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 Hoàng Tứ ƢỚC LƢỢNG THỜI GIAN TRỄ GIỮA HAI TÍN HIỆU ĐIỆN CƠ BỀ MẶT TRONG TRƢỜNG HỢP KHÔNG DỪNG Chuyên ngành: Kỹ thuật viễn thơng Mã số: 8520208 TĨM TẮT LUẬN VĂN THẠC SĨ TP HCM - 2017 Luận văn đƣợc hồn thành tại: HỌC VIỆN CƠNG NGHỆ BƢU CHÍNH VIỄN THÔNG Ngƣời hƣớng dẫn khoa học: TS LƢU GIA THIỆN Phản biện 1: …………………………………………………………………………… Phản biện 2: ………………………………………………………………………… Luận văn đƣợc bảo vệ trƣớc Hội đồng chấm luận văn thạc sĩ Học viện Cơng nghệ Bƣu Viễn thông Vào lúc: ngày tháng năm Có thể tìm hiểu luận văn tại: - Thư viện Học viện Công nghệ Bưu Viễn thơng MỞ ĐẦU Tính cấp thiết đề tài : Lý mà Học viên chọn đề tài “Ước lượng thời gian trễ hai tín hiệu điện bề mặt trường hợp khơng dừng” đưa sau: Ngày nay, khoa học kỹ thuật phát triển vượt bậc gắn liền với đời sống người, diện lĩnh vực, với mục đích làm cho chất lượng sống người ngày nâng cao Và y học ngoại lệ, giúp cải thiện sức khỏe người, chuẩn đốn bệnh lý, phát sớm bệnh Các nghiên cứu tín hiệu điện y học bước phát triển lĩnh vực y sinh nói riêng y học nói chung Với tác dụng lớn thiết bị điện việc hỗ trợ cho bác sỹ việc chuẩn đoán chữa bệnh cơ, thần kinh… Tín hiệu điện (Electromyography - EMG) ghi lại điện trường sinh hoạt động điện Nó cho ta biết thơng tin quan trọng hoạt động hệ thần kinh Vì sử dụng nghiên cứu điều khiển vận động (Motor control) Ta trích xuất nhiều thơng tin từ tín hiệu điện Trong nghiên cứu có vận tốc truyền dẫn sợi quan tâm thơng số dễ dàng cho việc biểu diễn thông số khác Vận tốc truyền dẫn sợi số sinh học quan trọng, liên quan tới bệnh thần kinh, cơ, mệt mỏi đau Nó sử dụng việc chuẩn đốn rối loạn thần kinh, ví dụ việc theo dõi bệnh thối hóa thần kinh nghiên cứu , việc đánh giá đau trường hợp viêm xơ Chỉ số sử dụng rộng rãi nghiên cứu điều khiển thần kinh vận động (cơ chế đốt cháy MU theo lực; nghiên cứu mỏi) ứng dụng lĩnh vực sinh lý học thể thao Tốc độ dẫn truyền tín hiệu điện người lớn khơng có bệnh lý thần kinh thường từ đến 8m/s[4] Những khác biệt giá trị giải thích đặc điểm giải phẩu sinh lý với mức độ kích hoạt thần kinh khác Vận tốc tín hiệu điện đo cách gian tiếp thông qua thời gian trễ ghi lại hai điện cực đặt dọc theo phương sợi cơ, vận tốc tín hiệu điện ln thay đổi theo thời gian điều kiện co ngày (chạy, đạp xe…) Vận tốc thay đổi theo thời gian tín hiệu điện tín hiệu không dừng Cần phải phát triển phương pháp ước lượng thời gian trễ theo thời gian điều kiện không dừng Tổng quan vấn đề cần nghiên cứu : Cho đến nay, có vài cơng bố nghiên cứu ước lượng thời gian trễ hai tín hiệu điện bề mặt trường hợp khơng dừng cụ thể: Trong tài liệu[3], tác giả nghiên cứu so sánh ba ước lượng trễ thời gian khác ứng dụng điện dựa phép phương pháp thời gian tần số phép biến đổi wavelet Ưu điểm phương pháp không phụ thuộc vào mơ hình thời gian trễ phụ thuộc vào nhiễu mật độ phổ cơng suất tín hiệu Trong tài liệu[5] [1], So sánh phương pháp ước lượng hợp lý cực đại phương pháp thời gian tần số Trong báo tác giả đề suất mơ hình đa thức cho thời gian trễ áp dụng phương pháp ước lượng hợp lý cực đại cho lát cắt thời gian khơng gian ngắn với mơ hình đa thức bậc thấp nhằm tiết kiệm thời gian tính tốn giảm sai số xảy cho mơ hình thời gian trễ Kết phương pháp đề suất cho kết tốt phương pháp thời gian tần số điều kiện Trong luận văn này, tác giả đề xuất áp dụng phương pháp hàm tương quan chéo tổng quát điều kiện thời gian trễ thay đổi theo thời gian Mục đích nghiên cứu: Nghiên cứu phương pháp ước lượng thời gian trễ thay phụ thuộc thời gian trường hợp không dừng hai tín hiệu điện bề mặt Đề xuất phương pháp hàm tương quan chéo tổng quát Lập trình phương pháp Matlab, đánh giá kết phương pháp đạt Đối tƣợng phạm vi nghiên cứu: a) Đối tƣợng nghiên cứu Mơ hình tín hiệu: x1 (n) s(n) w1 (n) (1) x2 (n) s(n (n)) w (n) Trong n thời gian trễ dẫn truyền hai tín hiệu; (n) (n) nhiễu Gauss Nhằm đánh giá hiệu phương pháp đề suất Cần phải tạo tín hiệu mơ Kênh thứ tạo theo mô mật độ phổ công suất giới thiệu tài liệu[8] Kênh thứ hai (phiên trễ kênh thứ theo công thức)[6] s(n (n)) i p sin c(i (n))s(n i) p (2) Để không tính tổng qt vấn đề tín hiệu công thêm nhiễu trắng Gauss b) Phạm vi nghiên cứu Phạm vi đề tài tập trung vào nội dung sau: Các phương pháp truyền thống để ước lượng thời gian trễ điện bền mặt điều kiện thời gian trễ thay đổi Được thực tín hiệu mơ phần mềm MatLab Phƣơng pháp nghiên cứu: Tạo tín hiệu giả phần mềm Matlab để đánh giá phương pháp thử nghiệm Đề xuất ứng dụng phương pháp hàm tương quan tổng quát trường hợp thời gian trễ thay đổi Dùng phương pháp mô Monte-Carlo để đánh giá, tìm phương pháp tốt Cấu trúc luận văn : Dự kiến cấu trúc nội dung luận văn bao gồm 03 chương, cụ thể sau: CHƢƠNG 1- TỔNG QUAN VỀ TÍN HIỆU ĐIỆN CƠ BỀ MẶT 1.1 Giới thiệu đơn vị thần kinh vận động (-Motor Unit) : Motor Unit (đơn vị thần kinh vận động) tạo thành từ nơ-ron vận động sợi xương bao quanh đầu nối trục thần kinh vận động nơ-ron Các nhóm Motor Unit thường phối hợp với để thực động tác co Khi đơn vị vận động kích hoạt, tất sợi đồng loạt thực Trong động vật có xương sống , lực co bị kiểm sốt số đơn vị vận động kích hoạt Số lượng sợi kết nối với đơn vị vận động khác nhóm bắp khác thể Ví dụ đơn vị vận động đùi liên kết với hàng trăm sợi cơ, đơn vị vận động mắt liên kết với khoảng 10 sợi (cơ mắt) Thuật ngữ “Motor Unit” giới thiệu lần ơng Charles Sherrington vào năm 1929[14]( hình 1.1), ông người sáng lập thần kinh học đại, ông quan sát thấy lực xuất bước bị co lại phản xạ duỗi Ý tưởng Sherrington MU giả định sợi nhận kích thích từ tế bào thần kinh vận động sợi phản ứng xác tới xung tế bào thần kinh vận động Những giả định sau chứng minh xương người trưởng thành, khỏe mạnh Đơn vị thần kinh vận động trở thành khái niệm việc nghiên cứu sinh lý học kiểm soát vận động Xuyên suốt trình xếp đường dẫn hệ thống thần kinh, có nơi có hai nhiều đường hội tụ Các trường hợp bật hội tụ xảy tủy sống Ở tủy sống, dây thần kinh vận động nhận kích thích khác truyền từ não kích hoạt sợi cách có chủ đích Nó tiếp nhận thơng tin từ vùng ngoại biên thông qua vùng điều khiển(đường hướng tâm nhạy cảm, cảm nhận thể) để điều biến kích hoạt MU dựa điều kiện nhằm thực nhiệm vụ phân công vào hệ thống thần kinh Việc kích thích thực đầu cuối sợi trục tế bào thần kinh MN, tạo thành mối nối thần kinh sợi (MF) Vị trí mối nối MU xem cơ, nhằm xác định bề mặt khu vực mà kích thíchThuật ngữ MU giới thiệu nhằm đề cập đến nhóm sợi kích thích số tế bào thần kinh vận động định 5 Hình 1.1: 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 dẫn kích thích[14] Các rối loạn thần kinh cung cấp hoạt động nơ ron thần kinh trung tâm tủy sống khác có ảnh hưởng đến tế bào thần kinh liên quan đến phản xạ Cơ xương tổ chức theo chức sở phận đơn vị thần kinh vận động (xem hình 1.2), bao gồm sợi thần kinh vận động đơn bó sợi mà gắn vào Hình 1.2: Sơ đồ đơn vị thần kinh vận động đơn(SMU), bao gồm đơn vị thần kinh vận động đơn nhóm sợi xƣơng mà phân bố dây thần kinh Các đầu dò chiều dài kích hoạt sợi thần kinh cảm giác có thành phần tế bào nằm hạch gốc trán Những nơ-ron lưỡng cực cho phép chiếu sợi trục vào tủy sống phân chia thành nhánh giảm dần nhánh tăng dần Các chi xuống vào vòng cung phản xạ đơn giản với thần kinh vận động, chi nhánh tăng lên truyền tải thông tin chiều dài đến trung tâm cao CNS thông qua đường dây thần kinh tăng lên tủy sống thân não; hình vẽ tham khảo Deluca[2] Đơn vị thần kinh vận động đơn vị nhỏ kích hoạt nỗ lực ý chí, trường hợp tất sợi cấu thành kích hoạt đồng Các sợi thành phần phận đơn vị thần kinh vận động mở rộng theo chiều dọc bó sợi dọc theo Tuy nhiên, mặt cắt ngang, sợi phận đơn vị thần kinh vận động cho phép xen kẽ với sợi phận đơn vị thần kinh vận động khác Do đó, sợi hoạt động đơn vị thần kinh vận động đơn (SMU) tạo thành nguồn điện sinh học phân tán nằm dẫn khối bao gồm tất sợi khác (hoạt động không hoạt động), mạch máu mô liên kết Tiềm trường phát sinh từ sợi hoạt động SMU có dạng ba pha ngắn (3 đến 15 ms) biên độ từ 20 đến 2000µV, phụ thuộc vào kích thước đơn vị thần kinh vận động Tần suất xả thường dao động từ đến 30 giây[2] Những khác biệt loại MU thường liên quan tới đặc tính điện sinh lý, trao đổi chất học Các MU nhỏ so với MU lớn có mức độ phục hồi thấp hơn, tốc độ truyền điện hoạt động chậm hơn, q trình chuyển hóa cho phép chống lại mệt mỏi tốt hơn, khả co lâu bền 1.2 Sự hình thành tín hiệu điện : Tín hiệu điện (Electromyography - EMG) tạo hoạt động điện sợi hoạt động suốt trình co Cụ thể hơn, tín hiệu điện sinh học phát sinh từ điện qua màng tế bào thay đổi theo thời gian thấy tế bào thần kinh hay tế bào gồm tim Các hoạt động EMG phát cách sử dụng điện cực gắn bên cơ, điện cực đặt cách xác bề mặt bắp, gọi tín hiệu điện bề mặt Quá trình gây đau thu thập liệu phản ánh hoạt động mang tính cục điện sinh học bên Ngược lại, q trình khơng bị tổn thương thứ hai (ghi điện bề mặt) phản ánh hoạt động có tính toàn cục nhiều từ điện cực thu phát trường từ MU hoạt động Những hoạt động đơn vị xem nguồn hỗn hợp lọc 1.3 Tín hiệu điện bề mặt : Tín hiệu điện bề mặt có hình dạng phụ thuộc vào điều kiện thu Thơng thường, tín hiệu thu phương pháp vi phân hai điện cực bề mặt da Sự chênh lệch điện áp thu hai điện cực tạo tín hiệu điện Tín hiệu biểu diễn dạng biến thiên điện áp theo thời gian ( hình 1.4a) Trong miền thời gian, thơng số thường sử dụng để đánh giá mức độ hoạt động EMG qua iEMG Root Mean Square (RMS)- quân phương, định nghĩa theo công thức (1.1) (1.2) : iEMG(T ) T | EMG (t ) | dt T 0 (0.1) RMS (T ) T ( EMG (t ))dt T (0.2) Các số phụ thuộc vào tổng điện trường tạo MU, kích hoạt đốt cháy không gian thời gian Việc tăng giá trị số hiểu làm tăng khả hoạt động hệ thống thần kinh Tuy nhiên, điều thay phụ thuộc tín hiệu EMG vào yếu tố khác Các thông số khác sử dụng để nghiên cứu tín hiệu, đặc biệt thông số miền tần số Năng lượng tín hiệu EMG phân bố tần số từ 10-500Hz Tuy nhiên trình co iso-metric ( co đồng tâm- vị trí co khơng thay đổi), có luợng biểu thị từ 300Hz trở Ngưỡng giảm nhẹ tín hiệu thu điều kiện dynamic (hình 1.4b) 8 Hình 1.3 : Hình vẽ mơ tín hiệu điện đùi đo đƣợc tập luyện xe đạp; thời gian tín hiệu (a) mật độ phổ công suất (b) thu đƣợc chế độ khác biệt ( hai điện cực thu) bề mặt (Fs=2Khz) Trong miền tần số, mô tả sử dụng thường xuyên tần số trung bình (Fmoy) (công thức (1.3)) tần số trung tâm (Fmed) (công thức (1.4)) mật độ phổ công suất, dựa theo[17]: Fmoy Fmed PSD( f )df Fmed fPSD( f )df (1.1) PSD( f )df PSD( f )df PSD( f )df 0 (1.2) Các mô tả cổ điển phụ thuộc vào vị trí MU mà tạo điện trường nguyên tố, so với điện cực thu đặt bề mặt, theo[5] Trong thực tế điện trường thu giảm dần theo hàm khoảng cách truyền tín hiệu Ngồi ra, mơi trường truyền tín hiệu tạo hiệu ứng lọc thơng thấp Điều có nghĩa MU lớn, đặc trưng thành phần PSD cư trú tần số cao, cung cấp tần số cao mật độ phổ cơng suất tín hiệu điện bề mặt (sEMG- surface Electromyography), MU gần với điện cực thu Ngược lại, cho tác động ngược ( cung cấp thành phần tần số thấp tín hiệu) tần số thường khơng, MU nằm sâu Hiệu ứng thông thấp gây hậu làm cho việc diễn tả số thường sử dụng lĩnh vực y sinh khó khăn Đặc biệt việc nghiên cứu mệt mỏi, thường thấy giảm tần số trung bình từ PSD suốt thời gian co Đây hậu việc ép phổ chuyển dần phía tần số thấp Điều có tác dụng gia tăng lượng EMG quan sát (EMGi, RMS), tăng hoạt động hệ thống thần kinh Nói cách khác, biểu diễn thơng số khó phải ý tổ chức loại MU cấu thành nên theo như[4] Vấn đề không phát sinh với tốc độ truyền điện hoạt động MU, số này, quan tâm đến thời gian trễ tín hiệu hai điện cực thu, phản xạ hoạt động giống Do ước lượng vận tốc lợi ích quan trọng khơng thể phủ nhận nghiên cứu tín hiệu EMG 1.4 Mơ hình phổ cơng suất tín hiệu điện : Để kiểm tra hiệu thuật tốn trích xuất thơng tin tín hiệu điện bề mặt, tín hiệu giả sử dụng Chúng mô cách sử dụng mơ hình đơn giản dựa việc tạo nhiễu Gauss lọc đáp ứng xung tương ứng với mơ hình phổ EMG Các mơ hình phổ lấy bậc hai PSD đề xuất trong[16], công thức mật độ phổ công suất thể theo công thức (1.5) : PSD( f ) kf h4 f ( f fl ).( f f h2 )2 (1.3) Trong fl : tần số thấp; fh : tần số cao; k : hệ số tỉ lệ Ví dụ PSD tạo tín hiệu EMG tổng hợp đưa hình 1.5 cho giá trị {fl; fh) Tính khơng dừng tín hiệu tạo cách thay đổi thông số theo thời gian 10 Hình 1.4: 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 mô 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 11 CHƢƠNG - ƢỚC LƢỢNG VẬN TỐC DẪN TRUYỀN TÍN HIỆU ĐIỆN CƠ 2.1 Đặt vấn đề : Vận tốc truyền dẫn sợi số sinh học quan trọng, liên quan tới bệnh thần kinh, cơ, mệt mỏi[12] đau[3] Nó sử dụng việc chuẩn đốn rối loạn thần kinh, ví dụ việc theo dõi bệnh thối hóa thần kinh nghiên cứu bởi[4] Chỉ số sử dụng rộng rãi nghiên cứu điều khiển thần kin vận động ( chế đốt cháy MU theo lực); nghiên cứu mỏi) ứng dụng lĩnh vực sinh lý học thể thao Tốc độ dẫn truyền tín hiệu điện người lớn khơng có bệnh lý thần kinh thường từ đến 8m/s[13] Những khác biệt giá trị giải thích đặc điểm giải phẩu sinh lý với mức độ kích hoạt thần kinh khác Tín hiệu điện bề mặt phải chịu số hạn chế vấn đề giải phẫu thay đổi thể tích truyền dẫn điện hoạt động, việc ảnh hưởng tới việc ước lượng vận tốc dẫn truyền sợi Điều đặc biệt điều kiện co dynamic (những điều kiện thường gặp hàng ngày nhất), có lực tư cánh tay đòn thay đổi Trong trường hợp đó, ba yếu tố ảnh hưởng đến tín hiệu sEMG : thuộc tính khơng dừng tín hiệu, thứ hai thay đổi tính dẫn mơ ngăn cách điện cực sợi Cuối thay đổi tương đối vị trí điện cực nguồn gốc điện hoạt động Yếu tố (tính khơng dừng) nghiên cứu trong[3] cách xem xét mơ hình độ trễ biến thiên theo thời gian nguồn tín hiệu điện dừng ( mật độ phổ công suất không đổi theo thời gian ) Cơng việc bị giới hạn trường hợp hai kênh Trong báo gần đây, thời gian trễ không đổi ( số) hai kênh nghiên cứu phương pháp tương quan chéo tổng quát(GCC)[7] Phương pháp tổng quát bao gồm tiền lọc có tác dụng cải thiện kết ước lượng đòi hỏi biết trước phổ công suất nhiễu tín hiệu Trong trường hợp liệu thực tế, phổ công suất phải ước lượng Trong nghiên cứu này, việc ước lượng thời gian trễ thay đổi theo thời gian[1](Time varying delay- TVD) nghiên cứu hạn chế với trường hợp hai kênh Phương pháp ước lượng thời gian trễ biến thiên theo thời gian tối ưu dẫn với phương pháp ước lượng hợp lý cực đại (MLE) Tuy nhiên, cách tiếp cận sử dụng trực tiếp phương pháp MLE dẫn đến vấn đề tối ưu hóa 12 khơng gian N chiều, N số mẫu tín hiệu: giá trị thời gian trễcần phải ước lượng với giá trị thời gian, N số tham số cần phải ước lượng Một cách khác với phương pháp MLE phải giảm đáng kể số lượng thông số cẩn phải ước lượng Trong báo này, chọn mơ hình TVD với hàm đa thức có tham số p Điều thực nhờ vào định lý Weierstrass nhằm đảm bảo hàm liên tục xắp xỉ hàm đa thức Vì vậy, thay ước lượng thời gian trễ thời điểm, cần ước lượng p hệ số đa thức Một hàm TVD cần phải ước lượng với giá trị lớn p Tại giai đoạn này, thỏa hiệp giá trị bậc p giá trị tính tốn phải xem xét Một giá trị p thấp dẫn đến lỗi không phù hợp mơ hình hàm TVD thực tế Một giá trị p cao phải chịu thời gian tính tốn cao vấn đề hội tụ Vì lý này, đề nghị cắt hàm thời gian trễ thành nhiều lát cắt, lát cắt mơ hình đa thức bậc (tuyến tính) bậc sử dụng Kết biểu diễn mơ phòng Monte-Carlo theo sai số qn phương (RMSE) phương pháp ước lượng theo tham số (Mơ hình thời gian trễ, phương pháp, độ dài lát cắt) 2.2 Mơ hình thời gian trễ tín hiệu giả 2.2.1 Mơ hình tín hiệu Xét tín hiệu điện bề mặt s(n) sEMG lan truyền kênh kênh 2, mơ hình phân tích đơn giản hai tín hiệu quan sát x1 (n) x2 (n) miền thời gian rời rạc, mà khơng có khác biệt hình dạng, sau: x1 (n) s(n) w1 (n) x2 (n) s(n (n)) w (n) (2.1) Trong (n) thời gian trễ dẫn truyền hai tín hiệu, w1 (n) w (n) nhiễu Gauss, giả định độc lập; trị trung bình 0; phương sai Mỗi (n) ước lượng, MFCV đơn giản suy luận MFCV (n) e / (n) e khoảng cách điện cực, giá trị 5mm Bước số hóa xử lý tần số lấy mẫu Fs 2048Hz 13 2.2.2 Mô hình TVD Để đánh giá hiệu phương pháp ước lượng, tín hiệu giả 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 (thí nghiệm đau hay mệt mỏi) Vì vậy, nhiều mơ hình mơ tả nghiên cứu trước Sự biến đổi gần tuyến tính hàm mũ 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 Một mơ hình vận tốc tín hiệu điện đề nghị, nhiên khơng phản ánh hiệu thực phương pháp trường hợp tăng tốc giảm tốc nhanh loại co khác Vi vậy, cần thiết đưa vào nhiều mô hình khác biểu diễn tình khác Trong đề tài này, mơ hình sin nghịch đảo mơ hình đa thức thời gian trễ đề nghị, cho phép tạo mơ hình vận tốc tín hiệu điện Trong nghiên cứu này, mơ hình sin nghịch đảo TVD định nghĩa sau: s (n) Fs 5.103 3sin(0, 2n.2 / Fs ) (2.1) Mơ hình đề cập trong[8] Nó tính đến thay đổi sinh lý hàng ngày vận tốc truyền dẫn sợi gặp phải tình tập luyện Cụ thể giá trị MFCV nhỏ lớn tương ứng 2m.s 1 8m.s 1 Giá trị gia tốc tối đa 2.5m.s 2 Một chu kì sin tương ứng 5s tương đương khoảng 10000 mẫu tín hiệu Fs : tần số lấy mẫu Tạo tín hiệu giả: Tín hiệu trễ tạo theo phân tích mơ hình mật độ phổ cơng suất (Power Spectral Density-PSD) theo công thức 2.3, nghiên cứu trong[10]: Một ví dụ hình dạng sEMG PSD đưa trên[10] Nơi mà thông số tần số thấp cao cố định với f1 60Hz f h 120Hz tương ứng Tham số k yếu tố chuẩn hóa Kênh tạo cách lọc tuyến tính nhiễu Gauss trắng với đáp ứng xung tương ứng với PSD (tức biến đổi Fourier ngược bậc hình dạng PSD trước đó) Một kênh thứ tạo ra, phiên trễ tạo nhờ phép nội suy sinc theo công thức 2.3, nghiên cứu trong[8] Tham số p chiều dài lọc 14 chọn cố định 40 Cuối cùng, hai kênh bị thêm vào nhiễu trắng cộng với mức tỉ số tín hiệu nhiễu cho trước s(n (n)) i p sin c(i (n))s(n i) p (2.2) 2.3.2 Phương pháp hàm tương quan chéo tổng quát Trong trường hợp đa kênh, bất đẳng hướng màng chất lượng tín hiệu phụ thuộc vào vị trí điện cực da, nghiên cứu phải thực với giả định tỷ lệ tín hiệu với tiếng ồn (SNRs) khác chức kênh Phương pháp phát triển nên không tốn mạnh mẽ Hơn nữa, ước tính độ trễ thời gian phải tính đến hình dạng phổ tín hiệu EMG Trong bối cảnh này, phương pháp tương quan chéo đánh giá thử nghiệm cho tín hiệu EMG tổng hợp Kết viết xuất báo gần đây[13] Trong báo này, sử dụng vi xử lý tốt phương pháp trượt lát cắt thơng qua liệu để tính đến liệu không ổn định Các phương pháp tương quan chéo tổng quát xây dựng [6] cách thu thập phương pháp ước lượng khác mơ hình Để đạt ước tính tốt thời gian trễ, việc tính tốn hàm tương quan chéo Rx1x2 ( ) TF 1 (Gx1x2 ( f )) thay biểu thức sau: R x1x2 ( ) TF 1 ( x1x2 ( f ).G x1x2 ( f )) (2.3) Trong x x ( f ) H1 ( f ) H *( f ), G x x ( f ) ước lượng PSD Nguyên tắc biểu 2 x x ( f ) (bộ xử lý) trình bày bảng công bố trong[13] Sự chậm trễ ước lượng vị trí tối đa chức tương quan chéo: argmax R x x ( ) (2.4) Các chức H1 ( f ) H ( f ) toán tử lọc trước, có mục đích chuyển đổi hai đầu vào kênh cho chức tương quan chéo (CCF) hẹp tốt Trong[6], chiến lược đề xuất dẫn đến hàm x x ( f ) gọi xử lý Nguyên tắc tương quan chéo mối quan hệ chéo tổng quát hình 2.2: 15 Hình 2.2: sơ đồ phƣơng pháp tƣơng quan chéo Hình 2.3: sơ đồ phƣơng pháp tƣơng quan tổng quát Bảng 2.1: So sánh vi xử lý đƣợc thử nghiệm phƣơng pháp tƣơng quan chéo tổng quát[11] Bộ vi xử lý CC Roth SCOT PHAT Eckart HT Tương Nguyên tắc xx ( f ) quan Bộ lọc chéo Wiener Gx1x2 ( f ) Biến đổi Chức liên kết Gx1x1 ( f ).Gx2 x2 ( f ) Ước lượng khả pha SNR tối đa hóa Gss ( f ) Gw1w1 ( f ).Gw w ( f ) | Gx1x2 ( f ) tối đa | 12 ( f ) |2 | Gx1x2 ( f ) | 1 | 12 ( f ) |2 (Nguồn:[11]) Trường hợp 12 ( f ) G x1x2 ( f ) hàm kết hợp ước lượng Gx1x1 ( f ).Gx2 x2 ( f ) Đối với trường hợp thời gian trễ biến thiên theo thời gian phương pháp truyền thống có phương pháp “Fourier phase coherency” Đây phương pháp tham chiếu sử dụng để so sánh với phương pháp đề xuất (ước lượng hợp lý cực đại) nghiên cứu luận văn Sự biến đổi Fourier tín hiệu trì hỗn giới thiệu thuật ngữ pha tuyến tính Giá trị trễ tạm thời lấy cách đo độ dốc tuyến tính mơ tả pha biến đổi Fourier hàm tần số Phương pháp mạch lạc pha Fourier mở rộng khái niệm trường hợp khơng dừng Nó dựa kết hợp Fourier địa phương hai tín hiệu x1 (t ) x2 (t ) định nghĩa CohF (t , f ) Et Px1x2 (t , f ) (2.5) Et Px1x1 (t , f ) Px2 x2 (t , f ) Khi : Px1x2 (t , f ) X1 (t , f ) X *2 (t , f ) | Px1x2 (t , f ) | e i x1x2 ( t , f ) (2.6) 16 Là quang phổ chéo cục X1 (t , f ) X (t , f ) biến đổi Fourier cục tín hiệu x1 (t ) x2 (t ) X i (t , f ) h( t ) xi ( )ei 2 f d (2.7) Hàm h (t) hàm cửa sổ cân Hanning hạn chế biến đổi Fourier khoảng thời gian tức thời Dấu hoa thị dùng để liên hợp tín hiệu Các kỳ vọng Et ước lượng phương pháp Welch Mỗi cửa sổ N-mẫu chia thành ba N / mẫu cửa sổ có trọng số Hanning với 50% chồng chéo Có thể thấy Px1x2 (t,f) Pss (t , f )e2i f (t ) (2.8) Vì tất thuật ngữ khác hàm kết hợp tích cực thực, thuật ngữ giai đoạn CohF (t , f ) chứa toàn thời điểm tức thời chậm trễ (t ) 2.3.3 Phương pháp ước lượng hợp lý cực đại (Maximum Likelihood EstimationMLE) Chứng minh lý thuyết : Giả định tín hiệu điện bề mặt s (n) lan truyền kênh Hai tín hiệu quan sát (n) x (n) miền thời gian rời rạc theo mơ hình 2.1 Ước lượng thời gian trễ theo phương pháp MLE có nghĩa tối đa hóa "LikeliHood", hàm mật độ xác suất tín hiệu quan sát với thơng số cần phải ước lượng, Xuất phát từ tính chất độc lập nhiễu trắng Gauss, nên hai tín hiệu độc lập với nhau, hàm ’LikeliHood’ định nghĩa sau: N ( x1 , x2 ; ; s) p( x1 , x2 ; ; s) p( xi (n); ) (2 ) i 1 2 N N exp ( x1 (n) s(n)) ( x2 (n (n)) s(n)) n 1 2 n 1 (2.9) 17 Hình 2.4: 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 Lấy ln cùa hàm "LikeliHood" ta hàm "Log Likelihood" N N n 1 n 1 ln( x1 , x2 ; ; s) ( x1 (n) s(n)) ( x2 (n (n)) s(n)) (2.10) Ước lượng (n) thực thông qua ước lượng s(n) vốn đạt cách cho đạo hàm bậc theo s(k) hàm log-likelihood không, với k N Đạo hàm bậc hàm Log-likelihood ln ( x1 , x2 ; ; s) x1 (k ) s(k ) x2 (k (k )) s(k ) s(k ) (2.11) Tối đa hóa hàm log-likelihood cách cho biểu thức triệt tiêu, ta có: ln( x1 , x2 ; ; s) x (k ) x2 (k (n)) s(k ) s(k ) (2.12) Thay s(n) s(n) vào biểu thức 2.11, thu ln( x1 , x2 ; ; s) N ( x2 (n (n)) x1 (n)) n1 Tối đa hóa hàm log-likelihood tương đương tối thiểu biểu thức (2.13) 18 arg et2 ( ) (2.14) Trong đó: N et2 ( ) ( x2 (n (n)) x1 (n)) (2.15) n 1 Bài toán ước lượng (n) trở thành toán ước lượng vecto N thông số (1) (2) (N) Với mơ hình TVD đa thức theo cơng thức 3, toán trở toán ước lượng vectơ p+1 thông số 012 p , có nghĩa số thơng số cần phải ước lượng giảm nhiều Trong nghiên cứu này, sử dụng phương pháp Newton để tìm cực tiểu hàm et2 ( ) 2.1.3.2 Tối ưu hóa phương pháp Newton Phương pháp Newton-Raphson cải biến có lẽ phương pháp phổ biến sử dụng để tìm nghiệm Từ nghiệm x1 ước lượng ban đầu hàm f ( x) , nghiệm ước lượng x giao điểm tiếp tuyến điểm x1 , f ( x1 ) với trục hoành Ox Ước lượng nghiệm x3 giao điểm tiếp tuyến điểm x2 , f ( x2) với trục x hình 2.4-b Q trình lặp lặp lại đạt sai số mong muốn 19 CHƢƠNG – MÔ PHỎNG VÀ ĐÁNH GIÁ KẾT QUẢ 3.1 Các kết mô đánh giá kết Trong miền kỹ thuật số, hàm tương quan tổng quát R x x ( ) lấy giá trị thời điểm rời rạc n / Fs , Fs tần số lấy mẫu Thời gian trễ phương trình (2.3) Do phân tích thành phần nguyên D cộng với phần phân đoạn d Phần số nguyên ước lượng cách tìm kiếm vị trí mẫu D dãy tối đa dãy R x x (n / Fs) Phần phân đoạn tính cách sử dụng phép nội suy parabol[15] 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 thực cho giá trị SNR để nghiên cứu tác động nhiễu với ước lượng Trong luận văn này, tín hiệu EMG giả có giá trị SNR = 10, 20, 30, 40 dB tương ứng Thời gian tín hiệu giây Hình 3.1: Đồ thị giới thiệu phƣơng pháp Newton-Raphson Hình 3.2 cho thấy mức trung bình việc ước lượng sử dụng phương pháp tương quan chéo lát cắt (CC), phương pháp tương quan chéo tổng quát với xử lý lát cắt Eckart phương pháp kết hợp pha Fourrier (phương pháp tham chiếu) mức 20 dB Các xử lý lát cắt Eckart người theo chậm trễ lý thuyết nhất, đặc biệt xung quanh mẫu 7000 Để hình dung tác động nhiễu ước tính thời gian khác chậm trễ, Lỗi ! Khơng tìm thấy nguồn tài liệu tham khảo, đại diện cho phương pháp RMSE (ROCE) sở thời gian gây nhiễu với 10, 20, 30 40 dB Đối với tất phương 20 pháp giá trị SNR, lỗi tăng lên mẫu từ 6000 đến 8000 Phương pháp CohF cho thấy không phù hợp với mức tạp âm lớn (SNR = 10 dB) Trong mức nhiễu thấp (SNR = 40 dB), phương pháp cho thấy hiệu suất tương tự với kết tốt cho xử lý lát cắt Eckart Hình 3.2: Độ trễ lý thuyết (màu đen) trung bình ƣớc tính phƣơng pháp tƣơng quan chéo (lát cắt CC) lát cắt (màu xanh), Pha Coherence CohF (màu đỏ) với xử lý lát cắt Eckart (xanh) cho SNR = 20 dB Kích thƣớc lát cắt 1024 mẫu cho tất phƣơng pháp Tần suất lấy mẫu = 2048 Hz Hình 3.3: Mức trung bình RMSE chức SNR Bộ vi xử lý lát cắt Eckart (màu lục lam) lát cắt CC(màu xanh) thu đƣợc cách trƣợt lắt cắt, chiều dài lát cắt 1024 điểm, bƣớc điểm ; Sự liên kết pha phƣơng pháp CohF(màu đỏ) 21 Hình 3.4: RMSE theo chức thời gian Dộ tƣơng phản chéo lát cắt _CC (màu xanh), phƣơng pháp kết nối pha_CofF (màu đỏ), lát cắt xử lý Eckart(xanh) đến 10dB (a), 20 dB (b), 30 dB (c) 40 dB (d) Kích thƣớc lát cắt 1024 mẫu cho tất phƣơng pháp Xu hướng khẳng định hình 3.4, biểu diễn trung bình thời gian đường cong hình 3.3, chức SNR Trong hình này, thấy phương pháp Eckart cho kết tốt Nhưng giá trị 10 dB, phương pháp cổ điển quan tâm phương pháp đơn giản 3.2 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 22 truyền dẫn tín hiệu điện Nghiên cứu phương pháp ước lượng thời gian trễ thay phụ thuộc thời gian trường hợp khơng dừng hai tín hiệu điện bề mặt Các phương pháp truyền thống để ước lượng 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 phương pháp nghiên cứu Phương pháp ước lượng hợp lý cực đại kết hợp với phương pháp Newton cho việc ước lượng thời gian trễ thay đổi áp dụng cho tín hiệu sEMG giả để ước lượng vận tốc dẫn truyền tín hiệu điện Đầu tiên xấp xỉ mô hình TVD sin nghịch đảo với mơ hình đa thức bậc cho việc tạo tín hiệu giả Thứ hai, TVD đề xuất cắt thành nhiều lát (với xấp xỉ tuyến tính parabol) TVD ước lượng lát cắt Các phương pháp đề xuất cải thiện việc ước lượng thời gian trễ với mức tăng độ xác 0.05 mẫu so sánh với phương pháp MLE cổ điển với phương pháp phase coherency Hướng phát triển đề tài : Nghiên cứu mơ hình tín hiệu trường hợp dừng (mật độ phổ công suất tín hiệu khơng thay đổi ) áp dụng đánh giá so với tín hiệu thực ... lượng thời gian trễ thay phụ thuộc thời gian trường hợp khơng dừng hai tín hiệu điện bề mặt Các phương pháp truyền thống để ước lượng thời gian trễ điện bền mặt điều kiện thời gian trễ thay đổi... nghiên cứu ước lượng thời gian trễ hai tín hiệu điện bề mặt trường hợp không dừng cụ thể: Trong tài liệu[3], tác giả nghiên cứu so sánh ba ước lượng trễ thời gian khác ứng dụng điện dựa phép... điều kiện thời gian trễ thay đổi theo thời gian Mục đích nghiên cứu: Nghiên cứu phương pháp ước lượng thời gian trễ thay phụ thuộc thời gian trường hợp khơng dừng hai tín hiệu điện bề mặt Đề