文獻(xiàn)標(biāo)識碼: A
DOI:10.16157/j.issn.0258-7998.171980
中文引用格式: 劉明君,董增壽. 基于改進(jìn)小波變換的手臂肌電信號去噪算法的研究[J].電子技術(shù)應(yīng)用,2018,44(3):122-125.
英文引用格式: Liu Mingjun,Dong Zengshou. Research of denoising algorithm of arm electromyography signal based on wavelet transform[J]. Application of Electronic Technique,2018,44(3):122-125.
0 引言
人體在自發(fā)運(yùn)動或者肌肉在受到外界刺激時產(chǎn)生的信息在檢測電極處時間和空間的疊加構(gòu)成了表面肌電信號[1]。該信號作為仿生假肢的控制源信號已經(jīng)成為人工智能領(lǐng)域的重要應(yīng)用。手臂肌電信號的幅度在10 mV以內(nèi),其能量主要集中在20 Hz~500 Hz頻段[2]。由于各種環(huán)境因素的存在,使得肌電信號的獲取經(jīng)常受到干擾,其噪聲來源主要有以下幾種[3-4]:(1)檢測電路中大多電子元件本身工作存在噪聲;(2)檢測各種肌電信號時,電極跟皮膚接觸產(chǎn)生的偽信號;(3)由其他電場輻射引起的電磁干擾等噪聲。因此,如何提高手臂肌電信號識別的準(zhǔn)確率,成為重要的研究領(lǐng)域。
傳統(tǒng)消除肌電信號干擾算法有很多,如卡爾曼濾波法、譜相減法等算法[5]。這些傳統(tǒng)處理方法對于去除含噪肌電信號是比較困難,去噪效果特別不明顯。DONOHO D L等學(xué)者提出基于小波的閾值去燥理論[6],這種方法在微弱電信號處理、圖像去噪處理等領(lǐng)域應(yīng)用廣泛。
常用的基于閾值的小波去噪方法有軟閾值和硬閾值選取法[7-8]。本文研究了軟、硬閾值存在不連續(xù)點(diǎn)和恒定偏差等缺點(diǎn),引入非線性函數(shù),并且利用控制系數(shù),以此對小波閾值去噪算法進(jìn)行改進(jìn)。改進(jìn)的小波閾值去噪方法可以有效提高肌肉電信號去噪效果,促進(jìn)后期信號識別的準(zhǔn)確性和可靠性。
1 小波變換理論分析
常用的小波濾波方法包括貝葉斯法和非貝葉斯法[9]。非貝葉斯法又分為3種方法:(1)空域相關(guān)濾波算法;(2)模極大值重構(gòu)濾波算法;(3)小波閾值濾波。通過分析比較3種濾波方法得出,小波閾值濾波算法具有實(shí)時操作簡單、計算量小等特點(diǎn),所以本文對小波閾值去燥方法展開研究。
通過研究分析,由于經(jīng)過小波變換后,Cj會產(chǎn)生很多的冗佘量,因此對含噪信號進(jìn)行去噪和恢復(fù)處理可以利用這個冗余性。當(dāng)滿足一定條件時,f(t)能夠構(gòu)成平方可積函數(shù)的基函數(shù),則可以用平方可積函數(shù)中的一組基線性表示。經(jīng)過理論分析,該小波變換生成基的方式簡單。
2 基于改進(jìn)的閾值算法
2.1 基于閾值的小波去噪方法
在去噪過程中,通過優(yōu)化選擇閾值來提高信號去噪的效果是本文主要研究內(nèi)容?;陂撝档倪x取方法包括軟閾值和硬閾值兩種,介紹如下:
(1)硬閾值函數(shù)分析
硬閾值函數(shù)如式(5)所示[11]:
其中,λ為設(shè)定的門限閾值,為閾值濾波后的小波系數(shù)。當(dāng)小波系數(shù)Cj小于-λ或者大于λ時,這部分小波系數(shù)被認(rèn)定為原始信號的小波系數(shù);相反,小波系數(shù)為0。
基于硬閾值小波去噪方法可以獲得具有相似性較強(qiáng)的重構(gòu)信號。但是在該方法中信號邊緣容易產(chǎn)生振蕩閾值,形成突變信號。其函數(shù)曲線圖如圖1所示。
(2)軟閾值函數(shù)
軟閾值函數(shù)如(6)所示[12]:
式中,當(dāng)Cj大于λ時,小波系數(shù)減去λ;當(dāng)Cj小于λ時,小波系數(shù)加上λ,這些可以作為重構(gòu)對象;當(dāng)Cj處于-λ和λ之間時,濾除掉這部分小波系數(shù),處理后的小波系為0。
通過基于小波軟閾值去噪法可以獲得具有較好光滑性的重構(gòu)信號。但是該方法中設(shè)定的閾值是有偏差的,會導(dǎo)致濾波后的信號有時會過于平滑,從而導(dǎo)致誤差較大。其函數(shù)曲線圖如圖2所示。
2.2 改進(jìn)閾值去噪法的分析
在肌電信號去噪的初始階段,硬閾值算法雖然會獲得相似性較強(qiáng)的重構(gòu)信號,但由于其門限閾值函數(shù)是有跳變的,其在含有多重振蕩信號中會產(chǎn)生許多突變噪聲點(diǎn),這時,濾波后的信號出現(xiàn)許多失真現(xiàn)象[13]。對于軟閾值算法函數(shù)來說,雖然它是一個連續(xù)函數(shù),其在處理振蕩信號的小波系數(shù)時,會顯得較為平滑,很大程度上克服了硬閾值算法的缺點(diǎn)。同樣該算法對絕對值大的小波系數(shù)有較大的影響,還會造成信號高頻分量信息的損失,使處理后信號過于平滑,導(dǎo)致信號邊緣模糊,也會在重構(gòu)信號中增大誤差。為此,在函數(shù)過渡階段引入一個非線性函數(shù)與控制系數(shù),就可以利用這樣的閾值函數(shù)設(shè)定閾值參數(shù)。
通過以上對軟、硬閾值函數(shù)優(yōu)缺點(diǎn)的分析,本文采用非線性函數(shù)進(jìn)行過渡,同時引入控制系數(shù),改進(jìn)的閾值算法的表達(dá)式如式(7)所示。
式中,a為引入的控制系數(shù),在不同范圍內(nèi),a都影響小波系數(shù)Cj在該區(qū)域內(nèi)的變化程度。其函數(shù)曲線圖如圖3所示。
小波軟閾值方法計算出的估計值為使重構(gòu)后的信號無限接近原始信號,就要減小這個偏差。因此,本文提出的改進(jìn)閾值法就是為了減小這個偏差,但從實(shí)際應(yīng)用中分析,這個偏差不可能減小為零。因?yàn)槿绻哑瞀藴p小成零,這就成為了小波硬閾值方法,這樣達(dá)不到改進(jìn)效果。如果讓之間,這樣得出小波系數(shù)估計值就更加近似于原始信號。
因此,由式(7)可知,基于改進(jìn)的閾值函數(shù)不僅具有軟閾值的連續(xù)性,還具有偏差比軟閾值小等特點(diǎn)。在式(7)中,當(dāng)a=0時,該閾值函數(shù)與軟閾值函數(shù)等效;當(dāng)a→λ/(eλ-1)時,隨著原始小波系數(shù)Cj的增大,估計值更加接近Cj。因此,改進(jìn)后的閾值函數(shù)偏差比軟閾值函數(shù)偏差小。本文提出的改進(jìn)閾值函數(shù)是在軟閾值函數(shù)基礎(chǔ)上引入控制系數(shù),使得原始信號和噪聲信號之間過度相對平滑,經(jīng)過濾波處理后的信號更加接近原始信號。該方法思路簡單,有利于提高去噪效果。
2.3 3種閾值小波去噪方法仿真結(jié)果分析
本文采用控制系數(shù)a=0.3對手臂表面肌電信號進(jìn)行去噪實(shí)驗(yàn)分析,對同一個含噪聲信號,分別利用軟閾值、硬閾值及改進(jìn)閾值去噪法進(jìn)行仿真分析。以仿真結(jié)果與信噪比作為其性能指標(biāo),信噪比越高,去噪效果越好,更加能恢復(fù)出原始信號,以此驗(yàn)證改進(jìn)閾值去噪法的可靠性及有效性。仿真結(jié)果如圖4所示。
由圖4可知,硬閾值去噪算法產(chǎn)生了多余的突變噪聲,軟閾值去噪算法使得一部分頻率點(diǎn)變得平滑,誤差較大。改進(jìn)閾值去噪法比軟閾值去噪法減少了誤差,比硬閾值去噪法更平滑,恢復(fù)出的信號更加近似于原始信號。為了克服軟、硬閾值方法存在的缺點(diǎn),利用改進(jìn)閾值方法對表面肌電信號去噪的效果更好。對實(shí)驗(yàn)進(jìn)行進(jìn)一步的研究,將3種方法進(jìn)行信噪比進(jìn)行對比分析,其結(jié)果如表1所示。
由表1可以得出,在3種去噪結(jié)果中,硬閾值信噪比較低,改進(jìn)閾值去噪法的信噪比最高。改進(jìn)閾值去噪法保留了軟閾值的連續(xù)性和平滑性,比軟、硬閾值去噪法的去噪效果更好。因此,改進(jìn)閾值去噪法可以應(yīng)用在肌電信號去噪檢測領(lǐng)域,而且有利于提高信號去噪的準(zhǔn)確性。
3 基于改進(jìn)閾值法處理含噪聲信號
在肌電信號中,需要考慮的噪聲來源有:工頻干擾、高頻電磁場干擾、電極極化干擾、肌電干擾、測量儀器自身的干擾等。由于這些干擾信號的存在,使得在實(shí)際檢測過程中采集到的肌電信號不夠準(zhǔn)確。將單通道獲取到的肌電含噪聲信號,利用小波變換處理后,得到一系列的小波系數(shù)。其中,有些小波系數(shù)包括原始信號的重要信息。原始信號對應(yīng)的小波系數(shù)具有幅值較大、數(shù)量較少等特點(diǎn)。其他噪聲對應(yīng)的小波系數(shù)數(shù)量較多,但其幅值較小。因此,可以利用改進(jìn)后的小波閾值去噪算法,將處理后的幅值較大的小波系數(shù)保留,將幅值較小的小波系數(shù)去掉。把濾波后剩余的小波系數(shù)進(jìn)行構(gòu)建函數(shù),將恢復(fù)出原始信號與原始信號對比。本文利用改進(jìn)后的閾值算法對含白噪聲和工頻干擾信號的肌電含噪聲信號進(jìn)行仿真分析,結(jié)果如圖5、圖6所示。
對仿真結(jié)果進(jìn)行對比分析可以得出,改進(jìn)閾值算法在對疊加白噪聲和工頻干擾的混頻信號處理時,減少了誤差,處理效果更接近于原始信號。將處理后的肌電信號的信噪比進(jìn)行對比分析,結(jié)果分析如表2所示。
由表2可以得出,利用改進(jìn)閾值小波去噪法處理含噪聲信號具有較高的信噪比。
4 結(jié)論
本文首先運(yùn)用軟、硬閾值去噪法及改進(jìn)閾值去噪法對同一個含噪聲信號進(jìn)行分析處理,經(jīng)過仿真分析得出改進(jìn)閾值去噪法比軟、硬閾值去噪法效果好,提高肌電信號的信噪比。其次,利用改進(jìn)閾值去噪法對疊加白噪聲與疊加工頻干擾信號進(jìn)行去噪處理,經(jīng)仿真分析,該方法可以很好地抑制信號的零點(diǎn)漂移,能夠準(zhǔn)確地恢復(fù)出原始信號。
本文在研究肌電信號去噪方法過程中,還有一些可以改進(jìn)的地方。首先,本文是利用健康男性前臂肌肉電信號單通道的采集數(shù)據(jù)進(jìn)行處理分析,選擇控制系數(shù)a=0.3的情況下,對手臂表面肌電信號進(jìn)行實(shí)驗(yàn)分析,在實(shí)際應(yīng)用中,手臂運(yùn)動涉及到多通道的肌肉信號檢測;其次,對于殘疾人的殘肢,由于各種損傷等因素導(dǎo)致的意識減弱,不能簡單地用單通道單個閾值作為判斷方法。在今后研究設(shè)計中,應(yīng)該根據(jù)個體情況,并利用多個通道的數(shù)據(jù)進(jìn)行綜合分析,優(yōu)化算法,減少工作量,提高運(yùn)算速度,才能確定個體的最佳特征參數(shù)和控制閾值。
參考文獻(xiàn)
[1] GINI G,ARVETTI M,SOMLAI I,et al.Acquisition and analysis of EMG signals to recognize multiple hand movements for prosthetic applications[J].Appl Bion Biomechan,2012,9(2):145-155.
[2] 曲峰.運(yùn)動員表面肌電信號與分形[M].北京:北京體育大學(xué)出版社,2008.
[3] 趙章琰.表面肌電信號檢測和處理中若干關(guān)鍵技術(shù)研究[D].合肥:中國科學(xué)技術(shù)大學(xué),2010.
[4] 吳永亮,邱成,朱衡君.基于DAQ-2204的微弱信號數(shù)據(jù)采集與分析系統(tǒng)[J].測控技術(shù),2011,30(3):26-28.
[5] 孔玲軍.Matlab小波分析超級學(xué)習(xí)手冊[M].北京:人民郵電出版社,2014.
[6] DONOHO D L.De-noising by soft-thresholding[J].IEEE Trans.Inf.Theory,1995,41(3):613-627.
[7] Li Guanlin,Li Yaonan,Yu Long,et al.Conditioning and sampling issues of EMG signals in motion recognition of multifunctional myoelectric prostheses[J].Ann Biomed Eng,2011,39(6):1779-1787.
[8] SMITH L H,HARGROVE L J,LOCK B A,et al.Deter-mining the optimal window length for pattern recognition-based myoelectric control:Balancing the competing effects of classification error and controller delay[J].IEEE Trans.Neural.Syst.Rehabil.Eng.,2011,19(2):186-192.
[9] 婁智,鄧浩,陳香,等.基于自適應(yīng)閾值處理的表面肌電信號小波去噪研究[J].生物醫(yī)學(xué)工程學(xué)雜志,2014,31(4):723-728.
[10] 王彥青,魏連鑫.一種改進(jìn)的小波閾值去噪方法[J].上海理工大學(xué)學(xué)報,2011,33(4):405-408.
[11] 葉裕雷,戴文戰(zhàn).一種基于新閾值函數(shù)的小波信號去噪[J].計算機(jī)應(yīng)用,2006,26(7):1617-1618.
[12] 段永剛,馬立元,李永軍,等.基于小波分析的改進(jìn)軟閾值去噪算法[J].科學(xué)技術(shù)與工程,2011,23(8):5755-5758.
[13] 吳秀君.改進(jìn)提升小波閾值算法在信號去噪中的應(yīng)用[J].激光雜志,2014(8):15-18.
作者信息:
劉明君1,董增壽2
(1.忻州師范學(xué)院 電子系,山西 忻州034000;2.太原科技大學(xué) 電子信息學(xué)院,山西 太原030024)