技術(shù)特征：

1.一種融合小波包和雙譜分析的肌電信號特征提取方法，其特征在于，包括以下步驟：

S1、輸入表面肌電sEMG信號，采用小波包對sEMG信號進(jìn)行j層分解；S2、選取n‘個(gè)有效頻帶，求出每個(gè)頻帶的能量；S3、將步驟S2求出的頻帶能量進(jìn)行歸一化處理，作為表面肌電sEMG信號的特征向量；S4、小波包重構(gòu)sEMG信號的時(shí)域信號；S5、對表面肌電sEMG的時(shí)域信號進(jìn)行雙譜分析，提取出雙譜特征；S6、融合小波包和雙譜分析的肌電信號特征向量。

2.根據(jù)權(quán)利要求1所述的融合小波包和雙譜分析的肌電信號特征提取方法，其特征在于，步驟S1中采用小波包對表面肌電sEMG信號進(jìn)行j層分解，小波包對sEMG進(jìn)行分解的算法為：

$\begin{array}{c}{d}_l^{j,2n}=\frac{1}{\sqrt{2}}\underset{k}{\mathrm{\Σ}}{h}_{0(k-2l)}{d}_k^{j+1,n}\\ d_l^{j,2n+1}=\frac{1}{\sqrt{2}}\underset{k}{\mathrm{\Σ}}{h}_{1(k-2l)}{d}_k^{j+1,n}\end{array},$

式中為上層小波包分解結(jié)果，和為下一級分解結(jié)果，j是尺度指標(biāo)，l為位置指標(biāo)，n為頻率指標(biāo)，k為變量，h₀和h₁為分解使用的多分辨率濾波器系數(shù)。

3.根據(jù)權(quán)利要求1或2所述的融合小波包和雙譜分析的肌電信號特征提取方法，其特征在于，所述步驟S2：選取n個(gè)有效頻帶，求出每個(gè)頻帶的能量具體包括步驟：假設(shè)信號的采樣頻率為2f，如果對信號進(jìn)行j層小波包分解，就可以形成2j個(gè)等寬頻帶，每個(gè)區(qū)間頻寬為f/(2j)，小波包分解之后，得到j(luò)層小波包系數(shù)C_j,m,k，k＝0,1,…,2^j-1,m為小波包空間位置標(biāo)識；

由Parseval能量積分等式，sEMG信號x(t)在時(shí)域上的能量為：

根據(jù)該能量積分等式關(guān)聯(lián)起來可知，式子與x(t)的小波包變換系數(shù)C_j,k具有能量量綱，因此原始信號的能量分布用小波包能量譜來表示是可行的。

4.根據(jù)權(quán)利要求3所述的融合小波包和雙譜分析的肌電信號特征提取方法，其特征在于，將步驟S2求出的頻帶能量進(jìn)行歸一化處理的公式為：

T_j,k表示頻帶能量；T′_j,k表示歸一化處理的頻帶能量。

并將其當(dāng)作sEMG信號的特征向量，即：

T＝[T′₁,T′₂,…,T′_n]；T＝[T′₁,T′₂,…,T′_n]。

5.根據(jù)權(quán)利要求3所述的融合小波包和雙譜分析的肌電信號特征提取方法，其特征在于，步驟S4采用小波包重構(gòu)表面肌電sEMG的時(shí)域信號，其中小波包重構(gòu)算法為：

$d_l^{j+1,n}=\frac{1}{\sqrt{2}}\underset{k}{\Σ}|h_{0(l-2k)}{d}_k^{j,2n}+h_{1(l-2k)}{d}_k^{j,2n+1}|,$

式中為上層小波包分解結(jié)果，和為下一級分解結(jié)果，j是尺度指標(biāo)，l為位置指標(biāo)，n為頻率指標(biāo)，k為變量，h₀和h₁為分解使用的多分辨率濾波器系數(shù)。

6.根據(jù)權(quán)利要求4所述的融合小波包和雙譜分析的肌電信號特征提取方法，其特征在于，S5、對表面肌電sEMG的時(shí)域信號進(jìn)行雙譜分析，提取出雙譜特征，具體包括步驟：

設(shè)一離散、平穩(wěn)時(shí)間序列{x(i)}，t＝1,2,…,N，根據(jù)信號的離散傅里葉變換，雙譜定義為：

B_x(f₁,f₂)＝E[X(f₁)X(f₂)X^*(f₁+f₂)]，

式中f_i為頻率變量；X(f_i)為信號的離散傅里葉變換；i＝1,2；E[]為數(shù)學(xué)期望，雙譜估計(jì)采用雙譜估計(jì)間接法，首先估計(jì)實(shí)驗(yàn)數(shù)據(jù){x(i)}的三階累積量，然后對該累積量進(jìn)行二維DFT變換，這樣就得到隨機(jī)序列的雙譜估計(jì)。

7.根據(jù)權(quán)利要求6所述的融合小波包和雙譜分析的肌電信號特征提取方法，其特征在于，所述雙譜估計(jì)間接法算法的具體描述如下：

a、將長度為N的實(shí)驗(yàn)數(shù)據(jù){x(i)}分成K段，每段有M個(gè)數(shù)據(jù)，即N＝KM；

b、進(jìn)行去均值操作，去除每段數(shù)據(jù)的均值，使將分析數(shù)據(jù)的均值為0；

c、假設(shè){x_j(i)}(i＝1,2,…,M；j＝1,2,…,K)為第j段的數(shù)據(jù)，估計(jì)每段數(shù)據(jù)的三階累積量：

表示第j段數(shù)據(jù)的三階積累量，

k₁＝max{1,-m,-n}，k₁表示1、-m、-n中最大值；

k₂＝min{M,M-m,M-n}；k₂表示M、M-m、M-n中最小值；

d、對進(jìn)行統(tǒng)計(jì)平均，得到K組數(shù)據(jù)的累積量估計(jì)，即：

${\hat{c}}_{3x}(m,n)=\frac{1}{K}\underset{j=1}{\overset{K}{\Σ}}{\hat{c}}_{3x,j}(m,n);$

e、對三階累積量估計(jì)進(jìn)行二維DFT變換，即得雙譜估計(jì)。

8.根據(jù)權(quán)利要求7所述的融合小波包和雙譜分析的肌電信號特征提取方法，其特征在于，所述融合小波包和雙譜分析的肌電信號特征向量，其具體步驟為：

每個(gè)樣本的雙譜值為B_j(f₁,f₂)，j＝1,2,…,n，n為樣本數(shù)，對每個(gè)樣本分別進(jìn)行雙譜計(jì)算，取平均可得樣本雙譜為：

$\begin{array}{cc}{B}_j(f_1,f_2)=\frac{1}{4}\underset{i=1}{\overset{5}{\Σ}}{B}_i^j(f_1,f_2),& \left(\begin{array}{cc}j=1,2,...,n;& i=1,2,...,5\end{array}\right)\end{array},$

接下來再對每個(gè)樣本求極大值Max(B_j(f₁,f₂))所對應(yīng)的即為特征向量，

然后與所述能量特征組合作為新的特征向量：

$T^{\′}=[{T_1}^{\′},T_2^{\′},...,T_n^{\′},{f_1}^j,f_2^j].$