高通截止频率对sEMG估计握力的影响

２７卷５期２００８年１０月

中国生物医学工程学报

Ｃｈｉｎｅｓｅ

Ｖ０１．２７０ｃｔｏｂｅｒ

Ｎｏ．５２００８

ＪｏｕｒｎａｌｏｆＢｉｏｍｅｄｉｃａｌ

Ｅｎｇｉｎｅｅｒｉｎｇ

高通截止频率对ｓＥＭＧ估计握力的影响

侯文生”

马

丽１

吴小鹰１郑小林１

ＪｉａｎｇＹｉｎｇｔａ０２

ＺｈｅｎｇＪｕｎ３

彭承琳１

。（重庆大学生物ｑ－程学院，重庆４０００“）

２（Ｄｅｐａｒｔｍｅｍ３（Ｃｏｍｐｕｔｅｒ

ｏｆＥｌｅｃｔｒｉｃａｌａｎｄＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ，Ｕｎｉｖｅｒｓｉｔｙｏｆ

Ｎｅｖａｄａ，ＬａｓＶｅｇａｓ，ＮＶ

８９１５４，ＵＳＡ）

Ｓｃｉｅｎｃｅ

Ｄｅｐａｒｔｍｅｎｔ，ＱⅡｅｅⅢＣｏｌｌｅｇｅ，Ｃｉｔｙ

ＵｎｉｖｅｒｓｉｔｙｏｆＮｅｗＹｏｒｋ，Ｆｌｕｓｈｉｎｇ，ＮＹ１１３６７。ＵＳＡ）

ＲｅｓｅａｒｃｈｔｈｅＥｆｆｅｃｔｏｆＨｉｇｈＰａｓｓＦｉｌｔｅｒｉｎ

ｓＥＭＧ

Ｐｒｅｐｒｏｃｅｓｓｉｎｇ

ＨＯＵ

Ｗｅｎ．Ｓｈｅｎ９１

ＭＡＬｉｌ

。（Ｂｉｏｅｎｇｉ，Ｍｒｉｎｇ蝴ｏｆ

ａｎｄ

ＷＵＸｉａｏ．Ｙｉｎ９１

ＺＨＥＮＧＸｉａｏ．Ｌｉｎｌ

Ｃｈｏｎｇｑｉｎｇ

ＪＩＡＮＧＹｉｎｇ—Ｔａ０２

ＺＨＥＮＧ

Ｊｕｎ３

ＰＥＮＧＣｈｅｎｇ－Ｌｉｎｌ

Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｏｎｇｑｉｎｇ４０００４４，Ｃｈｉｎａ）

Ｖｅｇａｓ，ＮＶ

’（Ｃｏｍｐｕｔｅｒ＆如ⅢＤｅｐａｒｔｍｅｍ，ＱＭ

摘

２（ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｉｃａｌＣｏｍｐｕｔｅｒＥｎｇｉ，ｍｒｉｎｇ，ＵｎｌｖｅｒｓｌｔｙｏｆＮｅｖａｄａ。Ｌａｓ

Ｃｏｌｌｅｇｅ．Ｃｉｔｙ

８９１５４，ＵＳＡ）

Ｕｎｉｖｅｒｓｉｔｙ矿胁ＷＹｏｒｋ。Ｈｕｓｈｉｎｇ，ＮＹ１１３６７，ＵＳＡ）

要：比较不同高通频率（，Ｌ）的滤波对ｓＥＭＧ估计力量的作用。采集９名大学生志愿者不同握力水平时的ｓＥＭＧ

信号，用不同高通截止频率（．＾＝２０Ｈｚ、１４０—３２０Ｈｚ，步长３０Ｈｅ）的滤波对ｓＥＭＧ信号进行预处理，利用回归分析建立归一化的ＲＭＳ和握力水平的线性方程，通过对比不同预处理后回归模型的样本均方误差（ＭＳＥ）、Ｒ２统计量、Ｐ值，评价滤波处理的效果，找出最优滤波器组。经过高通截止频率为１４０—２６０Ｈｚ滤波处理的拟和效果优于传统方法。不同力量段最优滤波截止频率不同。对不同握力水平采用不同高通截止频率的滤波，ｓＥＭＧ信号的归一化均方根与握力表现出良好的线性度。关键词：ｓＥＭＧ；高通滤波；握力

Ｋｅｙｗｏｒｄｓ：ｓＥＭＧ；ｈｉｓｈｐａｓｓｆｉｌｔｅｒ；ｈａｎｄｇｒｉｐｆｏｒｃｅ中图分类号１１３１８．０８

文献标识码Ｄ

文章编号０２５８．８０２１（２００８）０５．０７９２．０４

引言

表面肌电（ｓｕｒｆａｃｅｅｌｅｃｔｍｍｙｏｇｒａｐｈｙ，ｓＥＭＧ）信号是在皮肤表面记录的神经肌肉系统的生物电活动，反映神经、肌肉的功能状态¨Ｊ。在肌肉收缩程度不同或疲劳发生时，肌纤维的募集、运动单位的放电率、肌纤维的传导速度都会发生不同程度的改变心１，等长等张收缩时，随着力量水平的提高，ｓＥＭＧ信号的幅度也相应增加门Ｊ。ＨａｎｎｅＨｏ认为，可以用ｓＥＭＧ信号定量评价肌肉的活动水平及疲劳程度。

ｓＥＭＧ信号的处理方法有很多，如时域分析¨ｏ、频域分析№】、小波分析ｎ】、复杂度分析¨］、混沌分形归。等。由于ｓＥＭＧ信号频率范围为２０—５００Ｉ－Ｉｚ，因此传统方法使用高通截止频率（．厂Ｉ．）为１０—３０Ｈｚ，低通截止频率（厂Ｈ）为５００Ｈｚ的带通滤波对ｓＥＭＧ进行

收稿日期：２００７－０７．１７，修回日期：２００８—０５，１１。

预处理。但是Ｐｏｔｖｉｎ等人¨刮对这一假设提出了挑战，他们认为ｓＥＭＧ里的低频成分是由肌肉和电极间组织的滤波效应产生，并没有真实的反映出肌纤维产生的电位。他们使用ｌ阶４１０Ｈｚ和６阶１４０Ｈｚ两种巴特沃斯高通滤波器，滤除肱二头肌原始肌电信号９９％的频率成分，用经过处理的信号估计力量，其效果明显好于传统的处理方法。通过实验他们证明了如下假设：对于力量预测而言，只有很少一部分的ｓＥＭＧ高频成分与力量有关，剩余部分对力量预测的贡献不大。

本研究采用带通滤波（．厂Ｈ＝５００Ｈｚ、．厂Ｉ．＝２０Ｈｚ、１４０。３２０Ｈｚｌ）、全波整流、平滑对不同握力水平的ｓＥＭＧ信号进行预处理，计算其均方根（ＲＭＳ）¨¨，对归一化的ＲＭＳ和握力水平进行线性回归，通过比较高通截止频率．＾．＝２０Ｈｚ、１４０—３２０Ｈｚ（步长３０Ｈｚ）、

基金项目：国家自然科学基金资助项目（３０７７０５４６）；重庆市自然科学基金（２００６ＢＢ２０４３，２００７ＢＢ５１４８）。＊通讯作者。

Ｅ—ｍａｉｌ：ｈｗｓ２１ｅｎ＠ｙａｈｏｏ．ＣＯｒｎ．ｃａ

５期侯文生等：高通截止频率对ｓＥＭＧ估计握力的影响

７９３

低通截止频率．厂Ｈ＝５００Ｈｚ的带通滤波处理后回归模型的样本均方误差（ＭｓＥ）、Ｒ２统计量、Ｐ值，评价不同滤波器对ｓＥＭＧ信号的作用效果。结果表明，对不同握力水平采用不同频率的高通滤波，ｓＥＭＧ信号的归一化ＲＭＳ与握力表现出良好的线性度。

采样率为１０００Ｈｚ。

１．２数据处理

本研究对ｓＥＭＧ信号的处理、回归分析均在Ｍａｔｌａｂ７．０软件上进行。基本思路是采用不同的滤波器处理原始ｓＥＭＧ，再通过回归分析建立ｓＥＭＧ和握力水平间的线性方程，最后通过对比分析不同预处理后回归模型的样本均方误差（ＭＳＥ）、Ｒ２统计量、Ｐ值，以评价不同滤波器对ｓＥＭＧ的作用效果。数据处理及滤波效果比较的具体过程如下：

（１）原始肌电信号带通滤波＾＝５００Ｈｚ、＾＝２０Ｈｚ、１４０—３２０Ｈｚ（步长为３０Ｈｚ），力量信号平滑处理。

（２）对经不同高通截止频率处理过的信号均进行全波整流，平滑处理。

（３）用力量信号对肌电信号分段，计算处理后各力量水平ｓＥＭＧ信号的归一化ＲＭＳ（ＮＲＭＳ）。

（４）对归一化力量水平（ＮＦｏｒｃｅ）与ＮＲＭＳ进行线性回归分析。

（５）由回归分析的ＭＳＥ、Ｒ２统计量、Ｐ值比较不同滤波器处理的效果。２

１对象和方法

１．１实验对象和实验过程

实验对象为９名大学生志愿者，身体健康，实验前两天没有进行高强度的运动，实验前６个月上肢没有出现扭伤、运动损伤、断裂等影响运动功能的伤病，受试者没有运动神经类疾病。测试中受试者保持坐姿，保证身体在测试过程中不移动，前臂水平置于实验台上，掌心向内，腕处于中立位置，手握握力计。首先测出受试者最大随意收缩（ｍａｘｉｍａｌ

ｖｏｌｕｎｔａｒｙ

ｃｏｎｔｒａｃｔｉｏｎ，ＭＶＣ）的力量，然后依次完成以

下实验任务：①受试者跟踪２０％、５０％或７５％ＭＶＣ的目标力量；②受试者随意的完成弱、中、强３个力量水平的动作。完成实验动作的同时记录下相应的肌电信号。在实验前有一个让受试者熟悉实验过程的训练环节。在实验过程中要避免受试者肌疲劳的发生。ＭＶＣ测３次，取３次的最大值。每次测试间隔为２ｍｉｎ。不同力量水平交错进行实验。

实验采用Ａｇ／ＡｇＣｌ电极记录ｓＥＭＧ，本实验选择将电极贴于指浅屈肌¨２０（ｆｌｅｘｄｉｇｉｔｏｒｕｍｓｕｂｌｉｍｅｓ，ｒＤＳ），电极间距为２ｃｍｕ到。为保证电极记录的效果，需要对受试者待测部位的皮肤进行处理，用磨砂膏及７５％酒精去角质及皮脂。本实验采用握力计测量手的握力，ＬａｂＶｌＥＷ编写的握力检测软件提供目标力量和显示受试者实际握力，ＲＭ６２８０Ｃ多道生理记录仪（成都仪器厂）记录肌电信号及握力，信号

结果

２．１回归分析结果

以ＮＦｏｒｃｅ为自变量，ＮＲＭＳ为因变量进行一元线性回归¨引。经过．＾，＝２０Ｈｚ、１４０—３２０Ｈｚ滤波处理，其回归的ｐ值、Ｒ２统计量如表１所示。各处理方法回归的Ｐ值均小于０．Ｏ乳．厂Ｉ．＝１４０Ｈｚ．２６０Ｈｚ的Ｒ２统计量较传统带通滤波（２０。５００Ｈｚ）的高，．＾．＝２９０Ｈｚ，３２０Ｈｚ时Ｒ２统计量的值下降，且低于传统带通滤波带通的值。

表１不同截止频率高通滤波回归的置２统计量和Ｐ值

Ｔａｂ．１置２ａｎｄＰ

ｖａｌｕｅ

ｏｆ

ｎＦ洳稍ｍ

ｄｉｆｆｅｒｅｎｔｈｉ【ｇｈｐａｓｓｃｕｔｏｆｆｓ

２．２高通截止频率对不同握力水平下ｓＥＭＧ处理

结果的影响

３０％一６５％ＭＶＣ时为＾＝２３０Ｈｚ，６５％一８５％ＭＶＣ

时为＾＝２６０Ｈｚ。图２比较了５％一３０％、３０％一６５％、６５％。８５％ＭＶＣ三段力量水平时，用不同处理方法进行回归分析其ＭＳＥ。结果表明５％一３０％ＭＶＣ力量段，经＾＝１７０Ｈｚ滤波ＭＳＥ最小，３０％一

图１为经＾＝２０Ｈｚ、１７０Ｈｚ、２３０Ｉ－Ｉｚ、２６０Ｈｚ滤波处理的回归曲线。由图看出５％。３０％ＭＶＣ力量段时与回归线拟和最好的为＾＝１７０Ｈｚ滤波的结果，

中国生物医学工程学报

２７卷

６５％ＭＶＣ力量段，经＾＝２３０Ｈｚ滤波ＭＳＥ最小，６５％。８５％ＭＶＣ力量段，经＾＝２６０Ｈｚ滤波ＭＳＥ最小。另外同一截止频率在不同的力量段时其ＭＳＥ也不同。

图１不同滤波处理的回归曲线。（ａ）＾＝２０Ｉ－Ｉｚ；（ｂ），Ｌ＝１７０Ｈｚ；（ｃ），Ｌ＝２３０Ｈｚ；（ｄ）＾＝２６０Ｈｚ

Ｆｉｇ．Ｉ

Ｔｈｅ

ｒｅ罂礤Ｉｓｅｄ

ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓｂｅｔｗｅｅｎ

ｉｌｏｒｍｓ］ｉｚｅｄ

ＲＭＳａｎｄｈａｎｄｇｒｉｐｆｏｒｃｅｕｎｄｅｒｈｉｇｈｐａｍｆｉｌｔｅｒｓｗｉｔｈｄｉｆｆｅｒｅｎｔｃｕｔｏｆｆｆｒｅｑｕｅｎｃｉｅｓ．（ａ），Ｌ＝２０Ｈｚ；【ｂ），Ｌ＝１７０Ｈｚ；（ｃ），Ｌ＝２３０Ｈｚ；Ｉｄ），Ｌ＝２６０Ｈｚ

０．００８

０．００７０．００６

粕０．００５

饕ｏ．００４

露０．００３

０．００２Ｏ．００ｌ

０

２０１４０１７０

２００２３０

２６０

２９０３２０

ｆ／Ｈｚ

图２商通截止频率对握力水平－ｓＥＭＧ回归分析ＭＳＥ影响

Ｆｉｇ．２

Ｔｈｅ

ｃｏｍｐａｒｉｓｏｎ

ｏｆ

ＭＥＳｓｆｏｒｈａｎｄｇｄｐ

ＶＳ

ｓＥＭＧ

ｕｎｄｅｒｆｉｌｔｅｒｓｗｉｔｈｄｉｆｆｅｒｅｎｔｍｇｈｐａｓｓｃｕｔｏｆｆｆｒｅｑｕｅｎｃｉｅｓ

２．３高通滤波器组的处理效果

根据图２的ＭＳＥ比较结果，对５％一３０％、３０％一６５％、６５％。８５％ＭＶＣ三个力量段分别选用厂Ｌ＝１７０Ｈｚ、２３０Ｈｚ、２６０Ｈｚ滤波的ＮＲＭＳ值，将其组合做为混合滤波的ＮＲＭＳ。传统带通和混合滤波处理后信号的回归曲线如图３所示，图３（ａ）为传统带通的回归曲线，（ｂ）为混合滤波的回归曲线，其ＭＳＥ如图４所示。结果表明，经过混合处理的ＭＳＥ明显低予仅经传统过带通处理的ＭＳＥ，这也说明了经过混合处理的信号，其ＮＦｏｒｃｅ—ＮＲＭＳ的线性程度高于对所有力量水平只做单一高通截止频率的带通处理的结果。

醛极露皋皿Ｉ

璐椒露摹Ｉ丑

图３回归曲线。（ａ）２０一５００１ｔｚ带通；（ｂ）混合滤波

Ｆｉｇ．３

Ｔｈｅｒｅｇｒｅｓｓｅｄｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ

ｂｅｔｗｅｅｎ

ｎｏｒｍａｌｉｚｅｄ

ＲＩＭＳａｎｄｈａｎｄｇｒｉｐｆｏｒｃｅ硼ｍｃｏｎｖｅｎｔｉｏｎａｌｂａｎｄｐａｓｓ坷ｔｅｒ

ａｎｄｍｉｘｅｄ

ｈｉｇｈｐａｓｓ伺ｔｅｒ．（ａ）ｂａｎｄｐａｓｓ厢ｔｅｒ；（ｂ）ｍｉｘｅｄ

ｍｇｈｐａｓｓｆｉｌｔｅｒ

０．００５

０．００４

装ｏ．００３蠹㈣２

Ｏ．００１

０

豳

．翻

带通

混合

图４均方误差比较

Ｆｉｇ．４

Ｔｈｅｃｏｍｐａｒｉｓｏｎｏｆ

ＭＥＳｓｆｏｒｈａｎｄｇｒｉｐ

Ｖｓ

ｓＥＭＧ

ｗｉｔｈｃｏｎｖｅｎｔｉｏｎａｌ

ｂａｎｄｐａｓｓ同ｔｅｒａｎｄｍｉｘｅｄｍｇｈｐａｓｓｆｉｌｔｅｒ

３

结论

Ｐ值用于检验线性回归方程的显著性，若Ｐ＜

ａ（口＝０．０５）则表示回归线性关系显著。拟和优度（Ｒ２统计量）用于检验模型对样本观测值的拟和程度，其值越接近于１，意味着模型的拟和优度越高¨引。由表ｌ知，各处理方法回归的Ｐ值均小于０．０５，说明指浅屈肌上记录的ｓＥＭＧ信号的ＮＲＭＳ，与力量水平ＮＦｏｒｃｅ间线性关系显著。ｓＥＭＧ信号记录的不仅有ＭＵＡＰｓ，还包括其他肌肉肌电信号的串扰ｎ引，另外还会受电极的影响ｎ引，如果不对其进行处理而使用原始的ｓＥＭＧ信号去估计力量，会使估计的效果大打折扣。实验结果表明，采用高通滤波滤除原始ｓＥＭＧ信号低频部分的能量，可以降低线性回归残差的方差，提高线性度，使得建立的力．电模型更加可靠。将各个力量水平采用不同的高通滤波可以得到最优的回归结果，对５％．３０％ＭＶＣ，选择．＾．＝１７０Ｈｚ处理，对３０％一６５％ＭＶＣ，选择＾．＝２３０Ｈｚ处理，对６５％一８５％ＭＶＣ，选择．厂Ｉ．＝２６０Ｉ－Ｉｚ处

５期

侯文生等：高通截止频率对ｓＥＭＧ估计握力的影响

７９５

理，得到的ＮＲＭＳ拟和效果最佳。未来将在实验设计上加以改进，选取更多的力量等级，数据处理上将使用更多的滤波器，比较滤波效果，找出最优的滤波器设计。

参考文献

丁海曙，容观澳，王广志．体运动信息检测与处理［Ｍ］．北京：宇航出版社，１９９２．９４—１２３．

［２］

余洪俊．表面肌电图评价肌肉的功能状况［Ｊ］．中国ｆ临床康复，２００２，２３（６）：３５１４—３５１５．

【３］

Ｃｌａｎｃｙ

ＥＡ，Ｈｏｇａｎ

Ｎ．Ｓｉｎｇｌｅ

ｓｉｔｅ

ｅｌｅｅｔｒｏｍｙｏｇｒａｐｈ

ａｍｐｌｉｔｕｄｅ

ｅｓｔｉｍａｔｉｏｎ［Ｊ］．１ＥＥＥ

ＴｒａｎｓＢｉｏｍｅｄ

Ｅｎｇ，１９９４，４１（２）：１５９—１６７．

［４］

Ｃｈｒｉｓｔｅｎｓｃｎ

Ｈ．ＥＭＧ Ａｎａｌｙｓｉｓ［Ａ］．Ｉｎ：ＩＥＥＥ．ＩＥＥＥＥｎｇｉｎｅｅｒｉｎｇ

ｉｎＭｅｄｉｃｉｎｅ＆ＢｉｏｌｏｇｙＳｏｃｉｅｔｙ１ｌｔｈＡｎｎｕａｌＩｎｔｅｒｎａｔｉｏｎａｌ

ｅｏｎｆｅｒｅＭ

［Ｃ］．Ｓｅａｔｔｌｅ：ＩＥＥＥ，１９８９．１４６８—１４６９．

［５］

Ｃｈａｒｌｅｓ

Ｔ．Ｌｅｏｎａｒｄ，Ｊａｓｏｎ

Ｓ．Ｂｒｏｗｎ，ＴｉｍｏｔｈｙＲ．Ｐｒｉｃｅ，耵ａ／．Ｃｏｍｐａｒｉｓｏｎ

ｏｆ

ｓｕｒｆａｃｅ

ｅｌｅｃｔｒｏｍｙｏｇｒａｐｈｙ

ａｎｄ

ｍｙｏｔｏｎｏｍｅｔｒｉｃ

ｍｅａｍＬｒｅｍｅｎｔ６ｄｕｒｉｎｇｖｏｌｕｎｔａｒｙｉｓｏｍｅｔｒｉｃ

ｃｏｎｔｒａｃｔｉｏｎｓ［Ｊ］．Ｊｏｕｒｎａｌ

ｏｆ

Ｅｌｅｃｔｒｏｍｙｏｇｒａｐｈｙ

ａｎｄ

Ｋｉｎｅｓｉｏｌｏｇｙ，２００４，１４：７０９—７１４．

［６］ＳｂｒｉｃｃｏｌｉＰ，ＢａｚｚｕｃｅｈｉＩ，ＲｏｓｐｏｎｉＡ，ｅｔａ／．Ａｍｐｌｉｔｕｄｅａｎｄｓｐｅｃｔｒａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆ

ｂｉｃｅｐｓ

ＢｒａｃｈｉｉｓＥＭＧ

ｄｅｐｅｎｄｕｐｏｎｓｐｂｅｄ

ｏｆｉｓｏｍｅｔｒｉｃ

ｆｏｒｃｅ

ｇｅｎｅｒａｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌ

ｏｆ

Ｅｌｅｃｔｒｏｍｙｏｇｒａｐｈｙ

ａｎｄ

Ｋｉｎｅｓｉｏｌｏｇｙ．２００３。１３：１３９—１４７．

［７］

Ｃｕｉ

Ｊｉａｎｇｕｏ，Ｗａｎｇ

Ｘｕ．Ｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｗａｖｅｌｅｔｔｒｓｎｓｆｏｒｍａｎｄ

ｎｅｕｒａｌ

ｎｅｔｗｏｒｋ

ｔｏ

ｓｕｒｆａｃｅ

ｅｌｅｃｔｒｏｍｙｏｇｒａｐｈｉｃ

ｓｉｇｎａｌｓｆｏｒｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎ［Ａ］．Ｉｎ：ＩＥＥＥ．Ｐｒｏｃｅｅｄｉｎｇｓ

ｏｆ

ｔｈｅ

２００５

ＩＥＥＥ

ＥｎｇｉｎｅｅｒｉｎｇｉｎＭｅｄｉｃｉｎｅ

ａｎｄＢｉｏｌｏｇｙ２７ｔｈ

Ａｎｎｕａｌ

Ｃｏｎｆｅｒｅｎｃｅ［Ｃ］．Ｓｈａｎｇｈａｉ：ＩＥＥＥ，２００５．９：５００９—５０１２．

［８】刘加海，王丽，王健．基于相空间、熵和复杂度变化的表面肌

电信号分析［Ｊ］．浙江大学学报（理学版），２００６，３３（２）：１８２—

１８６．

［９］

ＰａｄｍａｎａｂｈａｎＰ，ＰＩＩｎｌｕ蹋既ｙｐａｄｙＳ．ＮｏｎｌｉｎｅａｒＡｎａｌｙｓｉｓ

ｏｆＥＭＧＳｉｇｎａｈ－Ａ

Ｃｈａｏｔｉｃ

Ａｐｐｒｏａｃｈ［Ａ］．Ｉｎ：ＩＥＥＥ．Ｐｒｏｃｅｅｄｉｎｇｓ

ｏｆ

ｔｈｅ

２６ｔｈＡｎｎｕａｌＩｎｔｅｒｎａｔｉｏｎａｌ

Ｃｏｎｆｅｒｅｎｃｅ０ｆｔｈｅＩＥＥＥＥＭＢＳ

Ｃｃ］．Ｓｅａ

Ｆｒａｎｃｉｓｃｏ：ＩＥＥＥ。２００４，９：６０８—６１１．［１０］

Ｐｏｔｖｉｎ

ＪＲ，ＢｒｏｗｎＳＨＭ．１ｅｓｓｉｓ

ｒａｒｅ：ｈｉｇｈ

ｐａｓｓｆｉｌｔｅｒｉｎｇ，ｔｏ

ＩｔＩｎｏｖｅ

ｕｐ

ｔｏ

９９％ｏｆｔｈｅ［；ｕｌ＇ｆａｃｅ

ＥＭＧ啦柚ｐｏｗｅｒ，ｉｍｐｒｏｖｅｓ

ＥＭＧ—ｂａｓｅｄ

ｂｉｃｅｐｓ

ｂｒａｅｈｉｉｍｕｓｃｌｅｆｏｒｃｅ

ｅｓｔｉｍａｔｅｓ［Ｊ］．Ｊｏｕｒｎａｌ

ｏｆ

ＥｌｅｃｔｒｏｍｙｏｇＴａｐｈｙａｎｄ

Ｋｉｎｅｓｉｏｌｏｇｙ，２００４，１４：３８９—３９９．

胡晓，王志中，任小梅．小波变换和非线性分析在表面肌电信号中的应用及进展［Ｊ］．北京生物医学工程，２００６，２５（１）：

１０５—１０８．

［１２］

ＳｈｉｅｒＤ，ＢｕｔｌｅｒＪ．ＬｅｗｉｓＲ．Ｈｏｌｅ’ｓ

ＨｕｍａｎＡｎａｔｏｍｙ＆ｐｈｙｓｉｏｌｏｇｙ

［Ｍ］．Ｎｅｗ

Ｙｏｒｋ：ＭｃＧｒａｗ．Ｈｉｌｌ

Ｈｉｇｈｅｒ

Ｅｄｕｃａｔｉｏｎ。２００４．２６１—

３３６．

［１３】

ＨｅｒｍｉｅＪ．Ｈｅｒｍｅｎｓ，Ｂａｎ

Ｆ，ｅｔ

ａ／．Ｄｅｖｅｌｏｐｍｅｎｔ

ｏｆ

ｒｅｃｏｍｍｅｎｄａｔｉｏｎｓｆｏｒＳＥＭＧ

ｆ℃ｌＩＳＯｒ８

ａｎｄ

ｓｃｒｌｓｏｒ

ｐｌａｃｅｍｅｎｔ

ｐｒｏｃｅｄｕｒｅｓ

［Ｊ］．Ｊｏｕｒｎａｌ

ｏｆＥｌｅｃｔｒｏｍｙｏｇｒａｐｈｙ

ａｎｄＫｉｎｅｓｉｏｌｏｇｙ，２０００，１０：３６１

—３７４．

［１４】

苏金明，阮沈勇，王永利．ＭＡＴＬＡＢ工程数学［Ｍ］．北京：电子工业出版社，２００５．５０—７５．

［１５］

向东进。李宏伟，刘小雅．实用多元统计分析［Ｍ］．武汉：中国地质大学出版社，２００５．３３—５４．

［１６］

ＤｅＬｕｃａＣＪ．Ｔｈｅ

ｕ８ｅｏｆ

８ｕｒｆｉ∞ｅｌｅｃｔｒｏｍｙｏｇｒａｐｈｙ

ｉｎｂｉｏｍｅｃｈａｎｉｃｓ

［Ｊ］．Ｊｏｕｒｎａｌ

ｏｆＡｐｐｌｌｅｄＢｉｏｍｅｃｈａｎｉｃｓ，１９９７，１３（２）：１３５—１６３．

［１７］

ＮｉｌｓｓｏｎＪ，ＰａｎｉｚｚａＭ，Ｈａｌ］ｅｔＭ．Ｐｒｉｎｃｉｐｌｅｓｏｆ

ｄｉｇｉｔａｌｓａｍｐｌｉｎｇ

ｏｆ

ａ

ｐｈｙｓｉｏｌｏｇｉｃ

８ｉ酬［Ｊ］．Ｅｌｅｃｔｒｏ

ＣｌｉｎＮｅｕｒｏｐｈｙｓ，１９９３。８９：３４９—

３５８．