任小梅
- 作品数:10 被引量:39H指数:4
- 供职机构:上海交通大学生物医学工程学院生物医学工程系更多>>
- 发文基金:国家重点基础研究发展计划国家自然科学基金云南省教育厅科学研究基金更多>>
- 相关领域:医药卫生电子电信更多>>
- 基于临床诊断肌电信号的自动分解算法及研究
- 针电极肌电信号是以针电极和肌电仪为检测手段,获取肌肉收缩时被激活的所有运动单元所发放的动作电位序列,以及检测仪器噪声和周围环境产生的噪声迭加后所产生的信号。它包括电极检测范围内的运动单元动作电位(MUAP)、远离电极的运...
- 任小梅
- 关键词:小波滤波模糊均值聚类最小距离分类器
- 文献传递
- 基于非线性尺度小波变换的表面肌电信号的分类被引量:8
- 2006年
- 表面肌电信号(SurfaceEMG,sEMG)是一种复杂的非线性非平稳信号。我们介绍了一种非线性尺度小波变换(Wavelettransformwithnonlinearscale,NWT)。由于NWT具有渐进缩短时间分辨率的特点,所以有利于从sEMG信号获得精确的时-频信息。首先,用NWT将sEMG信号(30组前臂内旋和30组外旋的sEMG信号)变换为强度分布(时频分布),然后,用由主成分分析获得的强度分布特征值构成特征向量,最后,用BP神经网络对两种信号模式的特征向量进行分类识别。结果表明与两种传统的时频分析方法相比,NWT能够获得较高的正确识别率,同时降低了神经网络计算的复杂度。
- 胡晓王志中任小梅颜志国王刚
- 关键词:表面肌电信号时频分析主成分分析BP神经网络
- 基于小波变换和ICA方法的肌电信号分解
- <正>EMG 信号分解方法简介:本文将独立成分分析(ICA)、小波变换和单链谱系聚类算法用于 EMG 真实记录和模拟 EMG 信号的分解过程,和以往分解方法相比,由于在信号去噪、特征提取和从原始信号中剥落已识别的 MUA...
- 任小梅王志中
- 文献传递
- 基于短时窗口熵的VF/VT ECG信息研究
- 2007年
- 目的:对心室纤颤和室性心动过速ECG信号的信息熵进行分析。材料与方法:VF和VT数据取自www.physionet.org的MIT数据库。利用一个固定大小的时间窗口,对信号序列进行滑动,同时求出各窗口内的熵,从而得到熵的时间演化图。结果:VT信号熵比VF信号和正常的心电信号的熵更规则一些,可预测性更高。结论:短时窗口熵能够敏感地反映信号的局部变化,VF/VTECG信号可以通过短时窗口熵来识别。
- 胡晓李莉任小梅黄海王志中
- 关键词:心电信号心室纤颤室性心动过速
- 一种改进的经验模型分解方法被引量:3
- 2006年
- 在对复杂信号进行分析中,常把它展开成一系列基本信号,然后,通过研究每个基本成分或者相应系数的特点来分析复杂信号。Huang等人提出经验模型分解方法(Empirical Mode Decomposition,EMD),通过筛选,将复杂信号中分解成一系列内在模型函数(Intrinsic Mode Function,IMF)。在本论文中,作者对经验模型分解中的一个重要的筛选过程作了部分改进,提出了一种改进检验模型分解法(Modified EMD,MEMD)。利用改进检验模型分解法,能够既快又准确地获得内在模型函数,而且,得到的内在模型函数能保留原信号中各成分的瞬时频率的规律。
- 胡晓王志中任小梅
- 关键词:EMDIMF肌电信号
- 基于模糊自相似性的表面肌电信号分形分析被引量:3
- 2006年
- 表面肌电信号(surface EMG,sEMG)是一种复杂的非线性信号。近年来,分形分析常被用来揭示这种非线性特征。本文采用一种基于模糊自相似性的分数维计算方法,来获取前臂执行四种动作时所对应的动作sEMG的分数维。结果表明,通过这种方法获得的分数维能够聚集在各自特定的范围内,并且,通过分形维能够区分部分动作sEMG。
- 胡晓王志中任小梅马波
- 关键词:SEMG分数维
- 基于分形维前臂动作表面肌电信号的分类(英文)被引量:1
- 2005年
- 通过分形维对表面肌电信号进行识别分类.在30个健康志愿者做前臂内旋和外旋时,从他们的右前臂肌前群分别采集2类动作表面肌电信号.当原始动作表面肌电信号用小波包变换分解成几个子信号后,采用一种基于模糊自相似性的方法计算原始信号和4个子信号的分形维.结果表明:从频带0~125 Hz的子信号求得的内旋和外旋动作表面肌电信号的分形维有各自的范围;通过该分形维进行Bayes决策时,错误识别率仅2.26%.因此,该分形维适合用来识别内旋和外旋动作表面肌电信号.
- 胡晓王志中任小梅
- 关键词:分形维小波包变换
- 基于小波系数熵的表面肌电信号识别被引量:4
- 2007年
- 目的:对表面肌电信号进行分类识别。方法:30名健康的志愿者参加数据采集。每名志愿者用右手臂完成两个动作:前臂内旋和前臂外旋。在每个动作中,采集一组表面EMG信号。总共获得30组内旋和30组外旋的表面EMG信号。然后,运用小波包系数熵构成特征向量,用Bayes决策对两种模式信号进行分类识别。结果:当信号长度达350ms后,正确识别率达到100%。结论:采用小波包系数熵可以有效地提取表面EMG信号的特征信息,达到控制前臂假肢的目的。
- 胡晓李莉任小梅王志中
- 关键词:表面肌电信号小波变换
- 应用小波变换和ICA方法的肌电信号分解被引量:4
- 2006年
- 基于单通道、短时真实肌电(EM G)记录和模拟EM G信号,提出一种改进的肌电信号分解方法。首先应用小波滤波、硬阈值估计等方法去除背景噪声和白噪声,并将独立成分分析(ICA)方法和小波滤波方法相结合去除工频干扰信号,然后再进行幅度滤波,从而提高了系统的速度和强健性。在运动单元动作电位(MUAP)聚类以及从原始信号中去除已识别的MUAP波形等方面也进行了改进。与已有的EM G分解方法相比,本文方法更快速、稳定。
- 任小梅王志中胡晓
- 关键词:小波滤波阈值估计
- 小波变换和非线性分析在表面肌电信号中的应用及进展被引量:13
- 2006年
- 表面肌电信号(surface EMG,sEMG)反映了神经和肌肉的功能和生理状态,分析研究sEMG对人类的生理健康有重要的意义。本文综述了小波变换和非线性分析方法近几年在sEMG研究中的应用情况,并且预测两种方法的有效结合在sEMG的应用前景。
- 胡晓王志中任小梅
- 关键词:SEMG小波变换混沌