生理信号识别装置及生理信号识别方法

摘要

本发明提供一种生理信号识别装置及生理信号识别方法。对生理信号执行均方根算法来获得噪声阈值，并基于噪声阈值来调整生理信号，而获得调整后信号。之后，在调整后信号中侦测肌力启动点。

说明书

技术领域

本发明涉及一种信号处理机制，且特别涉及一种生理信号识别装置及生理信号识别方法。

背景技术

现代人越来越依赖智能型穿戴装置来感测生理信号，藉此时刻注意身体状态，并有效管理健康。现在大部分的人普遍都很注重自身的健康，除了工作以外也会空出时间做些运动，无论是居家运动或是去健身房都是很方便的选择。基于肌电(electromyography，EMG)信号与运动的高度相关性，EMG信号的分析成为热门的研究议题，广泛地应用在许多的領域。EMG信号可用来判别肌肉的疲惫程度，藉由时域上的分析可监控可能状况和周边疲惫，而频域上的分析则可了解运动单元的激发率。目前在时域及频域分析上已有多项指标可做为医疗运用参考。然而，EMG信号会因背景噪声大、其他肌肉及电极间距噪声变异，导致信号失真，判读不易。

发明内容

本发明是针对一种生理信号识别装置，包括：生理信号传感器，感测生理信号；以及处理器，耦接至生理信号传感器且经配置以：对生理信号执行均方根(Root MeanSquare，RMS)算法来获得噪声阈值；基于噪声阈值来调整生理信号，而获得调整后信号；以及在调整后信号中侦测肌力启动点。

根据本发明的实施例，所述处理器经配置以：将生理信号中小于噪声阈值的振幅乘上第一权重值，将生理信号中大于或等于噪声阈值的振幅乘上第二权重值，藉此来获得调整后信号。

根据本发明的实施例，所述处理器经配置以：设定启动信号阈值，并基于启动信号阈值在调整后信号中侦测肌力启动点。

根据本发明的实施例，所述处理器经配置以：根据一动作速度来设定启动信号阈值。

根据本发明的实施例，所述处理器经配置以在对生理信号执行RMS算法之前，执行校正程序，以在获得校正后生理信号之后，对校正后生理信号执行RMS算法。所述校正程序包括：转换生理信号为初始频域信号；查找数据库以获得噪声频率；去除初始频域信号中的噪声频率而获得校正后频域信号；转换校正后频域信号为时域信号；以及记录时域信号为校正后生理信号。

根据本发明的实施例，所述生理信号识别装置还包括：补偿元件。所述补偿元件耦接至处理器，用以获得补偿值。所述处理器经配置以：基于补偿值来计算噪声变异量，并自数据库中查找与噪声变异量对应的噪声频率。

根据本发明的实施例，所述补偿元件用以测量生理信号传感器的两电极间的拉伸间距来作为补偿值。所述处理器经配置以：基于拉伸间距来获得阻值，而基于所述阻值来计算噪声变异量。

根据本发明的实施例，所述补偿元件用以测量导电率来作为补偿值。所述处理器经配置以：自数据库中查找与导电率对应的噪声频率。

根据本发明的实施例，所述处理器经配置以查找数据库，比对初始频域信号与标准信号，以获得噪声频率。

根据本发明的实施例，所述生理信号为肌电(electromyography，EMG)信号。

本发明是针对一种生理信号识别方法，包括：转换生理信号为初始频域信号；基于由补偿元件所获得的补偿值来计算噪声变异量；自数据库中查找与噪声变异量对应的噪声频率；去除初始频域信号中的噪声频率而获得校正后频域信号；转换校正后频域信号为时域信号；以及记录时域信号为校正后生理信号。

本发明是针对一种生理信号识别方法，包括：转换生理信号为初始频域信号；比对初始频域信号与标准信号，以获得噪声频率；去除初始频域信号中的噪声频率而获得校正后频域信号；转换校正后频域信号为时域信号；以及记录时域信号为校正后生理信号。

基于上述，本公开实施例可实时侦测噪声进而修正信号，提高动态精准度，减少信号失真。

附图说明

图1是依照本发明一实施例的生理信号识别装置的方块图。

图2是依照本发明一实施例的系统模块的方块图。

图3A及图3B是依照本发明一实施例的生理信号的示意图。

图4是依照本发明一实施例的生理信号识别装置的方块图。

图5是依照本发明一实施例的生理信号识别方法的流程图。

图6是依照本发明一实施例的感测电极的示意图。

图7是依照本发明一实施例的生理信号识别装置的方块图。

图8是依照本发明一实施例的生理信号识别方法的流程图。

图9是依照本发明一实施例的系统模块的方块图。

图10是依照本发明一实施例的系统模块的方块图。

附图标记说明

100、400、700：生理信号识别装置

110：生理信号传感器

120：处理器

130、420：存储装置

200、42、900、1000：系统模块

201：RMS模块

203：信号调整模块

205：阈值设定模块

207：肌力启动点侦测模块

301：主频区域

310：生理信号

320：调整后信号

410：补偿元件

421：噪声变异运算模块

422：频域转换模块

423：降噪模块

424：逆频域转换模块

601：可拉伸电容/电阻

1010：参数数据库

A1、A2、A2’：电极

d、d’：间距

P：肌力启动点

T1：启动信号阈值

Z：噪声阈值

S505～S530：生理信号识别方法的各步骤

S805～S825：生理信号识别方法的各步骤

具体实施方式

现将详细地参考本发明的示范性实施例，示范性实施例的实例说明于附图中。只要有可能，相同组件符号在图式和描述中用来表示相同或相似部分。

图1是依照本发明一实施例的生理信号识别装置的方块图。请参照图1，生理信号识别装置100包括生理信号传感器110、处理器120以及存储装置130。处理器120耦接至生理信号传感器110以及存储装置130。

生理信号传感器110用以侦测生理信号。生理信号例如为EMG信号。处理器120例如为中央处理单元(Central Processing Unit，CPU)、物理处理单元(Physics ProcessingUnit，PPU)、可编程的微处理器(Microprocessor)、嵌入式控制芯片、数字信号处理器(Digital Signal Processor，DSP)、特殊应用集成电路(Application SpecificIntegrated Circuits，ASIC)或其他类似装置。

存储装置130例如是任意型式的固定式或可移动式随机存取存储器、只读存储器、闪存、安全数字卡、硬盘或其他类似装置或这些装置的组合。存储装置130中存储有多个代码段，而上述代码段在被安装后，由处理器120来执行，藉此来执行生理信号识别方法。所述生理信号识别方法包括：对生理信号执行均方根(Root Mean Square，RMS)算法来获得噪声阈值，基于噪声阈值来调整生理信号，而获得调整后信号，并且在调整后信号中侦测肌力启动点。

上述代码段可组成为一系统模块，如图2所示。图2是依照本发明一实施例的系统模块的方块图。在图2中，系统模块200包括RMS模块201、信号调整模块203、阈值设定模块205以及肌力启动点侦测模块207。将生理信号传送至RMS模块201，而由RMS模块201对生理信号执行RMS算法以获得噪声阈值。接着，由信号调整模块203基于噪声阈值来调整生理信号。例如，将生理信号中小于噪声阈值的振幅乘上一第一权重值，将所述生理信号中大于或等于所述噪声阈值的振幅乘上一第二权重值，藉此来获得所述调整后信号。

图3A及图3B是依照本发明一实施例的生理信号的示意图。在图3A中，将生理信号310中小于噪声阈值Z的振幅乘上第一权重值，将生理信号310中大于或等于噪声阈值Z的振幅(即，主频区域301中的振幅)乘上第二权重值，藉此获得调整后信号320。在此，第一权重值例如为0.01，第二权重值例如为1。即，将小于噪声阈值Z的振幅视为是噪声，故，将被视为噪声的振幅乘上0.01，以降低其影响性。另一方面，将大于或等于噪声阈值Z的振幅视为是主要频率，故，将被视为是肌力信号的振幅乘上1，以维持其信号强度，而不会降低主要频率的振幅。另外，在其他实施例中，第一权重值也可以为其他任意数值，在此并不限定。

在获得调整信号320之后，如图3B所示，阈值设定模块205基于调整后信号来设定启动信号阈值T1。在此，阈值设定模块205可根据肌肉完成特定动作的动作速度来设定启动信号阈值T1。动作速度快，则启动信号阈值T1设定为高；动作速度慢时，启动信号阈值T1设定为低。例如，处理器120根据生理信号中波形持续时间来判断动作快慢，亦是信号波形振荡的频率，频率愈小则表示动作较慢，反之，频率愈大则表示动作较快，因可根据频率大小侦测动作速度；此处说明是可实施的。据此，可在每次用户配戴生理信号识别装置100执行特定动作的期间，处理器120根据生理信号的波形来判断动作速度。据此，基于动作速度来调整启动信号阈值T1进而提高肌力启动点的辨识率。而在获得启动信号阈值T1之后，由肌力启动点侦测模块207基于启动信号阈值T1，在调整后信号320中侦测肌力启动点P。例如，在侦测到信号突然持续大于启动信号阈值T1的那一点，便将所述点设定为肌力启动点P。

图4是依照本发明一实施例的生理信号识别装置的方块图。请参照图4，生理信号识别装置400包括生理信号传感器110、处理器120、补偿元件410以及存储装置420。处理器120耦接至生理信号传感器110、补偿元件410以及存储装置420。存储装置420中存储有多个代码段，而上述代码段在被安装后，由处理器120来执行，藉此来执行生理信号识别方法。上述代码段可组成为系统模块42。系统模块42包括噪声变异运算模块421、频域转换模块422、降噪模块423以及逆频域转换模块424。底下搭配上述系统模块42来说明生理信号识别方法各步骤。

图5是依照本发明一实施例的生理信号识别方法的流程图。请同时参照图4及图5，在步骤S505中，由频域转换模块422转换生理信号为初始频域信号。例如，频域转换模块422采用傅立叶变换算法将时域的生理信号转换至频域，以获得初始频域信号。

接着，在步骤S510中，由噪声变异运算模块421基于由补偿元件410所获得的补偿值来计算一噪声变异量。补偿元件410用以测量生理信号传感器110中的两电极间的阻值来作为补偿值。噪声变异运算模块421基于补偿值来计算噪声变异量。

表1所示为噪声变异量的查找表。不同的补偿值具有对应的噪声变异量。其中x

表1

表1中，在两电极未被拉伸时的噪声变异量D

其中，D

另外，也可通过补偿元件410测量两电极间的拉伸间距来作为补偿值。图6是依照本发明一实施例的感测电极的示意图。在本实施例中，利用可拉伸电容/电阻601来作为补偿元件410。可拉伸电容/电阻601设置在电极A1、A2之间。并且，以电极A2’来表示位移后的电极A2。拉伸前的间距为d，拉伸后的间距为d’，故，拉伸间距为d’-d。

举例来说，可设定为在拉伸间距为1mm时，噪声变异量为CV1；在拉伸间距为2mm时，噪声变异量为CV2，以此类推。或者，也可以设定为：在拉伸间距落在0～1mm的范围内时，噪声变异量为CV1；在拉伸间距落在1～2mm时，噪声变异量为CV2，以此类推。

另外，补偿元件410还可采用多重电容或陀螺仪来实现，可侦测多方向伸展的运动形态。例如，利用多重电容来感测电极在多方向的拉伸，或是利用陀螺仪来感测扭转拉伸形变，藉此测量两电极间的拉伸间距。

又，补偿元件410也可以用来测量导电率来作为补偿值。即，利用补偿元件410感测皮肤汗液来获得导电率。之后，处理器120自数据库中查找与导电率对应的噪声频率。

表2所示为导电率与频率的对应关系。表2

以导电率10％而言，倘若补偿元件410侦测到导电率为10％，经由查表得知在频率10Hz、20Hz处具有振幅，分别为1db、3db，故，以频率10Hz、20Hz来作为噪声频率。

在获得噪声变异量之后，噪声变异运算模块421在步骤S515中，自数据库中查找与噪声变异量对应的噪声频率。即，可事先在存储装置420中建立好不同的噪声变异量对应的一个或多个噪声频率。在获得噪声变异量之后，便可通过查表来获得对应的噪声频率。

之后，在步骤S520中，降噪模块423去除初始频域信号中的噪声频率而获得校正后频域信号。然后，在步骤S525中，逆频域转换模块424转换校正后频域信号为时域信号。而在步骤S530中，处理器120记录时域信号为校正后生理信号。

在其他实施例中，也可以不使用补偿元件，而直接根据生理信号与标准信号来获得噪声频率。图7是依照本发明一实施例的生理信号识别装置的方块图。图8是依照本发明一实施例的生理信号识别方法的流程图。在本实施例中，生理信号识别装置700与生理信号识别装置400的差别在于生理信号识别装置700中不具有补偿元件410。

在步骤S805中，由频域转换模块422转换生理信号为初始频域信号。接着，在步骤S810中，噪声变异运算模块421比对初始频域信号与标准信号，以获得噪声频率。在此，在开始启用生理信号识别装置700时，先进行初始化设定来获得尚未开始进行动作的初始生理信号，并将其转换至时域的信号来作为标准信号，以供后续进行比对用。例如，将初始频域信号减去标准信号来获得噪声频率。

之后，在步骤S815中，降噪模块423去除初始频域信号中的噪声频率而获得校正后频域信号。然后，在步骤S820中，逆频域转换模块424转换校正后频域信号为时域信号。而在步骤S825中，处理器120记录时域信号为校正后生理信号。

另外，图5及图8所示的生理信号识别方法在获得校正后生理信号后，还可进一步对校正后生理信号执行RMS算法来获得噪声阈值，并基于噪声阈值来调整校正后生理信号，而获得调整后信号。也就是说，系统模块200与系统模块42可进行整合。

图9是依照本发明一实施例的系统模块的方块图。本实施例的系统模块900为整合系统模块200与系统模块42而获得。通过噪声变异运算模块421、频域转换模块422、降噪模块423以及逆频域转换模块424对生理信号进行校正程序而获得校正后生理信号之后，逆频域转换模块424将校正后生理信号传送至RMS模块201。之后，由RMS模块201、信号调整模块203、阈值设定模块205以及肌力启动点侦测模块207对校正后生理信号进行调整，以在调整后信号中侦测肌力启动点，详细描述可参照上述图2、图3A及图3B的相关记载。

图10是依照本发明一实施例的系统模块的方块图。在本实施例中，系统模块1000包括噪声变异运算模块421、参数数据库1010、RMS模块201、信号调整模块203、阈值设定模块205以及肌力启动点侦测模块207。噪声变异运算模块421在获得噪声变异量之后，将噪声变异量存储至参数数据库1010。而RMS模块201查询参数数据库1010获得噪声变异量，藉此来变更RMS算法中用于标准偏差数值设定的参数。

上述实施例可应用于科学化运动训练，可精准分析各肌肉启动顺序，进行对应的训练调整。例如，可应用于棒球、体适能、高尔夫等运动训练。上述实施例还可应用于复健、长照等健康照护，可确认复健动作是否确实外，拮抗肌的时机差也是肌肉与关节变异的指标。上述实施例也可应用于监控劳工安全，可分析长期出力的劳工，例如侦测左右肌力大小、肌肉收缩时间的差异、或手部拮抗肌的时机差过大等来作为身体警讯，藉此供雇主参考。

综上所述，本公开通过演算将噪声与主要信号分离来修正信号，提高动态精准度，减少信号失真。并且，利用权重调整，可降低噪声的振幅并且能够维持主要频率的振幅。此外，还可根据用户的动作速度来调整启动信号阈值，可提高肌力启动点的辨识率。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。