基于变分模态分解和子带阈值的肌电信号滤波( EMG Signal Filtering Based on Variational Mode Decomposition and Sub-Band Thresholding )

Shihan Ma Bo Lv Chuang Lin Xinjun Sheng Xiangyang Zhu

表面肌电图(EMG)信号不可避免地受到各种噪声的污染，包括电力线干扰(PLI)、基线漂移(BW)和高斯白噪声(WGN)。这些噪声直接降低了肌电信号处理的效率，影响了进一步应用的准确性和鲁棒性。目前，大多数肌电滤波器只针对一类噪声。在这里，我们提出了一种新的滤波器来去除所有这三种类型的噪声。首先利用变分模态分解(VMD)将噪声肌电信号分解为带限模态集合。每一类噪声位于特定模式内，并在子带中分别去除。特别地，通过具有噪声电平相关阈值的软阈值来抑制WGN。利用均方根误差(RMSE)、信噪比改善率(SNR_imp)和相关系数降低率（）三个性能指标对仿真信号和实验信号的去噪性能进行了评价。其他方法，包括传统的无限脉冲响应(IIR)滤波器，经验模态分解(EMD)方法和集成经验模态分解(EEMD)方法，进行了比较。该方法对BW或WGN的去除效果最好。在信噪比(SNR)较低的情况下，有效地降低了PLI噪声。在-6dB信噪比下，PLI、BW和WGN信号的信噪比分别提高了18.6、19.2和8.0dB。实验结果表明，该方法能完全消除静止状态下的噪声，并能将明显的尖峰与动作状态区分开来。对于10个受试者中的两个，改进的信噪比达到20分贝。本文探讨了VMD的特点，并论证了基于VMD的滤波器对肌电信号去噪的可行性。该滤波器能有效地去除三类噪声，可用于任何需要在预处理阶段对肌电信号进行滤波的应用，如手势识别和肌电信号分解。

SciDown文献求助系统（解决99%问题） Public Download ResearchGate