一种 sEMG Denoising 方法,用于快速按键任务的改进值估计
Pengze Han1, Baihui Ding1, Penghao Deng1
1Key Laboratory of Mechanism Theory and Equipment Design, Ministry of Education, Tianjin University, Tianjin 300350, China.
Sensors (Basel, Switzerland)
|February 27, 2026
概括
本研究介绍了一种使用Walrus Optimizer (WO) 和变化模式分解 (VMD) 的新方法,在快速按键时有效地消除表面电肌图 (sEMG) 信号,提高分析信号质量.
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) 信号采集容易产生噪音,影响数据质量和可靠性.
- 由于偏差的噪声估计,现有的无声化技术经常与高功率周期的sEMG信号扎,例如快速按键的sEMG信号.
- 这种限制阻碍了在重复的,高速的运动中精确分析肌电活动.
研究的目的:
- 开发一种先进的sEMG denoising方法,用于在快速按键任务中增强信号处理.
- 解决传统无声化方法在处理高功率周期sEMG信号方面的局限性.
- 在涉及快速重复运动的应用中提高sEMG分析的可靠性和准确性.
主要方法:
- 将Walrus Optimizer (WO) 与变化模式分解 (VMD) 集成,以优化VMD参数 (K和α).
- 开发了一种改进的值估计策略,适用于快速按键时的高功率周期sEMG信号.
- 使用18名参与者使用sEMG数据进行验证,他们通过各种信号噪声比率 (SNR) 执行快速按键任务.
主要成果:
- 拟议的WO-VMD方法在2.756.65dB的信号噪声比 (ΔSNR) 中取得了显著的改善.
- 观察到从27%到53%的平方根平均误差 (ΔRMSE%) 显著减少.
- 频谱保真性得到维持,频率变化率 (ΔMDF%) 的中位数低于3.48%.
结论:
- 拟议的集成WO-VMD方法提供了一种高效可靠的解决方案,用于消除sEMG信号的噪声.
- 这种技术有效地克服了快速按键分析中高功率周期肌肉激活所带来的挑战.
- 这些发现支持这种先进的无声化方法用于改进肌电信号处理的应用.
