基于小波域隐马尔科夫模型的肌电信号滤波.pdfVIP

学兔兔 第31卷 第11期 仪 器 仪 表 学 报 Vo1．31 No．11 2010年11月 Chinese Journal of Scientific Instrument NOV．2O1O 基于小波域隐马尔科夫模型的肌电信号滤波 罗志增，王占玉 (杭州电子科技大学机器人研究所 杭州 310018) 摘 要：为了消除肌电信号中的噪声并且保留信号的细节信息，本文提出了基于小波域隐马尔科夫模型的肌电信号消噪方法。 该方法利用隐马尔科夫模型对表面肌电信号小波分解后的小波系数之间的相关性进行建模，运用训练模型算法(Expectation． Maximization algorithm，EM算法)估计出该模型的参数，以贝叶斯估计得到真实信号的小波系数，通过重构实现肌电信号的滤 波。实验结果表明该方法能有效地去除肌电信号中的噪声，对进一步的特征提取和模式识别创造了良好的条件。 关键词：肌电信号；小波域；隐马尔科夫；EM算法 中图分类号：TP 文献标识码：A 国家标准学科分类代码：510．40 Wavelet--domain EMG de--noising using hidden Markov model Luo Zhizeng，Wang Zhanyu (Robotics Research lmtit~e，Hangzhou Dianzi University，Hangzhou 310018，China) Abstract：In order to eliminate noise in EMG and hold details of the signal，Wavelet—domain EMG de—noising using hidden Markov model is proposed．The correlation between wavelet coefficients is modeled with HMM．The model parameters are estimated using Expectation—Maximization algorithm and the wavelet coefficients of the real signal are computed using Bayesian estimation．At last，de—noised EMG is achieved through reconstructing the wavelet coeffi— cients．Experiment result shows that noise can be eliminated effectively with the method proposed in this paper， which is benefit for further extraction and pattern recognition of the signa1． Key words：EMG；wavelet domain；HMM；EM algorithm 参数影响的某些变量是可见的，每一个隐含参数在可能 1 引 言 输出变量上都有一概率分布，所以从输出变量也可以推 测出隐含参数的一些信息。 表面肌电信号(surface electromyography，SEMG)是从 目前，应用比较广泛的信号滤波方法主要有基于小 人体骨骼肌表面通过表面拾取电极采集来的，与肌肉活 波分析的软、硬阈值滤波及其改进算法。Donoho提出了 动密切相关的生物电信号 。表面肌电信号本质上是一