Ước lượng thời gian trễ giữa hai tín hiệu điện cơ bề mặt trong trường hợp không dừng (Luận văn thạc sĩ)

Ước lượng thời gian trễ giữa hai tín hiệu điện cơ bề mặt trong trường hợp không dừng (Luận văn thạc sĩ)Ước lượng thời gian trễ giữa hai tín hiệu điện cơ bề mặt trong trường hợp không dừng (Luận văn thạc sĩ)Ước lượng thời gian trễ giữa hai tín hiệu điện cơ bề mặt trong trường hợp không dừng (Luận văn thạc sĩ)Ước lượng thời gian trễ giữa hai tín hiệu điện cơ bề mặt trong trường hợp không dừng (Luận văn thạc sĩ)Ước lượng thời gian trễ giữa hai tín hiệu điện cơ bề mặt trong trường hợp không dừng (Luận văn thạc sĩ)Ước lượng thời gian trễ giữa hai tín hiệu điện cơ bề mặt trong trường hợp không dừng (Luận văn thạc sĩ)Ước lượng thời gian trễ giữa hai tín hiệu điện cơ bề mặt trong trường hợp không dừng (Luận văn thạc sĩ)Ước lượng thời gian trễ giữa hai tín hiệu điện cơ bề mặt trong trường hợp không dừng (Luận văn thạc sĩ)Ước lượng thời gian trễ giữa hai tín hiệu điện cơ bề mặt trong trường hợp không dừng (Luận văn thạc sĩ)

HỌC VIỆN CƠNG NGHỆ BƢU CHÍNH VIỄN THƠNG NGUYỄN HỒNG TỨ - NGUYỄN HỒNG TỨ KỸ THUẬT VIỄN THƠNG ƢỚC LƢỢNG THỜI GIAN TRỄ GIỮA HAI TÍN HIỆU ĐIỆN CƠ BỀ MẶT TRONG TRƢỜNG HỢP KHÔNG DỪNG LUẬN VĂN THẠC SĨ KỸ THUẬT (Theo định hướng nghiên cứu/ứng dụng) 2016 – 2018 THÀNH PHỐ HỒ CHÍ MINH 2018 TP HCM - 2018 HỌC VIỆN CƠNG NGHỆ BƢU CHÍNH VIỄN THƠNG - NGUYỄN HỒNG TỨ ƢỚC LƢỢNG THỜI GIAN TRỄ GIỮA HAI TÍN HIỆU ĐIỆN CƠ BỀ MẶT TRONG TRƢỜNG HỢP KHÔNG DỪNG Chuyên ngành: Kỹ thuật viễn thông Mã số: 8520208 LUẬN VĂN THẠC SĨ KỸ THUẬT (Theo định hướng nghiên cứu/ứng dụng) NGƢỜI HƢỚNG DẪN KHOA HỌC : TS LƢU GIA THIỆN TP HCM - 2018 i LỜI CAM ĐOAN Tôi cam đoan cơng trình nghiên cứu riêng Các số liệu, kết nêu luận văn trung thực chƣa đƣợc công bố cơng trình khác Tp HCM, Ngày 11 tháng 11 năm 2017 Học viên thực Nguyễn Hồng Tứ ii LỜI CẢM ƠN Lời đầu tiên, tơi xin bày tỏ lòng kính trọng biết ơn sâu sắc đến Thầy giáo hƣớng dẫn - TS Lƣu Gia Thiện dành thời gian hƣớng dẫn, giúp đỡ trình nghiên cứu thực luận văn Những lời góp ý, động viên Thầy giúp tơi có nhiều ý tƣởng q trình hồn thiện nội dung luận văn Tôi xin gửi lời cảm ơn đến Thầy, Cô giáo Học Viện Công Nghệ Bƣu Chính Viễn Thơng tận tình giảng dạy, truyền đạt kiến thức quý báu phƣơng pháp nghiên cứu khoa học giúp thuận lợi trình nghiên cứu thực đề tài Cuối cùng, tơi xin bày tỏ lòng biết ơn kính trọng sâu sắc động viên, giúp đỡ từ bạn bè, tạo điều kiện thuận lợi bạn đồng nghiệp lãnh đạo quan nhƣ hỗ trợ lớn lao từ gia đình suốt thời gian tơi tham gia q trình học tập hồn thành luận văn Xin chân thành cảm ơn ngƣời ! Tp HCM, ngày 11 tháng 11 năm 2017 Học viên thực Nguyễn Hoàng Tứ iii MỤC LỤC LỜI CAM ĐOAN .i LỜI CẢM ƠN ii MỤC LỤC iii DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT v DANH SÁCH BẢNG vii DANH SÁCH HÌNH VẼ viii MỞ ĐẦU 1 Tính cấp thiết đề tài Tổng quan vấn đề cần nghiên cứu Mục đích nghiên cứu Đối tƣợng phạm vi nghiên cứu a) Đối tượng nghiên cứu b) Phạm vi nghiên cứu Phƣơng pháp nghiên cứu Cấu trúc luận văn CHƢƠNG - TỔNG QUAN VỀ TÍN HIỆU ĐIỆN CƠ BỀ MẶT 1.1 Giới thiệu đơn vị thần kinh vận động (-Motor Unit) 1.2 Sự hình thành tín hiệu điện 1.3 Tín hiệu điện bề mặt 11 1.4 Mô hình phổ cơng suất tín hiệu điện 13 CHƢƠNG - ƢỚC LƢỢNG VẬN TỐC 15 DẪN TRUYỀN TÍN HIỆU ĐIỆN CƠ 15 2.1 Đặt vấn đề 15 2.2 Mơ hình thời gian trễ tín hiệu giả 16 iv 2.2.1 Mơ hình tín hiệu 16 2.2.2 Mô hình TVD 16 2.3 Phƣơng Pháp 18 2.3.1 Các phương pháp ước lượng truyền thống 18 2.3.1.1 Phƣơng pháp khác pha 18 2.3.1.2 Phƣơng pháp hàm tƣơng quan chéo 19 2.3.2 Phương pháp hàm tương quan chéo tổng quát 20 2.3.3 Phương pháp ước lượng hợp lý cực đại (Maximum Likelihood EstimationMLE) 24 2.3.4 Tối ưu hóa phương pháp Newton 26 CHƢƠNG – MÔ PHỎNG VÀ ĐÁNH GIÁ KẾT QUẢ 27 3.1 Các mơ hình thời gian trễ 27 3.1.1 Mơ hình hóa thời gian trễ 27 3.1.2 Mơ hình vận tốc truyền 27 3.1.3 Mơ hình đa thức 29 3.2 Các kết mô đánh giá kết 29 3.2.1 Mơ hình đa thức 29 3.2.2 Mơ hình sin nghịch đảo 30 3.3 Kết luận kiến nghị 38 TÀI LIỆU THAM KHẢO 39 v DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT Viết tắt SMU Tiếng Anh Single motor unit Tiếng Việt Đơn vị thần kinh vận động đơn MU Motor Unit Đơn vị thần kinh vận động MN Motor Neuron Tế bào thần kinh vận động MF Muscle Fiber Sợi CNS Central Neuvous System Hệ thống thần kinh trung ƣơng EMG Electromyography Điện sEMG Surface Electromyography Điện bề mặt RMS Root Mean Square Căn quân phƣơng PSD Power Spectral Density Mật độ phổ công suất GCC Generalized Cross-Correlation Tƣơng quan chéo tổng quát TVD Time Varying Delay Thời gian trễ biến thiên MFCV Muscle Fiber Conduction Velocity Vận tốc dẫn sợi CCF Cross-Correlation Function Hàm tƣơng quan chéo SNR Signal Noise Ratio Tỉ số tín hiệu nhiễu MLE Maximum Likelihood Estimation Ƣớc lƣợng hợp lý cực đại RMSE Root Mean Square Error Sai số quân phƣơng vi MSE Mean Square Error Sai số quân phƣơng TDPE Time delay parameters estimation Các thơng số ƣớc tính thời gian trễ CV Conduction velocity Vận tốc vii DANH SÁCH BẢNG Bảng 1: So sánh xử lý đƣợc thử nghiệm phƣơng pháp tƣơng quan chéo tổng quát [11] 22 viii DANH SÁCH HÌNH VẼ Hình 1: Sơ đồ đơn vị thần kinh vận động điểm hội tụ M, Gƣơng phản chiếu G, Điện kế Nơi hội tụ kích thích với đƣờng kích [14] Hình 2: Sơ đồ đơn vị thần kinh vận động đơn (SMU), bao gồm đơn vị thần kinh vận động đơn nhốm sợi xƣơng mà phân bố dây thần kinh Hình 3: Hình vẽ mơ tín hiệu điện đùi đo đƣợc tập luyện xe đạp: thời gian tín hiệu (a) mật đổ phổ công suất (b) thu đƣợc chế độ khác biệt (hai điện cực thu) bề mặt (Fs=2Khz) 12 Hình 4: Hình vẽ mật độ phổ cơng suất tín hiệu điện a) ví dụ phổ dự kiến thu đƣợc cho giá trị khác với tham số {fl; fh) đƣợc xác định từ 1-4 b) c) hai tín hiệu đƣợc mơ thu đƣợc cách lọc nhiễu Gauss với biến đổi Fourier ngƣợc bậc hai PSD (f) sử dụng hệ số tƣơng ứng lần lƣợt PSD PSD 14 Hình 1: Ƣớc lƣợng vận tốc truyền dẫn thơng qua phân tích tín hiệu 19 Hình 2: sơ đồ phƣơng pháp tƣơng quan chéo 21 Hình 3: sơ đồ phƣơng pháp tƣơng quan chéo tổng quát 21 Hình 4: Tín hiệu giả (màu xanh da trời) phiên trễ (màu đỏ), b) PSD chuẩn hóa c) TVD với mơ hình đa thức bậc 3, = [2:8627; -4.1246, 2.4526; -0.3337] SM: số mẫu, PSDCH: PSD chuẩn hóa, BDCH: biên độ chuẩn hóa, SNR: tín hiệu nhiễu 25 27 CHƢƠNG – MƠ PHỎNG VÀ ĐÁNH GIÁ KẾT QUẢ 3.1 Các mơ hình thời gian trễ 3.1.1 Mơ hình hóa thời gian trễ Để đánh giá hiệu phƣơng pháp ƣớc lƣợng, tín hiệu giả đƣợc tạo áp đặt vào hai tín hiệu giả thời gian trễ Sự biến thiên vận tốc tín hiệu điện phụ thuộc vào nhiều yếu tố, loại nghiên cứu, loại co (static hay dynamic), loại thí nghiệm (nghiệm đau hay mệt mỏi) [3] Vì vậy, nhiều mơ hình đƣợc mơ tả nghiên cứu trƣớc Trong [4], biến đổi gần nhƣ tuyến tính hàm mũ đƣợc quan sát thí nghiệm mà lực tăng lên với nhiều mức khác Sự mơ hình hóa biến thiên thú vị cho phép mơ hình hóa biến thiên biết Trong [7], mơ hình vận tốc tín hiệu điện đƣợc đề nghị, nhiên khơng phản ánh hiệu thực phƣơng pháp trƣờng hợp tang tốc giảm tốc nhanh loại co khác [8] Vì vậy, cần thiết đƣa vào nhiều mơ hình khác biểu diễn tình khác Trong đề tài này, mơ hình sin nghịch đảo mơ hình đa thức thời gian trễ đƣợc đề nghị, cho phép tạo mơ hình vận tốc tín hiệu điện 3.1.2 Mơ hình vận tốc truyền CV (n) tỉ số khoảng cách điện cực  e  thời gian trễ điện cực   n  Trong thuật toán ƣớc lƣợng TDPE, thời gian trễ đƣợc thể mẫu Trong trƣờng hợp này, CV thời điểm tức thời n đƣợc viết lại nhƣ sau (3.1) : CV  n   Fs e   n (3.1) Trong Fs tần số lấy mẫu Để đánh giá hiệu suất thuật toán TDPE gradient dƣơng âm chậm trễ, mơ hình sin đƣợc sử dụng Xem xét thay đổi vận tốc CV, 28 có giá trị vận tốc từ đến 6m.s 1 Thời gian giây đến vận tốc tối đa 1,26 m.s 2 Mơ hình đƣợc đề cập [8], kết nhiễu ảnh hƣởng đến biễu diễn chậm trễ Một ví dụ CV mơ hình sin (hình 3.2) Độ lệch độ lệch chuẩn ƣớc lƣợng CV đƣợc tính tốn cho lần chạy Mô Monte-Carlo với 100 chạy độc lập đƣợc thực cho giá trị SNR Cho tất mô phỏng, thông số là: p = 12, Fs = 2048 Hz e  mm Vì vậy, phân tích mặt lý thuyết lát cắt có thời gian 12,2 ms Tuy nhiên, thời gian tăng gấp đôi với decimation Một vectơ 2p + mức không đƣợc sử dụng để khởi tạo lọc, hệ số P(0) ma trận đồng Tác động quên yếu tố đƣợc ƣớc tính cho   [0.95 1] SNR = 20 dB Sử dụng mơ hình tham số Yule-Walker để lọc nhiễu theo thứ tự 20 Lọc nhiễu đƣợc thực tín hiệu x1 x2 trƣớc thuật tốn TDPE Hình 3.1 biễu diễn hình dạng quang phổ tín hiệu Hình 1: Hình dạng quang phổ tín hiệu đƣợc sử dụng cho kiểm tra Đối với PsEMG (f), fl = 60 Hz fh = 120 Hz PGWNHalfBAnd , tần số cắt đƣợc cố định 500 Hz 29 Hình 2: Kết ƣớc lƣợng thời gian trễ Với 100 lần mô (màu xanh lam) đƣợc chồng lên độ trễ lý thuyết (màu đỏ) Các thử nghiệm đƣợc thực tín hiệu sEMG khơng nhiễu 3.1.3 Mơ hình đa thức TVD đƣợc phân tích thành đa thức (3.2) sau :  p (n)  Fs  k 0 k nk p (3.2) Do TVD đƣợc định nghĩa vector không gian p+1 với tham số θ = [θ0 θ1 θ2 θp ] 3.2 Các kết mô đánh giá kết 3.2.1 Mơ hình đa thức Các tham số mơ hình đa thức TVD công thức (3.2) đƣợc cố định để phù hợp với mơ hình sin nghịch đảo TVD theo cơng thức (3.1) ý nghĩa sai số quân phƣơng –MSE (tức tham số vị trí xảy cực tiểu sai số quân phƣơng  s (n) công thức (3.1)  p (n) trong cơng thức (3.2) Các tham số đa thức tìm đƣợc 4  1.9125, 0.3475,0.9366,  0.7187, 0,1051 Tín hiệu giả đƣợc tạo cách sử dụng tham số đa thức thay vào công thức (3.2), sau áp đặt vào hai kênh 30 Hình 3.3a biểu diễn ƣớc lƣợng TVD sử dụng phƣơng pháp Newton phƣơng pháp “phase coherency” Hình 3.3b biểu diễn sai số quân phƣơng (RMSE-root mean square error) phƣơng pháp ƣớc lƣợng đƣợc tính tốn mơ Monte Carlo Lƣu ý phƣơng pháp Newton đem lại kết tốt phƣơng pháp “phase coherency” (ngoại trừ lúc bắt đầu tín hiệu ) Kết đƣợc dự đốn trƣớc phƣơng pháp Newton tìm kiếm mơ hình đa thức có bậc với đa thức lý thuyết Ngƣợc lại, phƣơng pháp “phase coherency” khơng cho ý đến mơ hình tính thời gian trễ Hình 3: TVD (a) RMSE (b) hàm thời gian; TVD theo lý thuyết mơ hình đa thức bậc (màu đen) Ƣớc lƣợng trung bình phƣơng pháp “phase coherency” (màu đỏ) phƣơng pháp Newton (màu xanh trời) tham số 4  1.9125, 0.3475,0.9366,  0.7187, 0,1051 [1] 3.2.2 Mơ hình sin nghịch đảo Trong trƣờng hợp này, TVD sử dụng mơ hình sin nghịch đảo thể mơ hình cơng thức (2.1) Hình 3.4a cho thấy ƣớc lƣợng TVD sử dụng phƣơng pháp Newton phƣơng pháp “phase coherency” Phƣơng pháp newton dựa ƣớc lƣợng TVD đa thức bậc khơng tƣơng thích với mơ hình sin nghịch đảo Hình 3.4b cho thấy sai số quân phƣơng (RMSE- root mean square error) ƣớc lƣợng đƣợc tính tốn mơ Monte Carlo Trong trƣờng hợp này, phƣơng pháp “phase coherency” có kết tốt so với phƣơng pháp Newton ngoại trừ lát 31 cắt thời gian nhỏ, nơi mà mơ hình đa thức phù hợp với TVD thực tế Kết luận cho thử nghiệm này, giá trị RMSE chủ yếu mơ hình khơng tƣơng thích lỗi ƣớc lƣợng Hình 4: TVD (a) RMSE (b) hàm thời gian; thời gian trễ theo lý thuyết mô hình sin nghịch đảo (màu đen) ƣớc lƣợng trung bình phƣơng pháp “Phase coherency” (màu đỏ) phƣơng pháp Newton (màu xanh trời) [1] Một cách cải thiện ƣớc lƣợng tăng bậc đa thức nhằm làm giảm sai số mơ hình khơng tƣơng thích Tuy nhiên, phƣơng pháp có hai nhƣợc điểm: Vì biến TVD khơng thể đƣợc biết trƣớc, số bậc thích hợp hàm đa thức khơng thể đƣợc chọn Do đó, ƣớc lƣợng bậc mơ hình thích hợp nhiệm vụ khó khăn; Một hàm đa thức bậc cao đảm bảo tƣơng thích tốt thời gian trễ thực tế hàm mơ hình nhƣng thời gian tính tốn tăng lên Khi bậc đa thức tăng lên, phƣơng pháp tối ƣu Newton trở nên nan giải Ý tƣởng đề xuất cho vấn đề chia tín hiệu thành nhiều đoạn nhỏ, đa thức bậc nhỏ đủ tƣơng thích với mơ hình thời gian trễ lý thuyết, mơ hình bậc bậc đƣợc thử nghiệm lát cắt thời gian nhƣ Chiều dài lát cắt tƣơng ứng đƣợc chọn 128 1024 mẫu Các tham số hàm tuyến tính parabol đƣợc ƣớc lƣợng cho lát độc lập phƣơng pháp Newton, tƣơng ứng Sau đó, hàm ƣớc lƣợng đƣợc dán vào đoạn Do tính 32 không liên tục TVD sau xây dựng lại, lọc thông thấp, pha không 300 bậc với tần số cắt 3Hz đƣợc sử dụng Hình 3.5 cho thấy RMSE phụ thuộc thời gian phƣơng pháp “phase coherency”, cho phƣơng pháp Newton xem xét với ƣớc lƣợng tuyến tính parabol cho lát cắt, SNR=20 dB Kết cho thấy chiều dài lát cắt nhỏ (128 mẫu) thích hợp lát dài (1024 mẫu) Hơn nữa, phƣơng pháp parabol gần nhƣ không cải thiện kết đáng kể so với phƣơng pháp tiếp cận tuyến tính Các thí nghiệm đƣợc thực cách đánh giá tác động nhiễu lên kết Để có đƣợc kết xác hơn, RMSE trung bình tồn độ dài tín hiệu đƣợc tính tốn cho mức nhiễu Hình 3.6 hiển thị kết theo giá trị SNR Kết phƣơng pháp “phase coherency” phƣơng pháp Newton đƣợc thị để so sánh với phƣơng pháp đề xuất Hình 5: RMSE theo thời gian; Phƣơng pháp Newton với ƣớc lƣợng tuyến tính lát cắt 128 1024 mẫu (xanh đỏ tƣơng ứng) Phƣơng pháp Newton với ƣớc lƣợng parabol với lát cắt 128 1024 mẫu (đen xanh da trời tƣơng ứng) [1] Một lần nữa, chiều dài lát ngắn hơn, kết tốt Điều cho giá trị SNR cao Trong trƣờng hợp nhiễu mạnh (SNR=10dB), kết giống chiều dài lát cắt : chiều dài lát cắt 128 mẫu làm cho thông số mô hình ƣớc lƣợng nhạy cảm với nhiễu so với 1024 mẫu Sử dụng mơ hình parabol 33 thay mơ hình tuyến tính trở nên phù hợp cho giá trị SNR cao cho lát cắt dài Các kết quan trọng độ lợi thu đƣợc chiến lƣợc lát cắt so với mơ hình đa thức bậc Trong RMSE giảm khoảng 0.2 mẫu cho giá trị SNR từ 10-40 dB , RMSE giảm từ 0.15 mẫu 10 dB đến 0.01 mẫu 40 dB với chiều dài lát cắt 128 mẫu phƣơng pháp ƣớc lƣợng lát cắt tuyến tính Các RMSE với phƣơng pháp “phase coherency” có xu hƣớng giảm với việc tăng giá trị SNR nhƣng nhiều khoảng 0.05 mẫu Kết luận, mơ hình khơng phù hợp với TVD thực tế đƣợc giải với mơ hình đa thức bậc thấp liệu cắt lát cắt Chiến lƣợc có lợi để áp dụng cho mơ hình TVD liên tục Các kết quan trọng độ lợi thu đƣợc chiến lƣợc lát cắt so với mơ hình đa thức bậc Trong RMSE giảm khoảng 0.2 mẫu cho giá trị SNR từ 10-40 dB , RMSE giảm từ 0.15 mẫu 10 dB đến 0.01 mẫu 40 dB với chiều dài lát cắt 128 mẫu phƣơng pháp ƣớc lƣợng lát cắt tuyến tính 34 Hình 6: Giá trị RMSE biến thiên theo giá trị SNR Phƣơng pháp Newton với ƣớc lƣợng tuyến tính lát cắt 128 1024 mẫu (xanh trời cam tƣơng ứng) Phƣơng pháp Newton với ƣớc lƣợng parabol lát cắt 128 1024 mẫu (đen xanh lá); Phƣơng pháp “phase coherency” (đỏ); Phƣơng pháp Newton bậc (tím) [1] Trong miền kỹ thuật số, hàm tƣơng quan tổng quát R x x ( ) lấy giá trị thời điểm rời rạc   n / Fs , Fs tần số lấy mẫu Thời gian trễ  phƣơng trình (3.3) Do đƣợc phân tích thành phần nguyên D cộng với phần phân đoạn d Phần số nguyên đƣợc ƣớc lƣợng cách tìm kiếm vị trí mẫu D dãy tối đa dãy R x x (n / Fs) Phần phân đoạn đƣợc tính cách sử dụng phép nội suy parabol [15] nhƣ sau:   D  d  D  0.5 Rx1x2 Rx1x2  D  1  Rx1x2  D  1      D  1  Rx x  D   Rx x  D  1       (3.1) Một mô Monte-Carlo với 100 lần chạy độc lập đƣợc thực cho giá trị SNR để nghiên cứu tác động nhiễu với ƣớc lƣợng Trong luận 35 văn này, tín hiệu EMG giả có giá trị SNR = 10, 20, 30, 40 dB tƣơng ứng Thời gian tín hiệu giây Hình 7: Đồ thị giới thiệu phƣơng pháp Newton-Raphson Phƣơng pháp Newton-Raphson cải biến có lẽ phƣơng pháp phổ biến đƣợc sử dụng để tìm nghiệm Từ nghiệm x1 ƣớc lƣợng ban đầu hàm f(x), nghiệm ƣớc lƣợng x2 giao điểm tiếp tuyến điểm [ x1 ,f( x1 )] với trục hoành Ox Ƣớc lƣợng nghiệm x3 giao điểm tiếp tuyến điểm [ x2 ,f( x2 )] với trục x nhƣ hình 3.7 Quá trình đƣợc lặp lặp lại đạt đƣợc sai số mong muốn Trong hình 3.8 cho thấy mức trung bình việc ƣớc lƣợng sử dụng phƣơng pháp tƣơng quan chéo lát cắt (CC), phƣơng pháp tƣơng quan chéo tổng quát với xử lý lát cắt Eckart phƣơng pháp kết hợp pha Fourrier (phƣơng pháp tham chiếu) mức 20 dB Các xử lý lát cắt Eckart ngƣời theo chậm trễ lý thuyết nhất, đặc biệt xung quanh mẫu 7000 Để hình dung tác động nhiễu ƣớc tính thời gian khác chậm trễ, đại diện cho phƣơng pháp (RMSE) sở thời gian gây nhiễu với 10, 20, 30 40 dB Đối với tất phƣơng pháp giá trị SNR, lỗi tăng lên mẫu từ 6000 đến 8000 Phƣơng pháp CohF cho thấy không phù hợp với mức tạp âm lớn (SNR = 10 dB) Trong mức nhiễu thấp (SNR = 40 36 dB), phƣơng pháp cho thấy hiệu suất tƣơng tự nhƣng với kết tốt cho xử lý lát cắt Eckart Hình 8: Độ trễ lý thuyết (màu đen) trung bình ƣớc tính phƣơng pháp tƣơng quan chéo (lát cắt CC) lát cắt (màu xanh đậm), Pha Coherence CohF (màu đỏ) với xử lý lát cắt Eckart (màu xanh lợt) cho SNR = 20 dB Kích thƣớc lát cắt 1024 mẫu cho tất phƣơng pháp Tần số lấy mẫu = 2048 Hz Hình 9: Mức trung bình RMSE chức SNR Bộ xử lý lát cắt Eckart (màu xanh lợt) lát cắt CC (màu xanh đậm) thu đƣợc cách trƣợt lát cắt, chiều dài lát cắt 1024 điểm, bƣớc điểm; Sự liên kết pha phƣơng pháp CohF (màu đỏ) 37 Hình 10: RMSE theo chức thời gian Độ tƣơng phản chéo lát cắt _CC (màu xanh đậm), phƣơng pháp kết nối pha_CohF (màu đỏ), lát cắt xử lý Eckart(màu xanh lợt) đến 10dB (a), 20 dB (b), 30 dB (c) 40 dB (d) Kích thƣớc lát cắt 1024 mẫu cho tất phƣơng pháp Xu hƣớng đƣợc khẳng định hình 3.10, biểu diễn trung bình thời gian đƣờng cong hình 3.9, chức SNR Trong hình này, thấy phƣơng pháp Eckart cho kết tốt Nhƣng giá trị 10 dB, phƣơng pháp cổ điển quan tâm phƣơng pháp đơn giản 38 3.3 Kết luận kiến nghị Sau thời gian thực đề tài, luận văn hồn thành cơng việc sau : Nghiên cứu tổng quan đơn vị thần kinh vận động, tín hiệu điện vận tốc truyền dẫn tín hiệu điện Nghiên cứu phƣơng pháp ƣớc lƣợng thời gian trễ thay phụ thuộc thời gian trƣờng hợp khơng dừng hai tín hiệu điện bề mặt Các phƣơng pháp truyền thống để ƣớc lƣợng thời gian trễ điện bền mặt điều kiện thời gian trễ thay đổi Kết mô : theo mơ hình sin ngịch đảo mơ hình đa thức với phƣơng pháp nghiên cứu Phƣơng pháp ƣớc lƣợng hợp lý cực đại kết hợp với phƣơng pháp Newton cho việc ƣớc lƣợng thời gian trễ thay đổi đƣợc áp dụng cho tín hiệu sEMG giả để ƣớc lƣợng vận tốc dẫn truyền tín hiệu điện Đầu tiên xấp xỉ mơ hình TVD sin nghịch đảo với mơ hình đa thức bậc cho việc tạo tín hiệu giả Thứ hai, TVD đƣợc đề xuất cắt thành nhiều lát(với xấp xỉ tuyến tính parabol) TVD đƣợc ƣớc lƣợng lát cắt Các phƣơng pháp đề xuất cải thiện việc ƣớc lƣợng thời gian trễ với mức tăng độ xác 0.05 mẫu so sánh với phƣơng pháp MLE cổ điển với phƣơng pháp phase coherency Hƣớng phát triển đề tài : Mở rộng cho trƣờng hợp đa kênh để cải thiện hiệu phƣơng pháp áp dụng đánh giá so với tín hiệu thực 39 TÀI LIỆU THAM KHẢO [1] L G Thiện, T T Duy, T Hạnh, and L Q Phú, "Phƣơng pháp tham số cho toán ƣớc lƣợng thời gian trễ thay đổi theo thời gian hai tín hiệu điện cơ," Khoa vật lý Học Viện Cơng Nghệ Bưu Chính Viễn Thơng TP.HCM, Việt Nam, pp Tr 3-8, 11.2015 [2] C De Luca, "Electromyography," Encyclopedia of Medical Devices and Instrumentation, vol 3, pp 98-109, 2006 [3] D Farina, L Arendt-Nielsen, R Merletti, and T Graven-Nielsen, "Effect of experimental muscle pain on motor unit firing rate and conduction velocity," Journal of neurophysiology, vol 91, pp 1250-1259, 2004 [4] D Farina and R Merletti, "Estimation of average muscle fiber conduction velocity from two-dimensional surface EMG recordings," Journal of neuroscience methods, vol 134, pp 199-208, 2004 [5] D Farina, "Interpretation of the surface electromyogram in dynamic contractions," Exercise and sport sciences reviews, vol 34, pp 121-127, 2006 [6] C Knapp and G Carter, "The generalized correlation method for estimation of time delay," IEEE Transactions on Acoustics, Speech, and Signal Processing, vol 24, pp 320-327, 1976 [7] F Leclerc, P Ravier, O Buttelli, and J.-C Jouanin (2007) Comparison of three time-varying delay estimators with application to electromyography [8] F Leclerc, P Ravier, D Farina, J.-C Jouanin, and O Buttelli, "Timevarying delay estimation with application to electromyography," in Signal Processing Conference, 2008 16th European, 2008, pp 1-5 [9] B Gerdle, N Ưstlund, C Grưnlund, K Roeleveld, and J S Karlsson, "Firing rate and conduction velocity of single motor units in the trapezius muscle in fibromyalgia patients and healthy controls," Journal of Electromyography and Kinesiology, vol 18, pp 707-716, 2008 40 [10] G.-T Luu, P Ravier, and O Buttelli, "Comparison of maximum likelihood and time frequency approaches for time varying delay estimation in the case of electromyography signals," in Biomedical Engineering International Conference (BMEiCON), 2012, 2012, pp 1-5 [11] G Luu, P Ravier, and O Buttelli, "The non-parametric approach for timevarying delay estimation with application to the electromyographics signals," in Proceedings International Conference on Green and Human Information Technology (ICGHIT), Ho Chi Minh city, VietNam, 2014, pp 1-6 [12] R Merletti and L R L Conte, "Surface EMG signal processing during isometric contractions," Journal of Electromyography and Kinesiology, vol 7, pp 241-250, 1997 [13] P Ravier, G Luu, M Jabloun, and O Buttelli, "Do the generalized methods improve time delay estimation of the muscle fiber conduction velocity?," in Proceedings of ISABEL 2011 (The 4th International Symposium on Applied Sciences in Biomedical and Communication Technologies), Spain, 2011, 2011 [14] C Sherrington, "Ferrier lecture: some functional problems attaching to convergence," Proceedings of the Royal Society of London Series B, Containing Papers of a Biological Character, vol 105, pp 332-362, 1929 [15] E Shwedyk, R Balasubramanian, and R Scott, "A nonstationary model for the electromyogram," IEEE Transactions on Biomedical Engineering, pp 417-424, 1977 [16] E Shwedyk and H H Lam, "Modelling of the nonstationary electromyogram (EMG)," in Engineering in Medicine and Biology Society, 1988 Proceedings of the Annual International Conference of the IEEE, 1988, pp 1194-1195 [17] F B Stulen and C J De Luca, "Frequency parameters of the myoelectric signal as a measure of muscle conduction velocity," IEEE Transactions on Biomedical Engineering, pp 515-523, 1981 41 [18] W H Linssen, D F Stegeman, E M Joosten, S L Notermans, M A van't Hof, and R A Binkhorst, "Variability and interrelationships of surface EMG parameters during local muscle fatigue," Muscle & nerve, vol 16, pp 849856, 1993 [19] D Farina and R Merletti, "Comparison of algorithms for estimation of EMG variables during voluntary isometric contractions," Journal of Electromyography and Kinesiology, vol 10, pp 337-349, 2000 [20] I Hunter, R Kearney, and L Jones, "Estimation of the conduction velocity of muscle action potentials using phase and impulse response function techniques," Medical and Biological Engineering and Computing, vol 25, pp 121-126, 1987 [21] L L Conte and R Merletti, "Advances in processing of surface myoelectric signals: Part 2," Medical and Biological Engineering and Computing, vol 33, pp 373-384, 1995 [22] P Parker and R Scott, "Statistics of the myoelectric signal from monopolar and bipolar electrodes," Medical and Biological Engineering and Computing, vol 11, pp 591-596, 1973 ... QUAN VỀ TÍN HIỆU ĐIỆN CƠ BỀ MẶT Trình bày tổng quan tín hiệu điện bề mặt bao gồm: giới thiệu đơn vị thần kinh vận động (Motor Unit), Sự hình thành tín hiệu điện cơ, tín hiệu điện bề mặt (chỉ... kiện thời gian trễ thay đổi theo thời gian 3 Mục đích nghiên cứu Nghiên cứu phƣơng pháp ƣớc lƣợng thời gian trễ thay đổi, phụ thuộc vào thời gian trƣờng hợp không dừng hai tín hiệu điện bề mặt. .. lƣợng thời gian trễ hai tín hiệu điện bề mặt trƣờng hợp không dừng cụ thể: Trong tài liệu [7], tác giả nghiên cứu so sánh ba ƣớc lƣợng trễ thời gian khác ứng dụng điện dựa phép phƣơng pháp thời gian