改进了基于盲源分离的多层波量变换和ECG人工物从sEMG信号中移除算法:在上肢的情况下:

科学领域:

• 生物医学工程 生物医学工程
• 信号处理 信号处理
• 神经科学是一个神经科学.

背景情况:

• 表面电肌图 (sEMG) 信号对于人类上肢力量估计和运动意图识别至关重要.
• 电心电图 (ECG) 文物显著降低了sEMG信号质量,特别是在心脏附近,阻碍了准确的分析.
• 现有的方法很难有效地去除这些干扰的心电图文物.

研究的目的:

• 开发和验证一种新的方法,有效地从sEMG信号中去除ECG人工物.
• 为了提高被ECG干扰污染的sEMG信号的质量.
• 为了提高基于sEMG的应用程序的准确性,例如力估计和运动识别.

主要方法:

• 从上肢肌肉 (双臂,手臂,三脚) 获取原始的sEMG和ECG信号.
• 使用改进的多层波纹变换进行预处理,以消除背景噪声和功率频率干扰.
• 应用一个改进的快速独立组件分析 (Fast-ICA) 算法来进行信号组件分离.
• 使用心电图歧视算法进行文物识别和消除.

主要成果:

• 拟议的方法在从受污染的sEMG信号中去除ECG人工物方面表现出显著的有效性.
• 实验结果证实,处理的sEMG信号的整体质量得到了显著改善.
• 该技术在提高力估计和运动意图识别任务的准确性方面表现出前景.

结论:

• 这种新方法为sEMG记录中的ECG人工物清除提供了强大的解决方案.
• 改进的sEMG信号质量对可靠的人机界面应用有重大影响.
• 这种方法为处理其他被工件污染的生物信号提供了宝贵的见解.