系數(shù)數(shù)量較多,,但其幅值較小,。因此,,可以利用改進(jìn)后的小波閾值去噪算法,將處理后的幅值較大的小波系數(shù)保留,,將幅值較小的小波系數(shù)去掉,。把濾波后剩余的小波系數(shù)進(jìn)行構(gòu)建函數(shù),將恢復(fù)出原始信號(hào)與原始信號(hào)對(duì)比,。本文利用改進(jìn)后的閾值算法對(duì)含白噪聲和工頻干擾信號(hào)的肌電含噪聲信號(hào)進(jìn)行仿真分析,,結(jié)果如圖5、圖6所示,。
對(duì)仿真結(jié)果進(jìn)行對(duì)比分析可以得出,,改進(jìn)閾值算法在對(duì)疊加白噪聲和工頻干擾的混頻信號(hào)處理時(shí),減少了誤差,,處理效果更接近于原始信號(hào),。將處理后的肌電信號(hào)的信噪比進(jìn)行對(duì)比分析,結(jié)果分析如表2所示,。
由表2可以得出,,利用改進(jìn)閾值小波去噪法處理含噪聲信號(hào)具有較高的信噪比。
4 結(jié)論
本文首先運(yùn)用軟,、硬閾值去噪法及改進(jìn)閾值去噪法對(duì)同一個(gè)含噪聲信號(hào)進(jìn)行分析處理,,經(jīng)過仿真分析得出改進(jìn)閾值去噪法比軟、硬閾值去噪法效果好,,提高肌電信號(hào)的信噪比,。其次,利用改進(jìn)閾值去噪法對(duì)疊加白噪聲與疊加工頻干擾信號(hào)進(jìn)行去噪處理,,經(jīng)仿真分析,,該方法可以很好地抑制信號(hào)的零點(diǎn)漂移,能夠準(zhǔn)確地恢復(fù)出原始信號(hào),。
本文在研究肌電信號(hào)去噪方法過程中,,還有一些可以改進(jìn)的地方。首先,,本文是利用健康男性前臂肌肉電信號(hào)單通道的采集數(shù)據(jù)進(jìn)行處理分析,,選擇控制系數(shù)a=0.3的情況下,對(duì)手臂表面肌電信號(hào)進(jìn)行實(shí)驗(yàn)分析,,在實(shí)際應(yīng)用中,,手臂運(yùn)動(dòng)涉及到多通道的肌肉信號(hào)檢測;其次,,對(duì)于殘疾人的殘肢,,由于各種損傷等因素導(dǎo)致的意識(shí)減弱,不能簡單地用單通道單個(gè)閾值作為判斷方法。在今后研究設(shè)計(jì)中,,應(yīng)該根據(jù)個(gè)體情況,,并利用多個(gè)通道的數(shù)據(jù)進(jìn)行綜合分析,優(yōu)化算法,,減少工作量,,提高運(yùn)算速度,才能確定個(gè)體的最佳特征參數(shù)和控制閾值,。
參考文獻(xiàn)
[1] GINI G,,ARVETTI M,SOMLAI I,,et al.Acquisition and analysis of EMG signals to recognize multiple hand movements for prosthetic applications[J].Appl Bion Biomechan,,2012,9(2):145-155.
[2] 曲峰.運(yùn)動(dòng)員表面肌電信號(hào)與分形[M].北京:北京體育大學(xué)出版社,,2008.
[3] 趙章琰.表面肌電信號(hào)檢測和處理中若干關(guān)鍵技術(shù)研究[D].合肥:中國科學(xué)技術(shù)大學(xué),,2010.
[4] 吳永亮,邱成,,朱衡君.基于DAQ-2204的微弱信號(hào)數(shù)據(jù)采集與分析系統(tǒng)[J].測控技術(shù),,2011,30(3):26-28.
[5] 孔玲軍.Matlab小波分析超級(jí)學(xué)習(xí)手冊(cè)[M].北京:人民郵電出版社,,2014.
[6] DONOHO D L.De-noising by soft-thresholding[J].IEEE Trans.Inf.Theory,,1995,41(3):613-627.
[7] Li Guanlin,,Li Yaonan,,Yu Long,et al.Conditioning and sampling issues of EMG signals in motion recognition of multifunctional myoelectric prostheses[J].Ann Biomed Eng,,2011,,39(6):1779-1787.
[8] SMITH L H,HARGROVE L J,,LOCK B A,et al.Deter-mining the optimal window length for pattern recognition-based myoelectric control:Balancing the competing effects of classification error and controller delay[J].IEEE Trans.Neural.Syst.Rehabil.Eng.,,2011,,19(2):186-192.
[9] 婁智,鄧浩,,陳香,,等.基于自適應(yīng)閾值處理的表面肌電信號(hào)小波去噪研究[J].生物醫(yī)學(xué)工程學(xué)雜志,2014,,31(4):723-728.
[10] 王彥青,,魏連鑫.一種改進(jìn)的小波閾值去噪方法[J].上海理工大學(xué)學(xué)報(bào),2011,33(4):405-408.
[11] 葉裕雷,,戴文戰(zhàn).一種基于新閾值函數(shù)的小波信號(hào)去噪[J].計(jì)算機(jī)應(yīng)用,,2006,26(7):1617-1618.
[12] 段永剛,,馬立元,,李永軍,等.基于小波分析的改進(jìn)軟閾值去噪算法[J].科學(xué)技術(shù)與工程,,2011,,23(8):5755-5758.
[13] 吳秀君.改進(jìn)提升小波閾值算法在信號(hào)去噪中的應(yīng)用[J].激光雜志,2014(8):15-18.
作者信息:
劉明君1,,董增壽2
(1.忻州師范學(xué)院 電子系,,山西 忻州034000;2.太原科技大學(xué) 電子信息學(xué)院,,山西 太原030024)