[论文解读] Filter banks and the "Intensity Analysis" of EMG

Frank Borg|arXiv (Cornell University)|May 5, 2010

Muscle activation and electromyography studies参考文献 3被引用 4

一句话总结

本文通過使用Morlet小波重新詮釋von Tscharner的肌電圖信號『強度分析』，證明其數學上等價於具有非均勻間隔尺度的特殊濾波器組。該方法實現了非平穩肌電信號的時頻分解，揭示了在腿部伸展任務中動態的肌肉活動模式，並透過小波基信號處理提升了可解釋性。

ABSTRACT

Vinzenz von Tscharner (2000) has presented an interesting mathematical method for analyzing EMG-data called "intensity analysis" (EMG = electromyography). Basically the method is a sort of bandpassing of the signal. The central idea of the method is to describe the "power" (or "intensity") of a non-stationary EMG signal as a function both of time and of frequency. The connection with wavelet theory is that the filter is constructed by rescaling a given mother wavelet using a special array of scales (center frequencies) with non-constant relative bandwidth. Some aspects of the method may seem a bit ad hoc and we have therefore undertaken a closer mathematical investigation, showing the connection with the conventional wavelet analysis and giving a somewhat simplified formulation of the method using Morlet wavelets. It is pointed out that the "intensity analysis" method is related to the concept of an equalizer. In order to illustrate the method we apply it to nonstationary EMG-signals of a dynamic leg-extension force-velcity tests. (Data provided by Taija Finni, University of Jyväskylä.)

研究动机与目标

• 數學上釐清von Tscharner『強度分析』在肌電信號處理中的理論基礎。
• 建立強度分析與傳統小波理論之間的聯繫。
• 利用Morlet小波簡化方法，以提升分析清晰度與實際應用可行性。
• 展示該方法在分析腿部伸展任務中動態非平穩肌電數據方面的實用性。
• 將強度分析定位為類似於信號處理中的均衡器，以增強其可解釋性。

提出的方法

• 該方法採用濾波器組，透過非均勻陣列的中心頻率對母小波進行縮放，且相對帶寬非恆定。
• 核心技術為利用Morlet小波對肌電信號進行時頻分解，透過縮放與調制以匹配信號的局部特徵。
• 每個時間與頻率點的強度計算為小波轉換係數的平方幅度。
• 尺度選擇遵循對數進展，模擬感知或生理上的頻率解析度。
• 利用動態腿部伸展力-速度測試的實驗肌電數據驗證該方法。
• 將該方法視為基於小波的均衡器，強調其在提升時頻域信號解析度方面的角色。

实验结果

研究问题

• RQ1 在肌電信號處理背景下，強度分析與既有的小波理論有何關聯？
• RQ2 能否利用Morlet小波重構強度分析方法，以提升數學上的清晰度與一致性？
• RQ3 濾波器組中非均勻尺度間隔的意義為何？其對信號解讀有何影響？
• RQ4 該方法在捕捉非平穩肌肉收縮期間肌電活動動態變化方面的表現如何？
• RQ5 強度分析在何種程度上類似於音訊信號處理中的均衡器？

主要发现

• 強度分析方法在數學上等價於使用特定非均勻尺度分佈的連續小波轉換。
• 使用Morlet小波可簡化並提升原始強度分析框架的可解釋性。
• 該方法成功捕捉了非平穩肌電信號在動態腿部伸展任務中的時變譜內容。
• 濾波器組的非恆定相對帶寬更貼合肌電信號中頻率內容的生理感知。
• 基於小波的重構確認了該方法在概念上與均衡器的相似性，進而增強其在生物信號分析中的實用性。