基于线性变化力采集和多通道时空信息的表面肌电信号分解

肌电信号的分解对于神经肌肉控制的基础研究和神经肌肉疾病的临床诊断具有重要的理论意义和应用价值。表面肌电(SEMG)信号由于其产生机制的复杂性，对其分解的难度要比针电极肌电（NEMG）信号大得多，但由于其检测无创性的优点，应用场合和范围则更广。本项目在已有研究的基础上, 尝试对SEMG信号分解中的一些关键问题进行探讨, 重点解决信号中叠加MUAP波形的分解问题, 以实现对中等收缩力SEMG信号的有效分解, 从而将SEMG信号分解的研究水平提高一个层次。对于信号的检测,通过优化电极阵列传感器以提高SEMG信号的质量、减少信号中叠加波形的数目或叠加程度；对于信号的获取，采用按线性变化力增长分段采集的方法解决肌肉收缩力较大时SEMG信号中叠加波形较多、模板建立困难的问题；对于分解算法,利用多通道SEMG信号的时空信息,结合采用盲源分离、匹配滤波等信号处理技术实现对信号中叠加MUAP波形的分解。