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,，C_j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)C_j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)C_j大于λ時(shí),，小波系數(shù)減去λ,；當(dāng)C_j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)C_j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)C_j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/(e^λ-1)時(shí)，隨著原始小波系數(shù)C_j的增大,，估計(jì)值更加接近C_j,。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）