表面肌電信號(hào)的降噪處理*

李佳妮， 王云峰

(中國(guó)科學(xué)院大學(xué) 中國(guó)科學(xué)院微電子研究所 新一代通信射頻芯片技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100029)

?

表面肌電信號(hào)的降噪處理*

李佳妮， 王云峰

(中國(guó)科學(xué)院大學(xué) 中國(guó)科學(xué)院微電子研究所 新一代通信射頻芯片技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100029)

表面肌電信號(hào)是一種易受多種噪聲影響的生物電信號(hào)，其中以工頻干擾、基線(xiàn)漂移、白噪聲等干擾尤為嚴(yán)重。通過(guò)分析噪聲干擾的特點(diǎn)，結(jié)合表面肌電信號(hào)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(xué)濾波的開(kāi)閉運(yùn)算得到基線(xiàn)漂移特征，從而濾除了基線(xiàn)漂移；基于經(jīng)驗(yàn)?zāi)B(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(shí)驗(yàn)結(jié)果表明：上述濾波方法在不損壞有用信號(hào)的前提下，可以實(shí)現(xiàn)較為滿(mǎn)意的濾波效果。

表面肌電信號(hào)； 頻譜插值； 形態(tài)學(xué)濾波； 經(jīng)驗(yàn)?zāi)B(tài)分解

0 引 言

在人體進(jìn)行抓握、運(yùn)動(dòng)、說(shuō)話(huà)等動(dòng)作時(shí)，大腦會(huì)向神經(jīng)元發(fā)送信號(hào)，神經(jīng)元接收信號(hào)后刺激肌肉纖維執(zhí)行動(dòng)作，執(zhí)行過(guò)程中肌肉所產(chǎn)生的電活動(dòng)在人體皮膚表面疊加形成了表面肌電(surface electromyography,sEMG) 信號(hào)。sEMG檢測(cè)是一種無(wú)創(chuàng)測(cè)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(shì)識(shí)別、肌肉疾病診斷等領(lǐng)域中具有重要的研究?jī)r(jià)值，例如通過(guò)檢測(cè)不同肌肉的sEMG判別肌肉的活動(dòng)特征從而識(shí)別當(dāng)前動(dòng)作信號(hào)[1]，或通過(guò)檢測(cè)肌肉產(chǎn)生的sEMG對(duì)其進(jìn)行分解可提取出對(duì)應(yīng)肌肉的疲勞信息。

sEMG的檢測(cè)可通過(guò)貼于皮膚表面的檢測(cè)電極實(shí)現(xiàn)[2]，然而檢測(cè)電極測(cè)得的sEMG受到多種噪聲干擾，因此,對(duì)其進(jìn)行有效降噪處理是sEMG研究不可或缺的環(huán)節(jié)。

本文針對(duì)不同噪聲、干擾的來(lái)源和特點(diǎn)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(xiàn)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(hào)，能量集中在20～450 Hz[3]，受到來(lái)自生理、環(huán)境的多種噪聲影響，其中工頻干擾、基線(xiàn)漂移、白噪聲影響尤為顯著。我國(guó)的工頻干擾集中在50 Hz左右，主要來(lái)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(shè)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(shí)也去除了sEMG在50 Hz附近的有效頻率，且無(wú)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(hào)的有用信息。

基線(xiàn)漂移是由被測(cè)對(duì)象實(shí)驗(yàn)不規(guī)范、檢測(cè)電極移動(dòng)等原因造成sEMG偏離正常基線(xiàn)波動(dòng)，本文選用形態(tài)學(xué)濾波消除基線(xiàn)漂移，該方法常用于心電信號(hào)中，在消除基線(xiàn)偏移的同時(shí)能較好地保持信號(hào)的原有特征。對(duì)于白噪聲，本文采用經(jīng)驗(yàn)?zāi)B(tài)分解(empirical mode decomposition,EMD)進(jìn)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(gè)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(duì)信號(hào)進(jìn)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(hào)對(duì)其進(jìn)行插值，具體的算法思路如下：

1)對(duì)原始信號(hào)s(t)進(jìn)行加窗傅利葉變換，得到信號(hào)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(gè)數(shù)據(jù)進(jìn)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(duì)原始信號(hào)s(t)直接進(jìn)行傅里葉變換，得到信號(hào)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(jìn)行傅利葉反變換，得到濾除工頻及其諧波干擾后的信號(hào)。

2.2 消除基線(xiàn)漂移

數(shù)學(xué)形態(tài)理論認(rèn)為開(kāi)運(yùn)算可以消除信號(hào)中的波峰，而閉運(yùn)算可以填充信號(hào)中的波谷，對(duì)信號(hào)進(jìn)行開(kāi)閉運(yùn)算后可得到基線(xiàn)的漂移特征，從原始信號(hào)中剔除該漂移特征即消除了基線(xiàn)漂移。首先說(shuō)明相關(guān)概念[5]。

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

腐蝕運(yùn)算

(4)

膨脹運(yùn)算

(5)

開(kāi)運(yùn)算

(f ° g)(n)=(fΘg⊕g)(n)

(6)

閉運(yùn)算

(f·g)(n)=(f⊕gΘg)(n)

(7)

算法的主要思路如下：

1)將待處理信號(hào)f(n)先進(jìn)行開(kāi)運(yùn)算后進(jìn)行閉運(yùn)算，得到信號(hào)f1(n)。

2)將待處理信號(hào)f(n)先進(jìn)行閉運(yùn)算后進(jìn)行開(kāi)運(yùn)算，得到信號(hào)f2(n)。

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

在開(kāi)閉運(yùn)算中，結(jié)構(gòu)元素的選取是關(guān)鍵性問(wèn)題，經(jīng)算法驗(yàn)證海明窗、汗寧窗均可實(shí)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(rèn)為待處理信號(hào)分解出的第一個(gè)IMF分量為白噪聲基準(zhǔn)，若其余分量的平均周期為該基準(zhǔn)的2(k-1)倍，則認(rèn)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(hào)。本文側(cè)重于第二種處理思路[7]，該方法通過(guò)選取一個(gè)合適的閾值，將IMF零點(diǎn)間幅值的最大絕對(duì)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(hào)進(jìn)行EMD分解，得到多個(gè)IMF分量，并為每個(gè)IMF分量設(shè)置一個(gè)閾值，閾值定義如下

(8)

(9)

式中 Tj為第j個(gè)IMF分量的閾值；c為常數(shù)，可根據(jù)IMF特征進(jìn)行選擇，對(duì)于sEMG通常c≤1；N為位信號(hào)長(zhǎng)度；Ej為IMF能量；σ2為第一個(gè)IMF分量的方差。

2)檢測(cè)IMF所有分量的零點(diǎn)位置，計(jì)算相鄰兩個(gè)零點(diǎn)間信號(hào)幅值的最大絕對(duì)值，將其與對(duì)應(yīng)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(hào)置零，即

(10)

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

3)最后重構(gòu)處理過(guò)后的IMF，得到消除白噪聲影響的信號(hào)。

3 實(shí)驗(yàn)測(cè)試

3.1 理想輸入信號(hào)測(cè)試

基于Matlab平臺(tái)實(shí)現(xiàn)上述濾波技術(shù)，并以2組輸入信號(hào)進(jìn)行測(cè)試，一組為Matlab產(chǎn)生的理想輸入信號(hào)，另一組為實(shí)際測(cè)量的sEMG。如圖1所示，圖(a)為Matlab產(chǎn)生的理想輸入信號(hào)，圖(b),(c),(d)分別為在理想輸入信號(hào)中逐步加入如下模擬的白噪聲、基線(xiàn)漂移和工頻干擾

白噪聲

Nw=A1×wgn(1,length(x),a)

(11)

基線(xiàn)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(hào)；Ai為信號(hào)幅值；a為常數(shù)。如圖(e),(f),(g)所示，對(duì)于混入噪聲的信號(hào)進(jìn)行上述降噪處理，反序逐步濾除加入的噪聲并通過(guò)均方誤差進(jìn)行性能評(píng)價(jià)，均方誤差定義如下[8]

(14)

圖1 理想輸入信號(hào)加入噪聲和濾除噪聲后的對(duì)比

對(duì)比噪聲濾除前后的信號(hào)圖(d)與圖(e)，圖(c)與圖(f),圖(g)與圖(b)可以較好地說(shuō)明上述濾波技術(shù)均達(dá)到了較為滿(mǎn)意的濾波效果，根據(jù)式(14)可計(jì)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(xué)濾波為0.023 0，EMD為0.022 9，上述均方誤差也很好地說(shuō)明了濾波效果，尤其在濾除工頻干擾時(shí)，傳統(tǒng)的濾除方法通常只能濾除50 Hz的干擾而對(duì)于其諧波無(wú)能為力，在信號(hào)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(shí)際信號(hào)測(cè)試

利用實(shí)驗(yàn)室設(shè)計(jì)的檢測(cè)電極采集受試對(duì)象右手尺側(cè)腕屈肌的sEMG，受試對(duì)象按照要求在50s進(jìn)行2次握拳動(dòng)作，控制器將采集到的sEMG通過(guò)Bluetooth發(fā)送至PC，PC基于Matlab平臺(tái)接收數(shù)據(jù)并對(duì)其進(jìn)行上述濾波處理。如圖2所示，圖(a)為檢測(cè)電極采集到的原始信號(hào)，信號(hào)受到多種噪聲干擾；圖(b)為對(duì)原始輸入信號(hào)進(jìn)行傅里葉變換，可以明顯觀察到在50，100 Hz處受到較為嚴(yán)重的干擾，對(duì)其進(jìn)行頻譜插值法濾波后再進(jìn)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(xiàn)漂移和白噪聲后的信號(hào)；圖(d)在濾除工頻干擾的基礎(chǔ)上去除了基線(xiàn)漂移，使得動(dòng)作信號(hào)較為明顯，經(jīng)過(guò)圖(e)進(jìn)一步濾除了白噪聲，對(duì)比原始信號(hào)，sEMG經(jīng)上述降噪處理后得到了較為滿(mǎn)意的濾波效果，達(dá)到了預(yù)期的目的。

圖2 尺側(cè)腕屈肌的sEMG降噪處理

4 結(jié)束語(yǔ)

sEMG可以反映肌肉的活動(dòng)特征和肌肉疲勞等信息，但因其包含多種噪聲干擾無(wú)法直接進(jìn)行應(yīng)用，本文就工頻干擾、基線(xiàn)漂移、白噪聲干擾等噪聲提出了針對(duì)性的降噪處理，sEMG經(jīng)過(guò)降噪處理后可對(duì)其進(jìn)行特征提取或者信號(hào)分解，真正實(shí)現(xiàn)其在假肢控制、手勢(shì)識(shí)別、肌肉疾病診斷和治療等領(lǐng)域的應(yīng)用價(jià)值。

[1] 湯奇榮,姜 力,李 楠,等.肌電假手感覺(jué)反饋機(jī)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(shè)計(jì)[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(cè)中消除工頻干擾的方法[J].北京生物醫(yī)學(xué)工程,2006,25 (1):63-66.

[5] 張建成,吳新杰.形態(tài)濾波在實(shí)時(shí)信號(hào)處理中應(yīng)用的研究[J].傳感技術(shù)學(xué)報(bào)，2007,20 (4): 828-831.

[6] 潘章達(dá),張 鋮.利用經(jīng)驗(yàn)?zāi)B(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(guó)科學(xué)院STS項(xiàng)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?yàn)楸砻婕‰娦盘?hào)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(shè)計(jì)、便攜式醫(yī)療電子設(shè)計(jì)研究工作。