8、表面肌电信号特征分析与移动钱包安全技术研究

表面肌电信号特征分析与移动钱包安全技术研究

在生物医学和金融科技领域，表面肌电信号（sEMG）特征分析以及移动钱包安全技术是两个备受关注的研究方向。前者对于假肢控制等应用具有重要意义，而后者则关乎移动支付的安全性和可靠性。

表面肌电信号特征分析

1. 研究背景与目标

sEMG 信号在假肢控制等领域具有重要应用价值，但采集到的信号往往包含多种噪声，如线路干扰等。为了有效利用 sEMG 信号控制假肢，需要对其进行去噪、特征提取和分析，以找到与手部动作相关的显著特征。

2. 研究方法

• 信号采集 ：设计了单通道 sEMG 采集系统，从 13 名正常受试者身上记录三种手部动作（握拳、球形抓握和指点）的 sEMG 信号。受试者按“休息 - 动作 - 休息”模式，每种动作在每次试验中重复 5 次，且每次动作间休息 1 分钟以避免肌肉疲劳和精神压力。使用三个一次性圆盘表面电极，其中一个为参考电极置于手腕，一对信号电极置于指浅屈肌。通过 12Hz RC 高通滤波器过滤低频噪声和运动伪影，第二级高通滤波器将信号提升到 TTL 电平并增加 20 倍增益，通过偏置调整解决偏移问题，最后使用 10 位分辨率的模数转换器（ADC）对信号进行采样。
• 信号预处理 ：由于 sEMG 信号是非平稳和非线性的，采用经验模态分解（EMD）算法进行预处理。该算法将信号分解为有限个一维函数，即本征模态函数（IMFs）。通过计算信号包络的最小值和最大值，求出均值并从原始信号中减去，迭代计算 IMFs，直到差值不变。去除三个高阶 IMFs 后重建信号，消除低于 10H