采集表面肌电信号应用于动作识别的可行性(2)

《中国组织工程研究与临床康复》杂志2011年22期

卢蕾，等. 采集表面肌电信号应用于动作识别的可行性

又一有效的时频分析方法，它在高频使用窄窗口，低频使用宽窗口，将信号分解成低频的粗略部分和高频的细节部分，然后仅对低频细节在做二次分解，分解为低频部分与高频部分，且不对高频部分做二次分解

[18-19]

。

小波包变换是一种对信号进行更加细致分析与重构的方法。它将信号分解为低频的粗略部分和高频细节部分，然后同时对两部分进行二次分解。小波包的分解结构见图4，图中S为原始信号，A为低频，D为高频，末尾序号表示分解的尺度数，其中：S=AAA3+DAA3+ ADA3+DDA3+AAD3+DAD3+ADD3+SSS3。

Figure 4 Wavelet packet decomposition tree

图4 小波包分解数框图

具有不同时移的同一信号见图5。信号一和信号二分别为Db5小波函数的3尺度小波包系数灰度图见图6，从图6中可以看出具有不同时移的信号其小波包系数具有较大的不同，由于小波包变换不具有平移不变性，即使同一信号有较小的时移，其小波包变换系数的差别也很大。故小波包系数不能作为肌电信号分类的特征向量。

Figure 5 Different time-shifting signal

图5 具有不同时移的同一信号 Figure 6 Colored coefficients of signals

图6 信号一和信号二的小波包系数灰度图ISSN 1673-8225 CN 21-1539/R CODEN: ZLKHAH

www.CRTER

.org

2.3 小波包变换 在肌电信号处理过程中，实验选取Daubechies5小波作为基函数[20-21]

，对每类动作的40组

原始信号先进行3层小波包变换，提取信号各子频带上

的能量值

[22]

；其次，对40组信号对应各子频带上的能量

值进行叠加平均，消除偶然性误差得到各子频带的平均能量值；最后，将各子频带的平均能量值进行归一化。处理结果表明，表面肌电信号的有用能量分布在 10~500 Hz频率范围内，因而确定对应的小波包分解的频率段为：10~71.25 Hz，71.25~132.5 Hz，132.5~ 193.75 Hz，193.75~255 Hz，255~316.25 Hz， 316.25~ 377.5 Hz，377.5~438.75 Hz，438.75~500 Hz。

采集的4类动作信号中的一组原始信号见图7。经过处理后得到的4类信号(每类信号40组)在各子频带的平均能量值归一化值见图8。

Figure 7 Original signals of four different actions

图7 采集4种动作的原始肌电信号

Figure 8 Power distribution for four different actions

图8 四种动作的能量分布

横坐标为信号经过3层小波包分解后的子频带，分别对应上述小波包分解的频率段，纵坐标为各子频带的平均能量值归一化值。从图中可以看出，不同动作在同一块肌肉上的肌电信号的相对幅度、能量不同，因此不同动作模式的肌电信号经小波包变换分解后在各频带上的投影不同，将图8与原始肌电信号图相比，可以看出，不同动作在各子频带上的分布特征更加明显，在各子频段的能量分布存在差别，主要能量主要分布在低频带，在不同频段的能量值有所区别。因此，从本实验的结果看，小波包子频段的能量值可以区分手部4种不同

4105