基于渐进式FastICA剥离的肌电表面电信号个体运动单位活动在线分解
信号处理
2023-01-06 v1
摘要
表面肌电信号（SEMG）分解为非侵入式解码和理解神经驱动信息提供了一种有前景的工具。与以往主要在离线条件下开发的SEMG分解方法相比，关于在线SEMG分解的研究很少。本文提出一种利用渐进式FastICA剥离（PFP）算法进行SEMG数据在线分解的新方法。该在线方法由离线预处理阶段和在线分解阶段组成。更具体地，首先利用原始离线版PFP算法从预先记录的SEMG数据中初始化一系列分离向量，然后将其应用于在线SEMG数据以精确提取运动单位脉冲序列。所提在线SEMG分解方法的性能通过仿真和实验两种方法进行了评估。在处理仿真SEMG数据时，其在线分解准确率达到98.53%。对于实验SEMG数据的分解，所提在线方法每个试次平均可提取12.00±3.46个运动单位（MU），与专家引导的离线分解结果相比匹配率为90.38%。我们的研究为SEMG数据的在线分解提供了有价值的方法，在运动控制与健康方面具有先进应用前景。
引用
@article{arxiv.2301.01933,
title = {Online Decomposition of Surface Electromyogram into Individual Motor Unit Activities Using Progressive FastICA Peel-off},
author = {Haowen Zhao and Xu Zhang and Maoqi Chen and Ping Zhou},
journal= {arXiv preprint arXiv:2301.01933},
year = {2023}
}
备注
11 pages, 8 figures, 56 references. Submitted to IEEE Transactions on Biomedical Engineering