基于CEEMDAN和GS的组合,对FES引起的文物去除进行了一项算法研究

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:

• 意志电肌图 (vEMG) 对于功能电刺激 (FES) 中的运动意图检测至关重要.
• 在FES期间的原始vEMG信号经常被刺激器件和M波损坏,阻碍了准确的分析.
• 有效的工件去除是必要的,以隔离真正的vEMG信号,以可靠的控制.

研究的目的:

• 开发和验证一个强大的算法来提取清洁的vEMG信号从艺术品污染的记录在FES.
• 为了应对将所需的vEMG与不需要的电刺激器件和肌肉反应分开的挑战.
• 为了提高运动意图驱动的FES系统的精度.

主要方法:

• 采用了一种混合方法,将完整集体实证模式分解与适应噪声 (CEEMDAN) 和格拉姆-施密特 (GS) 正交相结合.
• CEEMDAN将原始EMG信号分解为内在模式函数 (IMF),然后根据能量进行分类.
• 使用Laida标准的GS消除噪音,应用于文物占主导地位的IMF和初始峰值,然后进行信号重建.

主要成果:

• CEEMDAN-GS算法在将vEMG信号与文物分离方面表现出显著的能力.
• 使用半模拟信号的验证显示了高的正常化根平均平方 (RMS) 和信号对噪声比 (SNR) 值.
• 这种方法即使在具有时间变化的文物参数的情况下也被证明是有效的,这表明了强度.

结论:

• 拟议的CEEMDAN-GS方法提供了一个有效的解决方案,用于在FES期间在vEMG信号中去除工件.
• 这种技术可以提高FES应用中基于vEMG的控制的准确性和可靠性.
• 这些发现支持使用这种算法来推进神经康复和辅助技术中的人机接口.