表面肌電信號的運動單位動作電位檢測.pdf

1、肌肉自主收縮或受到外部刺激時，神經肌肉系統(tǒng)中的運動神經元被激活，所募集運動單位(MU)形成的運動單位動作電位(MUAP)經過由肌肉、脂肪及皮膚等組織構成的容積導體后在皮膚表面測量位置處與各種噪聲信息綜合疊加形成的電位波形就是表面肌電信號(sEMG)。 肌電信號是一種復雜的生物電信號，不同肌肉收縮狀態(tài)和收縮力水平會引起MU募集和發(fā)放過程的變化，為了能夠相對穩(wěn)定地研究MU功能信息，本文采用的是肌肉自主且持續(xù)恒力收縮過程時的sEMG信

2、號。由于sEMG信號與肌肉收縮力直接相關，因而需要根據(jù)收縮力水平的不同采用不同的研究方法。低收縮力時募集的MU較少，可采用sEMG信號分解方法獲取MUAP波形信息及MU募集發(fā)放信息；而在高收縮力時，募集的MU增多且MUAP波形間的疊加程度較高，則可采用sEMG信號MUAP數(shù)目估計方法獲取MU的總體發(fā)放信息。研究成果可用于探討神經肌肉系統(tǒng)的控制特性和神經肌肉疾病的輔助診斷等。 圍繞sEMG信號的MUAP檢測研究，本文的主要工作和成

3、果有： 1.sEMG信號的采集和預處理。為測量sEMG信號，自行設計了一套采用雙極性電極配置方式的多通道sEMG信號采集系統(tǒng)。由于受到測量儀器、環(huán)境以及肌肉自身生理復雜性等眾多因素的影響，實測sEMG信號會被噪聲干擾，故需要對sEMG信號進行降噪預處理。采用經驗模態(tài)分解(EMD)方法將sEMG信號分解為具有局部特征信息的內在模態(tài)函數(shù)(IMF)和冗余分量，對這些IMF分量作適當?shù)拈撝堤幚聿⑾哂囗椇筮M行重構便可得到降噪后的信號；

4、采用頻譜插值法來削弱工頻干擾，以避免50Hz及其諧波頻率處肌電信息成分的丟失。實驗結果表明，所設計的信號采集系統(tǒng)能夠有效獲取多通道sEMG信號；經過降噪預處理后，sEMG信號質量得以改善且動作電位波形分辨率得以明顯提高。 2.sEMG信號仿真研究。建立一個綜合型的sEMG信號生理學仿真模型，為后續(xù)工作中的MUAP檢測效果定量分析作準備。在單纖維動作電位(SFAP)及運動單位動作電位(MUAP)仿真基礎上，本模型不僅引入了神經激勵

5、對MU募集與發(fā)放的控制功能，還考慮了肌肉收縮力和疲勞等因素對sEMG信號特性的影響，能夠定量仿真運動神經元在不同激勵水平下的sEMG信號和相應的收縮力情況，并設計完成了sEMG信號仿真界面，較本實驗室的前期工作有了很大進步。實驗結果表明，在時域上，仿真sEMG信號的動作電位波形能夠與真實信號的進行相似性匹配；在頻域上，仿真信號的頻譜變化情況能與真實信號的相似，通過調節(jié)肌纖維傳導速度參數(shù)可使仿真sEMG信號表現(xiàn)出肌肉實際收縮過程中的疲勞現(xiàn)

6、象，研究說明該模型能夠有效描述sEMG信號的生理形成過程。 3.sEMG信號分解研究。肌電信號分解是通過對觀測信號的求逆運算來取得構成信號的主體MUAP波形序列。在對比特征矩陣聯(lián)合近似對角化(JADE)、二階盲辨識(SOBI)、獨立分量分析(FastICA)、二階非平穩(wěn)源分離(SEONS)和基于時頻分析的盲源分離(TFBSS)五種算法分離性能的基礎上，主要選用后三種盲源分離(BSS)算法用于低收縮力水平下的sEMG信號分解實驗，

7、其中SEONS算法的應用是較新的?；贐SS算法模型的仿真信號分解結果表明，所用算法能夠有效分離仿真信號及其疊加動作電位波形，且SEONS算法的分離性能稍好。生理學仿真sEMG信號和真實sEMG信號的分解結果均表明，從分離信號中提取的MUAP信息是對sEMG信號有主要貢獻的MU發(fā)放產生的，BSS算法并不能分離出所有的MUAP信息，且不同算法的檢測結果也可能會有所不同。 4.sEMG信號MUAP數(shù)目估計研究。肌肉收縮力越大，募集M

8、U越多，sEMG信號MUAP波形間的疊加程度和波形變異越高，分解方法也就不再適用；而不需要探究具體MUAP波形及其混疊情況的MUAP數(shù)目則可表征MU的總發(fā)放率，其相當于肌電信號中募集MU數(shù)量與它們平均發(fā)放率的乘積。MUAP波形檢測是該研究的關鍵，針對已有的連續(xù)小波變換(CWT)量圖分析方法和非線性能量算子(NEO)方法，采用改進的基于CWT和假設檢驗的方法對sEMG信號中的MUAP波形進行檢測，并與前兩種算法的檢測效果進行對比，進而用于