15、结合EEMD和形态学滤波用于EMG信号基线漂移校正

结合EEMD和形态学滤波用于EMG信号基线漂移校正

1 引言

肌电图（Electromyography, EMG）信号在生物医学工程、康复医学等领域中扮演着至关重要的角色。EMG信号反映了肌肉活动时产生的电信号，这些信号可以用于分析肌肉的功能状态、诊断疾病以及辅助康复治疗。然而，实际采集的EMG信号常常受到基线漂移的影响，导致信号质量下降，进而影响后续的分析和解读。因此，如何有效地校正EMG信号中的基线漂移成为了研究的重点。

2 基线漂移的原因

基线漂移是指EMG信号在长时间记录过程中，信号的直流分量逐渐发生变化的现象。其主要原因包括：

• 电极接触不良 ：电极与皮肤之间的接触电阻不稳定，导致信号漂移。
• 生理因素 ：如呼吸、心跳等生理活动引起的微小肌肉运动，会对信号产生干扰。
• 环境因素 ：温度变化、湿度变化等环境因素也可能引起信号漂移。

这些因素共同作用，使得EMG信号的基线发生偏移，影响了信号的真实性和准确性。

3 EEMD技术简介

3.1 经验模态分解（EMD）

经验模态分解（Empirical Mode Decomposition, EMD）是一种用于处理非线性、非平稳信号的时频分析方法。EMD通过迭代筛选过程将复杂信号分解为若干个固有模态函数（Intrinsic Mode Function, IMF），每个IMF代表信号的一个频率成分。然而，EMD在处理某些信号时可能存在边界效应