基于MATLAB的人体肌电信号处理与应用开题报告

1. 研究目的与意义（文献综述）

随着计算机技术，电子技术，信号处理技术和模式识别技术的迅速发展，生命科学在21世纪有了长远的发展。肌电信号( electromyography signal，EMG)作为生命科学的一员，也取得了巨大的进步。肌电信号是由肌肉兴奋时所募集的运动单位产生的一个个动作电位序列(Motor Unit Action Potential Trains, MUAPT)叠加而成，是一种非平稳的微弱信号。肌电信号能够实时、准确和非损伤状态下反映肌肉活动状态和功能状态，肌电信号的监测已深入应用到临床医学、运动医学、生物医学工程等领域。例如通过对表面肌电信号的某些特征作模式分类来驱动假肢的不同动作，在运动医学中，还可以通过表面肌电信号的谱分析作为判断疲劳程度的客观依据。但是我们最初检测到的原始肌电信号本身幅度小，信噪比不高，其中50Hz的工频干扰是最大的噪声来源。所以如何从原始的一维时间序列信号，类似噪声的准随机信号里提取出有用的特征信息是肌电信号分析和运用的基础。目前，比较成熟的肌电信号处理方法主要有以下几种：时域分析法，频域分析法和时频分析法。其中时频分析法主要有短时FFT 变换、Wigner － Ville 变换、Choi －Williams 变换及小波变换等。本文将通过以上方法对人体表面肌电信号进行处理， 实现对表面肌电信号的消噪和特征值提取，从而识别人体动作。

国内外研究现状：国内外有许多关于肌电信号处理和应用的研究。在时域分析法方面，侯文生、许蓉等人以均方根为特征参数研究了握力大小与前臂肌肉表面肌肉活动模式的相关性，研究表明握力水平与肌肉活动模式具有相关性，也提示通过表面肌电信号的特征值不但可以预测握力的大小，还可用于运动功能测试及康复的评价。Stulen和De Luca研究发现，肌电信号的传导速率与肌电信号的诸如平均功率频率、中值频率等特征频率成线性比例关系。小波变换( wavelet traansforln，WT) 最早是由法国地球物理学家Morlet 于1984 年在分析地震波时提出来的，小波变换在信号分析与处理中得到了广泛地应用。由于小波变换的时、频定位特性，可以实现信号的时变谱分析，可以在任意细节上分析信号，且对噪声不敏感。因此小波变换是表面肌电信号分析的有力工具。蔡立羽等采用小波变换方法对表面肌电信号进行分析，提取小波系数最大值构造特征矢量输入神经网络分类器进行模式识别，实验表明，基于小波变换的神经网络分类方法所需的数据短、运算快，对于肌电假肢的控制具有良好的应用前景。这些肌电信号处理方法的提出和运用，使得肌电信号的应用更为广泛和方便，相信随着科学技术的发展，这方面的研究会给人类带来更多的福音。

2. 研究的基本内容与方案

本文将论述肌电信号产生的基本原理以及肌电信号的基本特点，介绍肌电信号处理和分析的三种方法：时域分析法、频域分析法以及时频分析法。

并结合这三种方法的基本原理，在matlab中进行编程和仿真，处理肌电信号，得到相关的参数。

如时域中的信号的均值、积分肌电值( iemg) 、过零次数( zc) 、均方根( rms) 、方差( var)等；频域中的平均功率频率( mean power frequency，mpf) 和中值频率( median frequency，mf)等；时频中的小波变换等。

3. 研究计划与安排

第一、二周(3.5-3.20)：收集肌电信号相关文献及资料，确定论文大纲和设计方案，并与导师探讨设计的合理性及可行性，完成开题报告。

第三、四周（3.21-4.4）：翻译肌电信号相关外文文献，掌握时域、频域、时频三种肌电信号分析法的原理，进一步整理论文思路和大纲。

第五、六、七周（4.5-5.6）：在实验室测得肌电信号数据，在matlab中编程和调试，进行数据预处理，分析肌电信号的时、频特性，进行模式识别。

4. 参考文献（12篇以上）

[1] 赵章琰. 表面肌电信号检测和处理中若干关键技术研究 [d][d]. 合 je: 中国科学技术大学, 2010.

[2] 丁蔚. 人体运动电生理信号检测与处理 [d][d]. 江苏大学, 2010.

[3] 付聪, 李强, 李博. 表面肌电信号采集与降噪处理[j]. 现代生物医学进展, 2011, 11(20): 3951-3953.