intTypePromotion=1
ADSENSE

Phương pháp tham số cho bài toán ước lượng thời gian trễ thay đổi theo thời gian giữa hai tín hiệu điện cơ

Chia sẻ: Wang Ziyi | Ngày: | Loại File: PDF | Số trang:7

10
lượt xem
0
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết trình bày về phương pháp ước lượng hợp lý cực đại-Maximum LikeliHood Estimation (MLE) cho thời gian trễ giữa hai kênh tín hiệu điện cơ theo một mô hình đa thức được chứng minh. Mô phỏng Monte Carlo được thực hiện ở các mức nhiễu khác nhau để đánh giá tác động của nhiễu lên các phương pháp các ước lượng. Ước lượng hợp lý cực đại dẫn đến một bài toán tối ưu, trong bài báo này chúng tôi dùng phương pháp NewTon và phương pháp giả luyện kim cho việc tối ưu hóa. Mời các bạn cùng tham khảo!

Chủ đề:
Lưu

Nội dung Text: Phương pháp tham số cho bài toán ước lượng thời gian trễ thay đổi theo thời gian giữa hai tín hiệu điện cơ

  1. Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) Phương Pháp Tham Số Cho Bài Toán Ước Lượng Thời Gian Trễ Thay Đổi Theo Thời Gian Giữa Hai Tín Hiệu Điện Cơ Lưu Gia Thiện∗ , Trần Trung Duy∗ Tân Hạnh∗ Lê Quang Phú∗ ∗ Học Viện Công Nghệ Bưu Chính Viễn Thông Cơ Sở TP. Hồ Chí Minh Email: {lgthien, trantrungduy, tanhanh,phulq}@ptithcm.edu.vn Tóm tắt—Vận tốc dẫn của tín hiệu điện cơ-Muscle Fiber những vấn đề về giải phẫu và những thay đổi trong thể Conduction Velocity (MFCV) dựa trên ước lượng thời gian tích truyền dẫn điện thế hoạt động, việc này ảnh hưởng trễ giữa các kênh ghi âm điện cơ dán trên bề mặt da. Nhằm tới việc ước lượng vận tốc dẫn truyền của sợi cơ. Điều xét đến sự biến đổi của vận tốc tín hiệu điện cơ trong điều này đặc biệt đúng trong điều kiện co cơ dynamic (những kiện thường gặp hằng ngày, chúng tôi giả định rằng thời gian trễ giữa các kênh thay đổi theo thời gian. Trong bài điều kiện thường gặp hàng ngày nhất ), trong đó có cả báo này, phương pháp ước lượng hợp lý cực đại-Maximum lực và tư thế của cánh tay đòn đều thay đổi. Trong trường LikeliHood Estimation (MLE) cho thời gian trễ giữa hai hợp đó, ba yếu tố chính ảnh hưởng đến tín hiệu sEMG : kênh tín hiệu điện cơ theo một mô hình đa thức được đầu tiên là thuộc tính không dừng của tín hiệu, thứ hai chứng minh. Mô phỏng Monte Carlo được thực hiện ở các là sự thay đổi trong tính dẫn của các mô ngăn cách điện mức nhiễu khác nhau để đánh giá tác động của nhiễu lên cực và sợi cơ. Cuối cùng là sự thay đổi tương đối của các phương pháp các ước lượng. Ước lượng hợp lý cực đại dẫn đến một bài toán tối ưu, trong bài báo này chúng vị trí các điện cực đối với nguồn gốc của điện thế hoạt tôi dùng phương pháp NewTon và phương pháp giả luyện động. kim cho việc tối ưu hóa. Thời gian trễ với mô hình bất kỳ Yếu tố đầu tiên (tính không dừng) đã được nghiên cứu cũng đã được nghiên cứu bằng cách cắt sự thời gian trễ trong [2] bằng cách xem xét các mô hình độ trễ biến này thành nhiều lát. Cách tiếp cận này sẽ cho kết quả tốt thiên theo thời gian giữa các nguồn tín hiệu điện cơ nhất khi so sánh với những phương pháp khác khác. dừng ( mật độ phổ công suất không đổi theo thời gian Từ khóa—Vận tốc tín hiệu điện cơ, độ trễ thay đổi theo thời gian, mỏi cơ, tín hiệu điện cơ. ). Công việc này vẫn còn bị giới hạn ở trường hợp hai kênh. Trong một bài báo gần đây [6] , thời gian trễ không đổi ( I. GIỚI THIỆU hằng số) giữa hai kênh đã được nghiên cứu bằng phương Vận tốc truyền dẫn sợi cơ là một chỉ số sinh học quan pháp tương quan chéo tổng quát(GCC) [7]. Phương pháp trọng, liên quan tới bệnh thần kinh, cơ, mệt mỏi [1] và tổng quát này bao gồm các bộ tiền lọc có tác dụng cải sự đau [2]. Nó có thể được sử dụng trong việc chuẩn thiện kết quả ước lượng nhưng nó đòi hỏi biết trước về đoán các rối loạn thần kinh, ví dụ như việc theo dõi phổ công suất của nhiễu và các tín hiệu. Trong trường bệnh thoái hóa cơ thần kinh được nghiên cứu bởi [3], hợp dữ liệu thực tế, phổ công suất phải được ước lượng. việc đánh giá sự đau trong trường hợp viêm xơ cơ trong Trong nghiên cứu này, việc ước lượng thời gian trễ thay [4]. Chỉ số này được sử dụng rộng rãi trong các nghiên đổi theo thời gian (Time varying delay-TVD) sẽ được cứu cơ bản về điều khiển thần kin vận động ( cơ chế nghiên cứu nhưng vẫn còn hạn chế với trường hợp hai đốt cháy các MU theo lực); nghiên cứu sự mỏi) được kênh. ứng dụng trong lĩnh vực sinh lý học thể thao. Phương pháp ước lượng thời gian trễ biến thiên theo Tốc độ dẫn truyền tín hiệu điện cơ đối với người lớn thời gian tối ưu có thể được dẫn ra với phương pháp không có bệnh lý về thần kinh cơ thường từ 2 đến 8m/s ước lượng hợp lý cực đại (MLE). Tuy nhiên, cách tiếp [5] . Những khác biệt về giá trị có thể được giải thích cận này không thể sử dụng trực tiếp bởi vì các phương bởi đặc điểm giải phẩu và sinh lý với mức độ kích hoạt pháp MLE dẫn đến một vấn đề tối ưu hóa trong không thần kinh cơ khác nhau. gian N chiều, ở đó N là số mẫu của tín hiệu: một giá Tín hiệu điện cơ bề mặt phải chịu một số hạn chế do trị thời gian trễcần phải được ước lượng với mỗi giá 152 ISBN: 978-604-67-0635-9 152
  2. Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) trị thời gian, N là số tham số cần phải ước lượng. Một như tuyến tính hay là hàm mũ đã được quan sát trong cách khác với phương pháp MLE là phải giảm đáng kể thí nghiệm mà trong đó lực tăng lên với nhiều mức khác số lượng thông số cẩn phải ước lượng. Trong bài báo nhau. Sự mô hình hóa những biến thiên này là rất thú vị này, chúng tôi chọn mô hình TVD với một hàm đa thức vì nó cho phép mô hình hóa những biến thiên đã biết. có tham số p. Điều này có thể được thực hiện nhờ vào Trong [13], một mô hình của vận tốc tín hiệu điện cơ định lý Weierstrass nhằm đảm bảo rằng bất kỳ hàm liên đã được đề nghị, tuy nhiên nó không phản ánh hiệu quả tục nào cũng có thể được xắp xỉ bằng một hàm đa thức. thực của các phương pháp trong trường hợp tăng tốc và Vì vậy, thay vì ước lượng thời gian trễ tại mỗi thời điểm, giảm tốc nhanh trong các loại co cơ khác nhau [5]. Vì chỉ cần ước lượng p hệ số của đa thức. Một hàm TVD vậy, cần thiết đưa vào nhiều mô hình khác nhau biểu bất kỳ cần phải được ước lượng với một giá trị khá lớn diễn các tình huống khác nhau. Trong đề tài này, một của p. Tại giai đoạn này, sự thỏa hiệp giữa các giá trị mô hình sin nghịch đảo và mô hình đa thức của thời bậc p và các giá trị tính toán phải được xem xét. Một gian trễ đã được đề nghị, cho phép tạo ra các mô hình giá trị p thấp dẫn đến một lỗi không phù hợp giữa mô của vận tốc tín hiệu điện cơ. hình và hàm TVD thực tế. Một giá trị p cao phải chịu 1) Mô hình sin nghịch đảo: Trong nghiên cứu này, thời gian tính toán cao và các vấn đề hội tụ. mô hình sin nghịch đảo TVD được định nghĩa theo công Vì những lý do này, chúng tôi đề nghị cắt hàm thời gian thức 2 trễ thành nhiều lát cắt, mỗi lát cắt là một mô hình đa 5.10−3 thức bậc 1 (tuyến tính) và bậc 2 đã được sử dụng. θs (n) = Fs (2) 5 + 3 sin(0, 2n.2π/Fs ) Kết quả sẽ được biểu diễn bằng mô phòng Monte-Carlo theo sai số căn quân phương (RMSE) của những phương Mô hình này được đề cập trong [5]. Nó tính đến các pháp ước lượng theo các tham số (Mô hình của thời gian thay đổi sinh lý hàng ngày của vận tốc truyền dẫn sợi trễ, phương pháp, độ dài của lát cắt). cơ có thể gặp phải trong các tình huống tập luyện. Cụ II. MÔ HÌNH CỦA THỜI GIAN TRỄ VÀ TÍN HIỆU thể giá trị MFCV nhỏ nhất và lớn nhất tương ứng là GIẢ 2m/s và8m/s. Gia tốc tối đa là 2.5m/s2. Một chu kì sin tương ứng 5s hoặc tương đương khoảng 10000 mẫu A. Mô hình của tín hiệu tín hiệu. F s : tần số lấy mẫu. Xét tín hiệu điện cơ bề mặt s (n) lan truyền giữa kênh 2) Mô hình đa thức: TVD với một mô hình bất kỳ 1 và kênh 2, một mô hình phân tích đơn giản của hai có thể được phân tích thành một mô hình đa thức bậc tín hiệu quan sát được x1 (n) và x2 (n) trong miền thời p theo định luật Weierstrass. gian rời rạc, không có sự khác biệt hình dạng, công thức p 1. θp (n) = Fs θk .nk (3) k=0 x1 (n) = s(n) + w1 (n) (1) Do đó TVD được định nghĩa bởi một vector tham số có x2 (n) = s(n − θ(n)) + w2 (n) kích thước p+1 với Θ = [θ0 θ1 θ2 ....θp ] . Trong đó là thời gian trễ dẫn truyền giữa hai tín hiệu; C. Tạo tín hiệu giả w1 (n) và w2 (n) là nhiễu Gauss, giả định độc lập; trị trung bình bằng 0; phương sai σ 2 . Mỗi giá trị θ(n) được Tín hiệu trễ được tạo ra theo phân tích mô hình mật ước lượng, vận tốc dẫn truyền có thể đơn giản được suy độ phổ công suất (Power Spectral Density-PSD) theo ra bởi công thức M F CV (n) = ∆e/θ(n) , trong đó ∆e công thức 4, đã được nghiên cứu trong [14] là khoảng cách giữa các điện cực, giá trị của nó là 5mm. kfh4 f 2 Tần số lấy mẫu F s = 2048Hz. P SD(f ) = 2 (4) (f 2 + fl2 ).(f 2 + fh2 ) B. Mô hình của TVD Một ví dụ về hình dạng của PSD của tín hiệu EMG bề Để đánh giá hiệu quả của các phương pháp ước lượng, mặt trên hình 3.1a. Trong đó tham số tần số thấp và cao tín hiệu giả đã được tạo ra và áp đặt vào hai tín hiệu được cố định tương ứng với fl = 60Hz và fh = 120Hz giả một thời gian trễ. Sự biến thiên của vận tốc tín hiệu . k là thừa số chuẩn hóa. Kênh đầu tiên được tạo ra bằng điện cơ phụ thuộc vào nhiều yếu tố, loại cơ đang nghiên cách lọc tuyến tính nhiễu Gauss trắng với đáp ứng xung cứu, loại co cơ ( static hay dynamic) theo [8],[9],[10] tương ứng với PSD này (tức là biến đổi Fourier ngược loại thí nghiệm ( thí nghiệm về sự đau hay sự mệt mỏi của căn bậc 2 PSD ở trên theo công thức 4). Một khi ) trong [11]. Vì vậy, nhiều mô hình được mô tả trong kênh thứ nhất được tạo ra, phiên bản trễ của nó được các nghiên cứu trước đây. Trong [12], sự biến đổi gần tạo ra nhờ phép nội suy sinc theo như công thức 153 153
  3. Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) refeq:4, đã nghiên cứu trong [15]. Tham số p là chiều định nghĩa như sau: dài bộ lọc và chọn cố định là 40. Cuối cùng, cả hai kênh  2 đều bị thêm vào nhiễu trắng cộng với một mức tỉ số tín (x1 , x2 ; θ; s) = p (x1 , x2 ; θ; s) = p (xi (n) ; θ) hiệu trên nhiễu cho trước. Hình 1 cho thấy 200 mẫu đầu   2 i=1 −N tiên trong 10000 mẫu tín hiệu EMG giả được thực hiện = (2πσ) 2  N  và thời gian trễ của nó tại 20dB. Thời gian trễ là một  2 N 2 hàm đa thức bậc 3 được mô tả trong hình 1. exp − 2σ1 2 (x1 (n) − s (n)) + (x2 (n − θ (n)) − s (n)) n=1 n=1 p (6) s(n − θ(n)) = sin c(i − θ(n))s(n − i) (5) Lấy ln cùa hàm "LikeliHood" ta được hàm "Log Like- i=−p lihood". ln (x1 , x2 ; θ; s) TH, SNR = 20dB N 2 =− (x1 (n) − s (n)) 1 n=1 (7) (a)  N BDCH 2 − (x2 (n − θ (n)) − s (n)) 0 n=1 −1 Ước lượng của θ(n) có thể được thực hiện thông qua 0 50 100 150 200 ước lượng của s(n) vốn đạt được bằng cách cho đạo SM hàm bậc nhất theo s(k) của hàm log-likelihood bằng 1 không, với 0 ≤ k ≤ N . Đạo hàm bậc nhất của hàm Log-likelihood PSDCH (b) 0.5 ∂ ln Λ(x1 ,x2 ;θ;s) ∂s(k) (8) 0 = 2[x1 (k) − s(k)] + 2[x2 (k + θ(k)) − s(k)] 0 100 200 300 400 TS (HZ) Tối đa hóa hàm log-likelihood bằng cách cho biểu thức 5 8 triệt tiêu, ta có: TVD (M) (c) ∂ln (x1 , x2 ; θ; s) x1 (k) + x2 (k − θ(n)) = 0 => s (k) = ∂s (k) 2 0 (9) 0 2000 4000 6000 8000 10000 SM Thay thế s (n) bằng sˆ (n) vào biểu thức 7, chúng ta thu được N Hình 1. Tín hiệu giả (màu xanh da trời) và phiện bản trễ của nó 1 2 (màu đỏ), b) PSD chuẩn hóa. c) TVD với mô hình đa thức bậc 3, ln (x1 , x2 ; θ; s) = − (x2 (n − θ (n)) − x1 (n)) θ = [2.8627, −4.1246, 2.4526, −0.3337]. SM: số mẫu, PSDCH: 2 n=1 PSD chuẩn hóa, BDCH: biên độ chuẩn hóa (10) , SNR: tỉ số tín hiệu trên nhiễu. Tối đa hóa hàm log-likelihood tương đương tối thiểu biểu thức dưới đây. III. PHƯƠNG PHÁP θ = arg min e2t (θ) (11) A. Chứng minh lý thuyết θ Trong đó Giả định tín hiệu điện cơ bề mặt s (n) lan truyền giữa kênh 1 và 2. Hai tín hiệu quan sát được x1 (n) và x2 (n) N  2 trong miền thời gian rời rạc theo mô hình 1. Ước lượng e2t (θ) = (x2 (n − θ(n)) − x1 (n)) (12) thời gian trễ theo phương pháp MLE có nghĩa là tối đa n=1 hóa "LikeliHood", chính là hàm mật độ xác suất của tín Bài toán ước lượng θ(n) trở thành bài toán ước lượng hiệu quan sát được với các thông số cần phải ước lượng, vecto N thông sô θ = [θ (1) θ (2) ...θ (N )]. Với mô hình Xuất phát từ tính chất độc lập nhiễu trắng Gauss, nên TVD đa thức theo công thức 3, bài toán trở thanh bài hai tín hiệu độc lập với nhau, hàm ’LikeliHood’ được toán ước lương vecto p+1 thông số θ = [θ0 θ1 θ2 ....θp ], 154 154
  4. Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) có nghĩa là số thông số cần phải ước lượng giảm đi rất trong công thức 3. Các tham số đa thức tìm được nhiều. Trong nghiên cứu này, chúng tôi sử dụng phương là θ4 = [1.9125, −0.3475, 0.9366, −0.7187, −0.1051). pháp Newton để tìm cực tiểu của hàm e2t (θ). Tín hiệu giả được tạo ra bằng cách sử dụng tham số đa thức này thay vào công thức 3, sau đó áp đặt vào hai B. Tối ưu hóa bằng phương pháp Newton kênh. Hình 2a biểu diễn ước lượng TVD sử dụng phương Phương pháp Newton-Raphson và các cải biến của pháp Newton và phương pháp “phase coherency”. Hình nó có lẽ là phương pháp phổ biến nhất được sử dụng 2b biểu diễn sai số căn quân phương (RMSE-root mean để tìm nghiệm. Từ một nghiệm x1 ước lượng ban đầu square error) của các phương pháp ước lượng được tính của hàm f (x), nghiệm ước lượng x2 tiếp theo là giao toán bằng mô phỏng Monte Carlo. Lưu ý rằng phương điểm của tiếp tuyến tại điểm [x1 , f (x1 )] với trục hoành pháp Newton đem lại kết quả tốt hơn phương pháp Ox. Ước lượng nghiệm x3 tiếp theo sẽ là giao điểm của “phase coherency”( ngoại trừ lúc bắt đầu các tín hiệu tiếp tuyến tại điểm [x2 , f (x2 )] với trục x như trong hình ). Kết quả này được dự đoán trước bởi vì phương pháp III-B. Quá trình này có thể được lặp đi lặp lại cho đến Newton tìm kiếm một mô hình đa thức có cùng bậc khi đạt được sai số mong muốn. với đa thức lý thuyết. Ngược lại, phương pháp “phase coherency” không chú ý đến mô hình của thời gian trễ. B. Mô hình sinh nghịch đảo Trong trường hợp này, TVD sử dụng mô hình sin nghịch đảo thể hiện trong mô hình công thức 2. Hình 4 a cho thấy ước lượng TVD sử dụng phương pháp Newton và phương pháp “phase coherency”. Phương pháp newton dựa trên ước lượng TVD đa thức bậc 4 không tương thích với mô hình sin nghịch đảo. Hình 4 b cho thấy sai số căn quân phương (RMSE- root mean square error) của ước lượng được tính toán bằng mô phỏng Monte Carlo. Trong trường hợp này, phương pháp “phase coherency” có kết quả tốt hơn so với phương pháp Newton ngoại trừ các lát cắt thời gian nhỏ, nơi mà các mô hình đa thức phù hợp với TVD lý thuyết. Hình 2. Hình minh họa phương pháp Newton Kết luận cho các thử nghiệm này, các giá trị RMSE chủ yếu do mô hình không tương thích hơn là lỗi do phương IV. KẾT QUẢ MÔ PHỎNG pháp ước lượng. Một cách khác có thể cải thiện ước lượng là tăng bậc đa thức nhằm làm giảm các sai số Một mô phỏng Monte-Carlo với 100 lần chạy độc lập do mô hình không tương thích. Tuy nhiên, phương pháp được thực hiện cho mỗi giá trị SN R để nghiên cứu tác này có hai nhược điểm : động của nhiễu với các ước lượng. Trong luận văn này, 2 tín hiệu EMG giả có cùng giá trị SNR tương ứng lần • Vi các biến thiên của TVD không thể được biết lượt là 10, 20, 30, 40dB với thời gian quan sát tín hiệu trước, số bậc thích hợp của hàm đa thức không thể là 5s. Trong đề tài này chúng tôi sử dụng phương pháp được chọn. Do đó, ước lượng bậc của mô hình thích Phase-Coherency(CohF) được phát triển trong [5] như hợp là một nhiệm vụ khó khăn. là phương pháp tham chiếu nhằm so sánh với kết quả • Một hàm đa thức bậc cao đảm bảo một sự tương của phương pháp đề xuất trong nghiên cứu này. thích tốt giữa thời gian trễ thực tế và hàm mô hình nhưng thời gian tính toán sẽ tăng lên. Khi bậc đa A. Mô hình đa thức thức tăng lên, các phương pháp tối ưu Newton trở Các tham số của mô hình đa thức TVD ở công nên nan giải. thức 3 được cố định để phù hợp với mô hình sin Ý tưởng đề xuất cho vấn đề này chia tín hiệu ra thành nghịch đảo TVD theo công thức 2 trong ý nghĩa sai nhiều đoạn nhỏ, khi đó các đa thức bậc nhỏ là đủ tương số quân phương -Mean square error(MSE) ( tức là thích với mô hình thời gian trễ lý thuyết, mô hình bậc các tham số này là vị trí xảy ra cực tiểu của sai 1 và bậc 2 đã được thử nghiệm trong những lát cắt thời số căn quân phương giữa TVD trong công thức 2 và gian như vậy. Chiều dài của mỗi lát cắt tương ứng được 155 155
  5. Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) SNR= 20 dB SNR=20 dB 5 TVDLT (a) 5 TVDLT CohF NewTon 4 RM SE (m ) Newton 4 CohF 3 (a) TVD(m) 3 2 2 1 0 2000 4000 6000 8000 SM 1 0 2000 4000 6000 8000 SM SNR=20 dB SNR=20 dB 0.2 (b) 0.2 CohF (b) CohF Newton Newton 0.15 0.15 (b) RM SE (m ) 0.1 0.1 0.05 0.05 0 2000 4000 6000 8000 0 0 2000 4000 6000 8000 SM SM Hình 3. TVD (a) và RMSE (b) phụ thuộc thời gian (số mẫu:SM); Hình 4. TVD (a) và RMSE (b) phụ thuộc vào thời gian; thời gian trễ TVD lý thuyết là mô hình đa thức bậc 4 ( màu hồng) và ứớc theo lý thuyết là mô hình sin nghịch đảo ( màu đen ) và ước lượng lượng trung bình của nó bằng phương pháp “phase coherency” trung bình bằng phương pháp “Phase coherency” ( màu đỏ) và phương ( màu đỏ) và phương pháp Newton ( màu xanh dương) tham pháp Newton ( màu xanh dương) số θ 4 = [1.9125, −0.3475, 0.9366, −0.7187, −0.1051],m: mẫu; TCDLT: TVD lý thuyết; tiếp cận tuyến tính. Các thí nghiệm khác đã được thực chọn là 128 và 1024 mẫu. Các tham số hàm tuyến tính hiện bằng cách đánh giá tác động của nhiễu lên kết quả. và parabol được ước lượng cho mỗi lát độc lập bằng Để có được kết quả chính xác hơn, RM SE trung bình phương pháp Newton, tương ứng. Sau đó, các hàm ước trên toàn độ dài của tín hiệu đã được tính toán cho mỗi lượng được dán vào nhau từng đoạn một. Do tính không mức nhiễu. Hình 6 hiện thị các kết quả theo giá trị SNR. liên tục của TVD sau khi xây dựng lại, một bộ lọc thông Kết quả của phương pháp “phase coherency” và phương thấp, pha bằng không và 300 bậc với tần số cắt bằng pháp Newton cũng được hiện thị để so sánh với phương 3Hz đã được sử dụng. pháp đề xuất. Hình 5 cho thấy RM SE phụ thuộc thời gian của phương Một lần nữa, chiều dài lát ngắn hơn, kết quả tốt hơn. pháp “phase coherency”, và cho phương pháp Newton Điều này đúng cho giá trị SNR cao. Trong trường hợp xem xét với các ước lượng tuyến tính hoặc parabol cho nhiễu mạnh (SNR=10dB), kết quả thì khá giống nhau từng lát cắt, tại SN R = 20dB. Kết quả cho thấy chiều bất kể chiều dài lát cắt : chiều dài lát cắt là 128 mẫu dài lát cắt nhỏ (128 mẫu) thì thích hợp hơn là một lát dài làm cho các thông số mô hình ước lượng nhạy cảm hơn ( 1024 mẫu). Hơn nữa, phương pháp parabol gần như với nhiễu so với 1024 mẫu. Sử dụng mô hình parabol không cải thiện kết quả đáng kể so với phương pháp thay vì mô hình tuyến tính trở nên phù hợp hơn cho các 156 156
  6. Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) giá trị SNR cao và cho lát dài. 0.2 SNR=20 dB Các kết quả quan trọng là độ lợi thu được bằng các TT 128 chiến lược lát cắt so với mô hình đa thức bậc 4. Trong TT 1024 đó RM SE giảm khoảng 0.2 mẫu cho giá trị SNR từ parabol 128 10 − 40dB , RMSE giảm từ 0.15 mẫu tại 10dB đến 0.15 0.01 mẫu tại 40dB với chiều dài lát cắt 128 mẫu đối parabol 1024 với phương pháp ước lượng bằng lát cắt tuyến tính . RM SE(m ) Các RM SE với phương pháp “phase coherency” có xu 0.1 hướng giảm với việc tăng giá trị SN R nhưng nhiều hơn khoảng 0.05 mẫu. Kết luận, mô hình không phù hợp với T V D thực tế có thể được giải quyết với một mô hình đa thức bậc thấp của dữ liệu cắt lát cắt. Chiến lược này 0.05 có thể có lợi để áp dụng cho bất kỳ mô hình T V D liên tục nào. V. KẾT LUẬN 0 0 2000 4000 6000 8000 10000 Phương pháp ước lượng hợp lý cực đại kết hợp với SM phương pháp Newton cho việc ước lượng thời gian trễ thay đổi được áp dụng cho tín hiệu sEMG giả để ước Hình 5. RMSE theo thời gian (số mẫu:SM); Phương pháp Newton với lượng vận tốc dẫn truyền của tín hiệu điện cơ . Đầu ước lượng tuyến tính bằng lát cắt 128 và 1024 mẫu ( xanh dương và xanh lá cây tương ứng). Phương pháp Newton với ước lượng parabol tiên sự xấp xỉ một mô hình TVD sin nghịch đảo với vơi lát cắt 128 và 1024 mẫu ( màu xanh dương, nét đứt và màu xanh một mô hình đa thức bậc 4 cho việc tạo tín hiệu giả. lá cây, nét đứt tương ứng) Thứ hai, TVD được đề xuất cắt thành nhiều lát ( với sự xấp xỉ tuyến tính và parabol) và khi đó TVD được ước lượng bằng các lát cắt. Các phương pháp đề xuất cải thiện việc ước lượng thời gian trễ với mức tăng độ chính 0.25 xác ít nhất 0.05 mẫu khi so sánh với các phương pháp MLE cổ điển và với phương pháp phase coherency. 0.2 TÀI LIỆU THAM KHẢO TT 128 [1] R. Merletti and L. L. Conte, “Surface emg signal processing RM SE T B (m ) parabol 128 during isometric contractions.” J Electromyogr Kinesiol, vol. 7, 0.15 no. 4, pp. 241–250, Dec 1997. parabol 1024 [2] D. Farina, L. Arendt-Nielsen, R. Merletti, and T. Graven- TT 1024 Nielsen, “Effect of experimental muscle pain on motor 0.1 unit firing rate and conduction velocity.” J Neurophysiol, CohF vol. 91, no. 3, pp. 1250–1259, Mar 2004. [Online]. Available: Newton http://dx.doi.org/10.1152/jn.00620.2003 [3] D. C. Allen, R. Arunachalam, and K. R. Mills, “Critical illness 0.05 myopathy: further evidence from muscle-fiber excitability studies of an acquired channelopathy.” Muscle Nerve, vol. 37, no. 1, pp. 14–22, Jan 2008. [4] B. Gerdle, N. Ostlund, C. Grnlund, K. Roeleveld, and J. S. 0 Karlsson, “Firing rate and conduction velocity of single motor 10 20 30 40 units in the trapezius muscle in fibromyalgia patients and healthy SNR (dB) controls.” Journal of Electromyography and Kinesiology, vol. 18, no. 5, pp. 707–716, Oct 2008. [5] F. Leclerc, “Dloppement d’outils non-stationnaires pour la Hình 6. Giá trị RMSE trung bình (RMSETB) theo theo giá trị SNR mesure de dis variables appliquux signaux bioctriques,” Ph.D. . Phương pháp Newton với ước lượng tuyến tính (TT) bằng lát cắt dissertation, UNIVERSITORLNS, 2008. 128 và 1024 mẫu ( xanh dương và xanh lá cây tương ứng ). Phương [6] P. Ravier, G.-T. Luu, M. Jabloun, and O. Buttelli, “Do the pháp Newton với ước lượng parabol bằng lát cắt 128 và 1024 mẫu generalized correlation methods improve time delay estimation (màu xanh dương, nét đứt và màu xanh lá cây, nét đứt tương ứng); of the muscle fiber conduction velocity?” in Proceedings of the Phương pháp “phase coherency” (đo); Phương pháp Newton với ước 4th International Symposium on Applied Sciences in Biomedical lượng bậc 4 ( xanh lá cây, nét lớn ). and Communication Technologies, ser. ISABEL ’11. New York, NY, USA: ACM, 2011, pp. 181:1–181:5. 157 157
  7. Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) [7] C. Knapp and G. Carter, “The generalized correlation method of neural strategies from the surface emg.” J Appl Physiol, for estimation of time delay,” IEEE Transactions on Acoustics, vol. 96, no. 4, pp. 1486–1495, Apr 2004. [Online]. Available: Speech, and Signal Processing, vol. 24, no. 4, pp. 320–327, 1976. http://dx.doi.org/10.1152/japplphysiol.01070.2003 [8] C. Krogh-Lund and K. Jørgensen, “Changes in conduction ve- [12] D. Farina, L. Arendt-Nielsen, R. Merletti, and T. Graven-Nielsen, locity, median frequency, and root mean square-amplitude of the “Assessment of single motor unit conduction velocity during sus- electromyogram during 25brachii muscle, to limit of endurance.” tained contractions of the tibialis anterior muscle with advanced Eur J Appl Physiol Occup Physiol, vol. 63, no. 1, pp. 60–69, spike triggered averaging.” J Neurosci Methods, vol. 115, no. 1, 1991. pp. 1–12, Mar 2002. [9] L. Arendt-Nielsen, K. R. Mills, and A. Forster, “Changes in [13] F. Leclerc, P. Ravier, O. Buttelli, and J.-C. Jouanin, “Compar- muscle fiber conduction velocity, mean power frequency, and ison of three time-varying delay estimators with application to mean emg voltage during prolonged submaximal contractions.” electromyography,” in Proceeding of EUSIPCO, 2007. Muscle Nerve, vol. 12, no. 6, pp. 493–497, Jun 1989. [Online]. [14] D. Farina and R. Merletti, “Comparison of algorithms for estima- Available: http://dx.doi.org/10.1002/mus.880120610 tion of emg variables during voluntary isometric contractions.” [10] M. Lowery, P. Nolan, and M. O’Malley, “Electromyogram me- J Electromyogr Kinesiol, vol. 10, no. 5, pp. 337–349, Oct 2000. dian frequency, spectral compression and muscle fibre conduc- [15] Y. Chan, J. Riley, and J. Plant, “Modeling of time delay and tion velocity during sustained sub-maximal contraction of the its application to estimation of nonstationary delays,” Acoustics, brachioradialis muscle.” J Electromyogr Kinesiol, vol. 12, no. 2, Speech, and Signal Processing [see also IEEE Transactions on pp. 111–118, Apr 2002. Signal Processing], IEEE Transactions on, vol. 29, no. 3, pp. [11] D. Farina, R. Merletti, and R. M. Enoka, “The extraction 577–581, Jun 1981. 158 158
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2