表面肌電信號的降噪處理*

李佳妮， 王云峰

(中國科學院大學 中國科學院微電子研究所 新一代通信射頻芯片技術(shù)北京市重點實驗室，北京 100029)

?

表面肌電信號的降噪處理*

李佳妮， 王云峰

(中國科學院大學 中國科學院微電子研究所 新一代通信射頻芯片技術(shù)北京市重點實驗室，北京 100029)

表面肌電信號是一種易受多種噪聲影響的生物電信號，其中以工頻干擾、基線漂移、白噪聲等干擾尤為嚴重。通過分析噪聲干擾的特點，結(jié)合表面肌電信號特征，選取頻譜插值法在頻域內(nèi)消除了工頻干擾；利用形態(tài)學濾波的開閉運算得到基線漂移特征，從而濾除了基線漂移；基于經(jīng)驗模態(tài)分解(EMD)得到的本質(zhì)模態(tài)函數(shù)分析消除了白噪聲。實驗結(jié)果表明：上述濾波方法在不損壞有用信號的前提下，可以實現(xiàn)較為滿意的濾波效果。

表面肌電信號； 頻譜插值； 形態(tài)學濾波； 經(jīng)驗模態(tài)分解

0 引 言

在人體進行抓握、運動、說話等動作時，大腦會向神經(jīng)元發(fā)送信號，神經(jīng)元接收信號后刺激肌肉纖維執(zhí)行動作，執(zhí)行過程中肌肉所產(chǎn)生的電活動在人體皮膚表面疊加形成了表面肌電(surface electromyography,sEMG) 信號。sEMG檢測是一種無創(chuàng)測量方式且包含大量表征肌肉生物特征的信息，在假肢控制、手勢識別、肌肉疾病診斷等領(lǐng)域中具有重要的研究價值，例如通過檢測不同肌肉的sEMG判別肌肉的活動特征從而識別當前動作信號[1]，或通過檢測肌肉產(chǎn)生的sEMG對其進行分解可提取出對應肌肉的疲勞信息。

sEMG的檢測可通過貼于皮膚表面的檢測電極實現(xiàn)[2]，然而檢測電極測得的sEMG受到多種噪聲干擾，因此,對其進行有效降噪處理是sEMG研究不可或缺的環(huán)節(jié)。

本文針對不同噪聲、干擾的來源和特點結(jié)合sEMG特性采取不同的濾波方法，有效消除了工頻干擾、基線漂移、白噪聲影響等。

1 噪聲干擾分析

sEMG本質(zhì)是一種微弱的電信號，能量集中在20～450 Hz[3]，受到來自生理、環(huán)境的多種噪聲影響，其中工頻干擾、基線漂移、白噪聲影響尤為顯著。我國的工頻干擾集中在50 Hz左右，主要來自于兩方面：系統(tǒng)接入市電直接引入;環(huán)境中，由其他直接接入市電的設備造成。通常，人們使用阻帶中心頻率為50 Hz的雙T型帶阻濾波器消除其影響，但該方法在去除工頻干擾的同時也去除了sEMG在50 Hz附近的有效頻率，且無法去除更高頻率的諧波。采用頻譜插值法消除工頻干擾，既能消除工頻及其諧波的干擾，又不破壞信號的有用信息。

基線漂移是由被測對象實驗不規(guī)范、檢測電極移動等原因造成sEMG偏離正?；€波動，本文選用形態(tài)學濾波消除基線漂移，該方法常用于心電信號中，在消除基線偏移的同時能較好地保持信號的原有特征。對于白噪聲，本文采用經(jīng)驗模態(tài)分解(empirical mode decomposition,EMD)進行濾除，該方法由黃鍔先生等人于1998年提出，目的是將數(shù)據(jù)分解成多個本質(zhì)模態(tài)函數(shù)(intrinsic mode functions,IMF)。

2 降噪處理

2.1 消除工頻干擾

利用頻譜插值法消除工頻干擾[4]主要對信號進行傅利葉變換，在頻域中剔除50 Hz及其諧波處的干擾信息，并用附近有用的信號對其進行插值，具體的算法思路如下：

1)對原始信號s(t)進行加窗傅利葉變換，得到信號的原始幅值譜|Yw(f)|，即

|Yw(f)|=FFT[s(t)*window(t)]

(1)

2)丟棄在50 Hz及其諧波處的原始幅值譜信息，然后利用50 Hz及其諧波附近多個數(shù)據(jù)進行插值得到|Yw*(f)|，代替丟棄的信息，即

|Yw(f)|=|Yw*(f)| ,f=50,100,150,…

(2)

3)對原始信號s(t)直接進行傅里葉變換，得到信號的幅值譜|Y(f)|，在50 Hz及其諧波處，用步驟(2)中所得的幅值譜替代原始幅值譜信息，即

(3)

4)結(jié)合相位信息和修改后的幅值譜進行傅利葉反變換，得到濾除工頻及其諧波干擾后的信號。

2.2 消除基線漂移

數(shù)學形態(tài)理論認為開運算可以消除信號中的波峰，而閉運算可以填充信號中的波谷，對信號進行開閉運算后可得到基線的漂移特征，從原始信號中剔除該漂移特征即消除了基線漂移。首先說明相關(guān)概念[5]。

設f(n)為輸入離散序列，長度為N；g(m)為結(jié)構(gòu)元素，長度為M。其中，n=0,1,…,N-1；m = 0,1,…,M-1。定義

腐蝕運算

(4)

膨脹運算

(5)

開運算

(f ° g)(n)=(fΘg⊕g)(n)

(6)

閉運算

(f·g)(n)=(f⊕gΘg)(n)

(7)

算法的主要思路如下：

1)將待處理信號f(n)先進行開運算后進行閉運算，得到信號f1(n)。

2)將待處理信號f(n)先進行閉運算后進行開運算，得到信號f2(n)。

4)用待處理信號減去基線漂移估計值，便得到去除基線漂移后的信號fFiltered(n)，即fFiltered(n)=f(n)-f*(n)。

在開閉運算中，結(jié)構(gòu)元素的選取是關(guān)鍵性問題，經(jīng)算法驗證海明窗、汗寧窗均可實現(xiàn)較好的濾波效果。

2.3 白噪聲

利用EMD濾除白噪聲通常有兩種思路，一種是基于白噪聲特性提出平均周期的概念[6]，認為待處理信號分解出的第一個IMF分量為白噪聲基準，若其余分量的平均周期為該基準的2(k-1)倍，則認為該分量為白噪聲并去除該分量，最后將剩余的分量重構(gòu)得到濾波后的信號。本文側(cè)重于第二種處理思路[7]，該方法通過選取一個合適的閾值，將IMF零點間幅值的最大絕對值與其比較，若大于閾值,則保留;若小于閾值,則舍棄，具體算法思路如下：

1)將待處理信號進行EMD分解，得到多個IMF分量，并為每個IMF分量設置一個閾值，閾值定義如下

(8)

(9)

式中 Tj為第j個IMF分量的閾值；c為常數(shù)，可根據(jù)IMF特征進行選擇，對于sEMG通常c≤1；N為位信號長度；Ej為IMF能量；σ2為第一個IMF分量的方差。

2)檢測IMF所有分量的零點位置，計算相鄰兩個零點間信號幅值的最大絕對值，將其與對應分量的閾值比較，若大于該閾值，則保留此區(qū)間信息;否則，將此區(qū)間信號置零，即

(10)

式中 Zi,j為第j個IMF分量的第i個零點，maxi為在零點(Zi,j,Zi+1,j)之間的最大絕對值。

3)最后重構(gòu)處理過后的IMF，得到消除白噪聲影響的信號。

3 實驗測試

3.1 理想輸入信號測試

基于Matlab平臺實現(xiàn)上述濾波技術(shù)，并以2組輸入信號進行測試，一組為Matlab產(chǎn)生的理想輸入信號，另一組為實際測量的sEMG。如圖1所示，圖(a)為Matlab產(chǎn)生的理想輸入信號，圖(b),(c),(d)分別為在理想輸入信號中逐步加入如下模擬的白噪聲、基線漂移和工頻干擾

白噪聲

Nw=A1×wgn(1,length(x),a)

(11)

基線漂移

Nb=A2×sin2πt

(12)

工頻干擾

Np=A3×sin(2πt×50i),i=1,2,3,…

(13)

式中 x為輸入信號；Ai為信號幅值；a為常數(shù)。如圖(e),(f),(g)所示，對于混入噪聲的信號進行上述降噪處理，反序逐步濾除加入的噪聲并通過均方誤差進行性能評價，均方誤差定義如下[8]

(14)

圖1 理想輸入信號加入噪聲和濾除噪聲后的對比

對比噪聲濾除前后的信號圖(d)與圖(e)，圖(c)與圖(f),圖(g)與圖(b)可以較好地說明上述濾波技術(shù)均達到了較為滿意的濾波效果，根據(jù)式(14)可計算出各濾波器的均方誤差，其中頻譜插值法的均方誤差為4.927 0×10-5，形態(tài)學濾波為0.023 0，EMD為0.022 9，上述均方誤差也很好地說明了濾波效果，尤其在濾除工頻干擾時，傳統(tǒng)的濾除方法通常只能濾除50 Hz的干擾而對于其諧波無能為力，在信號中加入了50，100 Hz以及150 Hz等高次諧波，采用頻譜插值法均能很好地濾除干擾。

3.2 實際信號測試

利用實驗室設計的檢測電極采集受試對象右手尺側(cè)腕屈肌的sEMG，受試對象按照要求在50s進行2次握拳動作，控制器將采集到的sEMG通過Bluetooth發(fā)送至PC，PC基于Matlab平臺接收數(shù)據(jù)并對其進行上述濾波處理。如圖2所示，圖(a)為檢測電極采集到的原始信號，信號受到多種噪聲干擾；圖(b)為對原始輸入信號進行傅里葉變換，可以明顯觀察到在50，100 Hz處受到較為嚴重的干擾，對其進行頻譜插值法濾波后再進行傅里葉變換得到圖(c)，可以看出，該算法很好地消除了工頻及其諧波的影響；圖(d)和圖(e)分別為濾除基線漂移和白噪聲后的信號；圖(d)在濾除工頻干擾的基礎(chǔ)上去除了基線漂移，使得動作信號較為明顯，經(jīng)過圖(e)進一步濾除了白噪聲，對比原始信號，sEMG經(jīng)上述降噪處理后得到了較為滿意的濾波效果，達到了預期的目的。

圖2 尺側(cè)腕屈肌的sEMG降噪處理

4 結(jié)束語

sEMG可以反映肌肉的活動特征和肌肉疲勞等信息，但因其包含多種噪聲干擾無法直接進行應用，本文就工頻干擾、基線漂移、白噪聲干擾等噪聲提出了針對性的降噪處理，sEMG經(jīng)過降噪處理后可對其進行特征提取或者信號分解，真正實現(xiàn)其在假肢控制、手勢識別、肌肉疾病診斷和治療等領(lǐng)域的應用價值。

[1] 湯奇榮,姜 力,李 楠,等.肌電假手感覺反饋機理研究[J].傳感器與微系統(tǒng)，2008,27(8):72-74.

[2] 李天博,陳 玲,陳坤華,等.基于MSP430的肌電假手系統(tǒng)設計[J].傳感器與微系統(tǒng)，2012,31(4):75-78.

[3] Roy S H,Cole B T,Gilmore L D,et al.High-resolution tracking of motor disorders in parkinson’s disease during unconstrained activity[J].Movement Disorders,2013,28(8): 1080-1087.

[4] 丁祥峰,孫怡寧,孫啟柱.表面肌電檢測中消除工頻干擾的方法[J].北京生物醫(yī)學工程,2006,25 (1):63-66.

[5] 張建成,吳新杰.形態(tài)濾波在實時信號處理中應用的研究[J].傳感技術(shù)學報，2007,20 (4): 828-831.

[6] 潘章達,張 鋮.利用經(jīng)驗模態(tài)分解方法消除白噪聲及諧波[J].現(xiàn)代電力,2010,27(5):53-56.

[7] Kopsinis Y,McLaughlin S.Empirical mode decomposition based denoising techniques[C]∥IAPR Workshop on Cognitive Information Processing,2008:42-47.

[8] 黃一鶴.一種基于新的小波閾值函數(shù)的圖像去噪方法[J].傳感器與微系統(tǒng),2011,30(9):76-81.

Noise reduction processing of surface electromyography signal*

LI Jia-ni, WANG Yun-feng

(Beijing Key Laboratory of Radio Frequency IC Technology for Next Generation Communications,Institute of Microelectronics of the Chinese Academy of Sciences,University of Chinese Academy of Sciences,Beijing 100029,China)

Surface electromyography(sEMG) signal is noise-sensitive biological signal,particularly susceptible to power frequency,baseline drift,white noise.Based on analysis on features of noise interference and combined with feature of sEMG signal,use spectrum interpolation method to eliminate working frequency interference in frequency domain.And utilize opening and closing operation of morphological filtering to acquire characteristics of baseline drift,so as to remove baseline drift from the signal.Based on analysis on intrinsic mode functions obtained by empirical mode decomposition(EMD),white noise can be eliminated.Experimental results show that the above filtering method can achieve satisfied filtering effect without damaging useful signal.

surface electromyography(sEMG) signal; spectrum interpolation; morphological filtering; empirical mode decomposition(EMD)

10.13873/J.1000—9787(2017)07—0042—03

2016—08—09

中國科學院STS項目(KFJ—EW—STS—128)

TP 274.2

A

1000—9787(2017)07—0042—03

李佳妮(1992-)，女，碩士研究生，主要研究方向為表面肌電信號的采集和處理。

王云峰(1981-)，男，博士，副研究員，主要從事射頻集成電路設計、便攜式醫(yī)療電子設計研究工作。