0 引言

    人體在自發(fā)運動或者肌肉在受到外界刺激時產(chǎn)生的信息在檢測電極處時間和空間的疊加構(gòu)成了表面肌電信號^[1]。該信號作為仿生假肢的控制源信號已經(jīng)成為人工智能領(lǐng)域的重要應(yīng)用,。手臂肌電信號的幅度在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)檢測各種肌電信號時,，電極跟皮膚接觸產(chǎn)生的偽信號,；(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識別的準(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)處理方法對于去除含噪肌電信號是比較困難,，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)點和恒定偏差等缺點，引入非線性函數(shù),，并且利用控制系數(shù),，以此對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去噪效果,，促進(jìn)后期信號識別的準(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時操作簡單,、計算量小等特點,，所以本文對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會產(chǎn)生很多的冗佘量，因此對含噪信號進(jìn)行去噪和恢復(fù)處理可以利用這個冗余性,。當(dāng)滿足一定條件時,，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去噪的效果是本文主要研究內(nèi)容,。基于閾值的選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,，這部分小波系數(shù)被認(rèn)定為原始信號的小波系數(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。但是在該方法中信號邊緣容易產(chǎn)生振蕩閾值,，形成突變信號,。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,，小波系數(shù)減去λ；當(dāng)C_j小于λ時,，小波系數(shù)加上λ,，這些可以作為重構(gòu)對象；當(dāng)C_j處于-λ和λ之間時,，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,。但是該方法中設(shè)定的閾值是有偏差的,，會導(dǎo)致濾波后的信號有時會過于平滑,，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

    在肌電信號去噪的初始階段,，硬閾值算法雖然會獲得相似性較強(qiáng)的重構(gòu)信號，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中會產(chǎn)生許多突變噪聲點,，這時，濾波后的信號出現(xiàn)許多失真現(xiàn)象^[13],。對于軟閾值算法函數(shù)來說,，雖然它是一個連續(xù)函數(shù)，其在處理振蕩信號的小波系數(shù)時,，會顯得較為平滑,，很大程度上克服了硬閾值算法的缺點。同樣該算法對絕對值大的小波系數(shù)有較大的影響,，還會造成信號高頻分量信息的損失,，使處理后信號過于平滑，導(dǎo)致信號邊緣模糊,，也會在重構(gòu)信號中增大誤差,。為此，在函數(shù)過渡階段引入一個非線性函數(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),。

    通過以上對軟、硬閾值函數(shù)優(yōu)缺點的分析,，本文采用非線性函數(shù)進(jìn)行過渡，同時引入控制系數(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,。

    小波軟閾值方法計算出的估計值為使重構(gòu)后的信號無限接近原始信號,，就要減小這個偏差。因此,，本文提出的改進(jìn)閾值法就是為了減小這個偏差,，但從實際應(yīng)用中分析，這個偏差不可能減小為零,。因為如果把偏差λ減小成零,，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)估計值就更加近似于原始信號,。

    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。在式(7)中,，當(dāng)a=0時,，該閾值函數(shù)與軟閾值函數(shù)等效；當(dāng)a→λ/(e^λ-1)時,，隨著原始小波系數(shù)C_j的增大,，估計值更加接近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)，使得原始信號和噪聲信號之間過度相對平滑,，經(jīng)過濾波處理后的信號更加接近原始信號,。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對手臂表面肌電信號進(jìn)行去噪實驗分析,，對同一個含噪聲信號，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，以此驗證改進(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)生了多余的突變噪聲,，軟閾值去噪算法使得一部分頻率點變得平滑,，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)出的信號更加近似于原始信號。為了克服軟、硬閾值方法存在的缺點,，利用改進(jìn)閾值方法對表面肌電信號去噪的效果更好,。對實驗進(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)用在肌電信號去噪檢測領(lǐng)域,，而且有利于提高信號去噪的準(zhǔn)確性。

3 基于改進(jìn)閾值法處理含噪聲信號

    在肌電信號中,，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。由于這些干擾信號的存在,，使得在實際檢測過程中采集到的肌電信號不夠準(zhǔn)確,。將單通道獲取到的肌電含噪聲信號，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)包括原始信號的重要信息,。原始信號對應(yīng)的小波系數(shù)具有幅值較大,、數(shù)量較少等特點。其他噪聲對應(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)出原始信號與原始信號對比。本文利用改進(jìn)后的閾值算法對含白噪聲和工頻干擾信號的肌電含噪聲信號進(jìn)行仿真分析，結(jié)果如圖5,、圖6所示,。

    對仿真結(jié)果進(jìn)行對比分析可以得出，改進(jìn)閾值算法在對疊加白噪聲和工頻干擾的混頻信號處理時,，減少了誤差,，處理效果更接近于原始信號。將處理后的肌電信號的信噪比進(jìn)行對比分析,，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具有較高的信噪比,。

4 結(jié)論

    本文首先運用軟,、硬閾值去噪法及改進(jìn)閾值去噪法對同一個含噪聲信號進(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,，提高肌電信號的信噪比。其次,，利用改進(jìn)閾值去噪法對疊加白噪聲與疊加工頻干擾信號進(jìn)行去噪處理,，經(jīng)仿真分析，該方法可以很好地抑制信號的零點漂移,，能夠準(zhǔn)確地恢復(fù)出原始信號,。

    本文在研究肌電信號去噪方法過程中，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,，對手臂表面肌電信號進(jìn)行實驗分析,，在實際應(yīng)用中，手臂運動涉及到多通道的肌肉信號檢測,；其次,，對于殘疾人的殘肢，由于各種損傷等因素導(dǎo)致的意識減弱,，不能簡單地用單通道單個閾值作為判斷方法,。在今后研究設(shè)計中，應(yīng)該根據(jù)個體情況,，并利用多個通道的數(shù)據(jù)進(jìn)行綜合分析,，優(yōu)化算法，減少工作量,，提高運算速度,，才能確定個體的最佳特征參數(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.運動員表面肌電信號與分形[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小波分析超級學(xué)習(xí)手冊[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，2011,，33(4)：405-408.

[11] 葉裕雷,，戴文戰(zhàn).一種基于新閾值函數(shù)的小波信號去噪[J].計算機(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）