pt1000零点漂移修正c语言函数,零点漂移-山东大学课程中心.PPT

零点漂移-山东大学课程中心

表面肌电信号检测与处理 (6)sEMG分析和特征提取方法—非线性分析 (c) 分形维数分析 分形维数是研究sEMG常用的非线性动力学方法，分形维数描述了系统表征一个吸引子所需变量的多少，也就是其自由度多少。正常人sEMG和病人sEMG的分形维数明显不同，正常人sEMG具有更大的维数，而当人在患病时，肌肉活动呈现一定的规则变化， sEMG维数相对减小，在某些情况下， sEMG维数的减少意味着异常的肌肉神经功能。在sEMG实际分析应用中，常采用由sEMG功率谱导出分形维数，基本思路是： sEMG的功率谱满足幂律关系 满足此关系的信号称作自仿射信号或分形信号，则其分形维数可表示为： 而 r可以通过双对数坐标功率谱图的极低频段用最小二乘法拟合求得，从而可得到分形维数D。 表面肌电信号检测与处理 (6)sEMG分析和特征提取方法—非线性分析 (d)隐马尔可夫模型 隐马尔可夫信号分析方法的基本原理是寻找sEMG信号马尔可夫阶次，这种方法与分形维数有点相似，其基本原理如下：如果一个信号是纯随机信号，那么就称为零阶马尔可夫信号，该信号的阶次就是0，这种信号的特点是相互统计独立的，且有共同的密度函数 。零阶马尔可夫信号无记忆，因为 或 这就意味着 的发生不影响 的数值。一阶马尔可夫信号的阶次是1，它的记忆力能持续一个取样时间间隔，即 其它的依次类推。 sEMG的隐马尔可夫分析就是通过计算sEMG信号的马尔可夫阶次来分析神经肌肉系统的状态 表面肌电信号检测与处理 (6)sEMG分析和特征提取方法—非线性分析 (e)复杂度分析 根据Kolmogorov的理论，复杂性可以认为是产生某给定“0，1”序列所需最少计算机程序的比特数，但是按这种定义没有一般的算法。对sEMG进行复杂度分析时，通常采用的是Lempel和Ziv提出的算法，该算法首先将序列重构为“0，1”序列，然后依次检索“0，1”序列中出现新字符串的种类和次数计算得到复杂度。算法将随机序列复杂度定义为1，而有规律的周期运动序列复杂度趋向于0，进而通过复杂度的值说明sEMG序列的规则程度。 表面肌电信号检测与处理 (6)sEMG分析和特征提取方法—非线性分析 (f) Lyaponov指数 Lyaponov指数(lyaponov exponents, LE)是衡量HRV信号在相空间周围收敛和发散程度的一个指标，用于刻画系统运动过程中的动态特性，描述相体积或轨道分离的快慢。由于Lyaponov指数是通过对较长一段时间内的吸引子求平均得到的，而吸引子本身也是在运动过程中长时间形成的，因而对数据长度的要求较高。 另外，Lyaponov指数在研究真正的动力学系统时效果较好，但主要是理论意义的，对于实际测得的生理信号，由于不可避免地带有一定的噪声，应用该指标会表现出明显的局限性。 表面肌电信号检测与处理 (6)sEMG分析和特征提取方法—非线性分析 (g) 信息熵 自1948年信息论之父C. E. Shannon提出“信息熵”理论后，熵测度用于信号复杂度分析便得到了众多研究者的支持和青睐，熵度量了一个信号中包含的平均不确定性程度，反映了信号的有序和无序状态，成为信息测度领域一种统一的科学计量方法。其后在Shannon“信息熵”理论的指导下，出现了诸如Kolmogorov熵、近似熵(approximate entropy, ApEn)、动态近似熵(dynamic approximate entropy, dApEn)、样本熵(sample entropy, SampEn)、模式熵(mode entropy，ModEn)、多尺度熵(multiscale entropy, MSE)、基本尺度熵(base-scale entrory, BSE)、联合熵(joint entropy, JE)等多种熵测度方法，极大地提升了生理信号非线性分析水平。 内容 基于图像识别技术的人体运动轨迹检测 人体地面反力检测 表面肌电信号的检测与处理 研讨 围绕自己感兴趣的康复理论或技术，进行课堂展示和研讨 要求包括的内容为： 基本原理 关键技术 应用情况 要求图文并茂，适当采用多媒体形式 PPT不少于20页 注意现场的展示效果 每位同学展示20分钟，讨论5分钟。 Session 1 吕亚东 张明 赵仲秋 李金萍 张娜 陈财 Session 2 郭帅 沈忱 王艳秋 董蕾蕾 张成昱 黄星灿 * * * * * * * * * * *