Xử lý tín hiệu điện cơ bằng kỹ thuật số

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN HỮU ĐƠNG XỬ LÝ TÍN HIỆU ĐIỆN CƠ BẰNG KỸ THUẬT SỐ CHUYÊN NGÀNH: VẬT LÝ KỸ THUẬT MÃ SỐ: 60520401 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, THÁNG 01 NĂM 2018 ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN HỮU ĐƠNG XỬ LÝ TÍN HIỆU ĐIỆN CƠ BẰNG KỸ THUẬT SỐ Processing of electromyography signal using digital technique Chuyên ngành: Vật lý Kỹ thuật Mã số: 60520401 GV hướng dẫn: PGS.TS HUỲNH QUANG LINH TP Hồ Chí Minh, tháng 01 năm 2018 CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐHQG – HCM Cán hướng dẫn khoa học: PGS TS Huỳnh Quang Linh Cán chấm nhận xét 1: TS Lưu Gia Thiện Cán chấm nhận xét 2: TS Lý Anh Tú Luận văn thạc sĩ bảo vệ Trường Đại học Bách Khoa, ĐHQG Tp HCM, ngày 28 tháng 01 năm 2018 Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: TS Trần Thị Ngọc Dung TS Phạm Thị Hải Miền TS Lưu Gia Thiện TS Lý Anh Tú PGS TS Huỳnh Quang Linh Xác nhận Chủ tịch Hội đồng đánh giá LV Trưởng Khoa quản lý chuyên ngành sau luận văn sửa chữa (nếu có) CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA ĐẠI HỌC QUỐC GIA TP HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: NGUYỄN HỮU ĐÔNG Ngày, tháng, năm sinh: 10/02/1979 Chuyên ngành: Vật lý kỹ thuật MSHV: 1670733 Nơi sinh: Phú Yên Mã số: 60520401 I TÊN ĐỀ TÀI: XỬ LÝ TÍN HIỆU ĐIỆN CƠ BẰNG KỸ THUẬT SỐ II NHIỆM VỤ VÀ NỘI DUNG: Mục tiêu đề tài nghiên cứu phép biến đổi wavelet ứng dụng phép biến đổi xử lý tín hiệu điện (EMG)  Tìm hiểu trình thu nhận, phương pháp kỹ thuật số dùng để xử lý tín hiệu điện  Nghiên cứu phép biến đổi wavelet ứng dụng xử lý tín hiệu điện  Sử dụng phần mềm Matlab để xử lý, lọc nhiễu tín hiệu điện mẫu tín hiệu thu nhận từ cảm biến phịng thí nghiệm  Xây dựng vận hành module viết MATLAB để ứng dụng xử lý tín hiệu điện II NGÀY GIAO NHIỆM VỤ: 10/7/2017 III NGÀY HOÀN THÀNH NHIỆM VỤ: 31/12/2017 IV CÁN BỘ HƯỚNG DẪN: PGS TS Huỳnh Quang Linh CÁN BỘ HƯỚNG DẪN Tp HCM, ngày tháng năm 2017 CHỦ NHIỆM BỘ MÔN ĐÀO TẠO TRƯỞNG KHOA LỜI CÁM ƠN Trong q trình thực luận văn, ngồi nỗ lực thân, nhận nhiều quan tâm, hướng dẫn, giúp đỡ gia đình, thầy cô, bạn đồng nghiệp Tôi xin bày tỏ lòng biết ơn sâu sắc đến thầy hướng dẫn – PGS.TS Huỳnh Quang Linh, Trưởng khoa Khoa học Ứng dụng, Trường Đại học Bách Khoa TP Hồ Chí Minh, tận tâm hướng dẫn, động viên tạo điều kiện thuận lợi cho tơi hồn thành luận văn Tôi xin chân thành cảm ơn thầy -ThS Lê Cao Đăng giúp đỡ trình sử dụng phịng thí nghiệm Tơi chân thành cảm ơn đến thầy, cô Khoa Khoa học Ứng dụng truyền thụ cho kiến thức tảng để thực luận văn tốt nghiệp Tôi chân thành cảm ơn bạn học khóa, có đóng góp q báu cho đề tài Sau tơi xin gửi lời cám ơn đến gia đình ln nguồn động viên lớn giúp tơi hồn thành luận văn Tp Hồ Chí Minh, ngày 30 tháng 12 năm 2017 Học viên Nguyễn Hữu Đơng TĨM TẮT LUẬN VĂN Mục tiêu luận văn nghiên cứu phép biến đổi wavelet ứng dụng phép biến đổi xử lý tín hiệu điện (EMG); sử dụng phần mềm Matlab để xử lý tín hiệu điện Các nội dung thực bao gồm:  Tìm hiểu nguồn gốc sinh lý tín hiệu điện cơ, q trình thu nhận, phương pháp dùng để xử lý tín hiệu điện  Nghiên cứu phép biến đổi wavelet ứng dụng xử lý tín hiệu điện  Sử dụng Matlab hộp cơng cụ Wavelet Toolbox để xử lý, lọc nhiễu tín hiệu nén số tín hiệu điện mẫu  Xây dựng module độc lập viết MATLAB để ứng dụng xử lý tín hiệu điện Kết luận văn tạo công cụ hỗ trợ cho nghiên cứu cụ thể ứng dụng điện nghiên cứu lâm sàng ABSTRACT The main objective of the thesis is to study the wavelet transform and its application in processing EMG signals using Matlab software The main results include:  Overview of physiological origin of EMG signal, detection techniques and method of EMG signal processing  Overview of wavelet transform and its applications in EMG signal processing  Using Matlab Wavelet Toolbox to carry out processing, noise filtering and compressing EMG signal  Programming in Matlab application modules for EMG signal processing using wavelet transform Mentioned results enable to create tools supporting specific research on EMG application in clinical research LỜI CAM ĐOAN CỦA TÁC GIẢ LUẬN VĂN Tôi cam đoan luận văn “XỬ LÝ TÍN HIỆU ĐIỆN CƠ BẰNG KỸ THUẬT SỐ” cơng trình nghiên cứu riêng tơi Kết đạt luận văn không chép lại người khác Các số liệu, kết nêu luận văn trung thực Luận văn chưa công bố cơng trình khác Nếu sai tơi xin chịu hồn tồn trách nhiệm Tác giả luận văn Nguyễn Hữu Đông MỤC LỤC CÁC TỪ VIẾT TẮT iv DANH MỤC CÁC HÌNH iv DANH MỤC CÁC BẢNG vi MỞ ĐẦU CHƯƠNG 1: TỔNG QUAN VỀ TÍN HIỆU ĐIỆN CƠ 1.1 CƠ SỞ SINH LÝ VÀ GIẢI PHẪU CƠ 1.1.1 Chức 1.1.2 Cấu trúc chủ động 1.1.3 Đặc tính chủ động 1.1.3.1 Tính đàn hồi 1.1.3.2 Tính hưng phấn (co cơ) 1.1.4 Các kiểu co 1.1.5 Các dạng co 1.1.6 Nguồn lượng cho co 1.1.7 Đơn vị vận động (Motor Unit– MU) 1.1.8 Sợi nhanh sợi chậm 1.2 TÍN HIỆU ĐIỆN CƠ (EMG) 1.2.1 Cơ sở phát sinh tín hiệu điện 1.2.1.1 Điện hoạt động 10 1.2.1.2 Mơ hình điện điện hoạt động 11 1.2.2 Kết cấu tín hiệu EMG 12 1.2.3 Các đặc điểm tín hiệu điện 12 1.2.4 Các nhân tố ảnh hưởng đến tín hiệu EMG 13 1.2.4.1 Nhiễu vốn có điện cực 13 1.2.4.2 Nhiễu chuyển động 13 1.2.4.3 Nhiễu điện từ 13 1.2.4.4 Hiện tượng nhiễu xuyên âm (cross talk) 13 1.2.4.5 Nhiễu nội 14 i 1.2.4.6 Tính ngẫu nhiên vốn có tín hiệu 14 1.2.4.7 Ảnh hưởng tín hiệu ECG 14 1.2.5 Các phương pháp thu nhận tín hiệu điện EMG 14 CHƯƠNG 2: PHƯƠNG PHÁP XỬ LÝ TÍN HIỆU ĐIỆN CƠ [15] 15 2.1 PHÉP BIẾN ĐỔI HILBERT HUANG (HHT) 15 2.1.1 Phương pháp phân tách thực nghiệm EMD 15 2.1.2 Biến đổi Hilbert 16 2.1.3 Giải thuật EMD 17 2.2 PHÉP BIẾN ĐỔI WAVELET 17 2.2.1 Phép biến đổi wavelet liên tục [15] 19 2.2.2.1 Giới thiệu CWT 19 2.2.2.2 Điều kiện wavelet mother 19 2.2.2.3 Độ bất định (độ phân giải thời gian độ phân giải tần số) 20 2.2.2.4 Mother wavelet father wavelet (wavelet tỉ lệ) 23 2.2.2.5 Các loại wavelet mother 23 2.2.2 Phép biến đổi wavelet rời rạc 30 2.3 PHÉP BIẾN ĐỔI FOURIER THỜI GIAN NGẮN 31 2.4 SO SÁNH CÁC PHƯƠNG PHÁP XỬ LÝ TÍN HIỆU 31 2.5 ĐÁNH GIÁ CÁC PHƯƠNG PHÁP XỬ LÝ TÍN HIỆU 32 CHƯƠNG 3: KẾT QUẢ THỰC HÀNH 33 3.1 CÁC ỨNG DỤNG CƠ BẢN CỦA PHÉP BIẾN ĐỔI WAVELET 33 3.1.1 Loại bỏ nhiễu tín hiệu 33 3.1.1.1 Mơ hình chiều 36 3.1.1.2 Nguyên tắc khử nhiễu 36 3.1.1.3 Đặt ngưỡng mềm ngưỡng cứng 36 3.1.2 Nén liệu 38 3.2 THIẾT BỊ THU NHẬN TÍN HIỆU BIOPAC MP30 39 3.2.1 Thiết bị kỹ thuật thu nhận EMG 39 3.2.1.1 Thiết bị MP30 39 3.2.1.2 Điện cực bề mặt 41 ii 3.2.1.3 Cài đặt phần mềm 43 3.2.1.4 Cài đặt kênh 43 3.2.2 Cài đặt thu nhận 45 3.2.2.1 Bắt đầu thu nhận 46 3.2.2.2 Kết thúc thu nhận 47 3.3 KHẢO SÁT TÍN HIỆU EMG BẰNG HỘP CÔNG CỤ WAVELET TOOLBOX CỦA MATLAB 47 3.3.1 Các tín hiệu EMG chọn lọc 47 3.3.2 Phân tích hộp cơng cụ Wavelet Toolbox MATLAB 48 3.4 XÂY DỰNG CHƯƠNG TRÌNH PHÂN TÍCH TÍN HIỆU EMG ĐỘC LẬP ĐỂ TÍNH TOÁN CHO CÁC ỨNG DỤNG KHÁC 54 CHƯƠNG 4: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 60 4.1 KẾT LUẬN CHUNG 60 4.2 HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI 61 TÀI LIỆU THAM KHẢO 61 iii 52 Hình 55 c) Tín hiệu emgm11 Hình 56 Hình 57 53 Hình 58 Hình 59 Hình 60 54  Nhận xét Trong hình đầu mục a), b), c), thành phần thể dạng tín hiệu tổng thể gần đúng, cịn thành phần di thể hệ số biểu thị thành phần chứa nhiễu Tuy nhiên, thành phần d1 nhận thấy bó xung thể đáp ứng hưng phấn cho ta thông tin sinh lý Trong khảo sát trên, tạm thời cho thấy họ wavelet Daubechies phù hợp cho phân tích EMG với mức khai triển phù hợp Các minh họa chứng tỏ khả vận dụng wavelet menu MATLAB để khảo sát áp dụng wavelet xử lý EMG, chưa đưa kết luận cụ thể bệnh lý 3.4 XÂY DỰNG CHƯƠNG TRÌNH PHÂN TÍCH TÍN HIỆU EMG ĐỘC LẬP ĐỂ TÍNH TỐN CHO CÁC ỨNG DỤNG KHÁC Trên sở wavelet thơng số ngưỡng chọn lọc qua q trình khảo sát phần trên, tác giả luận văn xây dựng chương trình MATLAB độc lập cách sử dụng lệnh thành phần Wavelet Toolbox nhằm viết module độc lập trường hợp ứng dụng cụ thể, thông qua menu (wavemenu) Wavelet Toolbox, vốn chi tiết, dành cho nghiên cứu khảo sát chung Một phần mã nguồn chương trình minh họa sau: % EMG PROCESSING USING WAVELET % Nguyen Huu Dong - 10/2017 % Load original 1D signal clc; clear all; close all; ELEVATED=[] [fname path]=uigetfile('*.mat'); fname=strcat(path,fname); load(fname ); 55 z=zeros(100,1); A=emgh(2,:); A=A'; zc=A(1); A=[z;A;z]; s = A; ls = length(s); figure(1) plot(s); title('Actual Signal'),grid on [c,l]=wavedec(s,4,'db4'); ca1=appcoef(c,l,'db4',1); ca2=appcoef(c,l,'db4',2); ca3=appcoef(c,l,'db4',3); ca4=appcoef(c,l,'db4',4); figure(2) plot(c),title('decomposed signal'),grid on figure(3) subplot(2,2,1) plot(ca1),title('1st level reconstructed'),grid on subplot(2,2,2) plot(ca2),title('2nd level reconstructed'),grid on subplot(2,2,3) plot(ca3),title('3rd level reconstructed'),grid on subplot(2,2,4) plot(ca4),title('4th level reconstructed'),grid on 56 Kết minh họa chương trình cho tín hiệu chọn sau: a) Tín hiệu emgh11 Actual Signal 0.4 0.3 0.2 0.1 -0.1 -0.2 -0.3 -0.4 100 200 300 400 500 600 700 800 900 decomposed signal 0.6 0.4 0.2 -0.2 -0.4 -0.6 -0.8 100 200 300 400 500 1st level reconstructed 0.5 0 -0.5 -0.5 200 400 700 800 900 2nd level reconstructed 0.5 -1 600 600 -1 3rd level reconstructed 100 200 300 4th level reconstructed 0.5 0.4 0.2 0 -0.5 -1 -0.2 50 100 150 -0.4 20 40 60 57 Detected peaks in actual Signal 0.4 0.3 0.2 0.1 -0.1 -0.2 -0.3 -0.4 100 200 300 400 500 600 700 800 900 b) Tín hiệu emgn11 Actual Signal -2 -4 -6 -8 x 10 decomposed signal 15 10 -5 -10 -15 -20 -25 x 10 58 1st level reconstructed 2nd level reconstructed 10 0 -5 -10 -10 -20 0.5 20 0 -10 -20 5000 1.5 x 10 4th level reconstructed 10 -20 x 10 3rd level reconstructed -40 10000 2000 4000 6000 Detected peaks in actual Signal -2 -4 -6 -8 x 10 c) Tín hiệu emgm11 Actual Signal 0.8 0.6 0.4 0.2 -0.2 -0.4 -0.6 -0.8 10 x 10 59 decomposed signal 1.5 0.5 -0.5 -1 -1.5 -2 10 x 10 1st level reconstructed 2nd level reconstructed 2 1 0 -1 -1 -2 1 0 -1 -1 5000 10000 x 10 4th level reconstructed -2 x 10 3rd level reconstructed -2 15000 2000 4000 6000 Detected peaks in actual Signal 0.8 0.6 0.4 0.2 -0.2 -0.4 -0.6 -0.8 10 x 10 60  Nhận xét: Chương trình cho thấy, bên cạnh việc xử lý tín hiệu EMG việc khử nhiễu, nén tín hiệu, ta cịn vận hành dị tìm đánh giá xuất đỉnh (peak) kiện nhằm đánh giá hoạt động sinh lý Chương trình cho thấy hồn tồn có khả sử dụng MATLAB với hộp cơng cụ Wavelet Toolbox để viết chương trình ứng dụng cụ thể cho nghiên cứu EMG cụ thể CHƯƠNG 4: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 4.1 KẾT LUẬN CHUNG Về bản, luận văn hoàn thành mục tiêu đề tài nghiên cứu phép biến đổi wavelet ứng dụng phép biến đổi xử lý số tín hiệu điện (EMG) Các nội dung thực luận văn là: Tìm hiểu nguồn gốc sinh lý điện cơ, trình thu nhận, phương pháp dùng để xử lý tín hiệu điện cơ; Nghiên cứu phép biến đổi wavelet ứng dụng xử lý tín hiệu điện cơ; Sử dụng phần mềm Matlab để xử lý, lọc nhiễu tín hiệu điện mẫu thu từ sở liệu Physionet; Xây dựng vận hành module viết MATLAB để ứng dụng xử lý tín hiệu điện Nội dung tồn lớn chưa thực q trình thu nhận thực nghiệm tín hiệu điện để xử lý thử nghiệm đề ban đầu Nguyên nhân có phần chủ quan tác giả chưa dành nhiều thời gian để tiến hành, đồng thời có bất cập kỹ thực nghiệm, phần đầu tư nhiều phần nắm bắt cơng cụ MATLAB để viết chương trình xử lý Tuy nhiên, luận văn đạt kết khả quan việc tạo công cụ nhằm hỗ trợ nghiên cứu lĩnh vực nghiên cứu điện 61 4.2 HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI Do điều kiện nghiên cứu hạn chế nên đề tài chưa đạt yêu cầu áp dụng cụ thể vào thực tế Vì vậy, hướng phát triển đề tài dựa vào sở lý thuyết thiết bị MP30 để có nhiều đo đạc xử lý hiệu trình theo dõi vấn đề cụ thể liên quan điện Ngoài ra, việc xây dựng ngân hàng tín hiệu mẫu đặc trưng cho bệnh lý vấn đề thời nhằm làm khung tham chiếu để so sánh với tín hiệu thu thực tế, giúp ích cho chẩn đốn bệnh lý đáp ứng điện TÀI LIỆU THAM KHẢO [1] Shahid S Higher Order Statistics Techniques Applied to EMG Signal Analysis and Characterization Ph.D thesis, University of Limerick, 2004 [2] Nikias CL, Raghuveer MR Bispectrum estimation: A digital signal processing framework IEEE Proceedings on Communications and Radar 1987, 1987; 75(7):869-891 [3] Basmajian JV, de Luca CJ Muscles Alive – The Functions Revealed by Electromyography The Williams & Wilkins Company; Baltimore, 1985 [4] Kleissen RFM, Buurke JH, Harlaar J, Zilvold G Electromyography in the biomechanical analysis of human movement and its clinical application Gait Posture 1998; 8(2):143-158 [5] Cram JR, Kasman GS, Holtz J Introduction to Surface Electromyography Aspen Publishers Inc.; Gaithersburg, Maryland, 1998 [6] Reaz MB, Hussain MS, Mohd-Yasin F Techniques of EMG signal analysis: detection, processing, classification and applications Biol Proceed Online 2006; 8(1):11-35 [7] Semmlow, John L., Biosignal and Biomedical Image Processing MATLABBASED APPLICATIONS 2th edition, CRC Press, 2008 [8] Đỗ Mạnh Lâm, Xây dựng hệ thu thập tín hiệu điện EMG hiển thị máy tính, Đồ án tốt nghiệp đại học, Học Viện Kỹ Thuật Quân Sự, 2008 62 [9] Navarro, X., et al A critical review of interfaces with the peripheral nervous system for the control of neuroprostheses and hybrid bionic systems J Peripher Nerv Syst 2005, 10, 229–258 [10] http://en.wikipedia.org/wiki/Electromyography [11] Mingfeng Jiang, Hong Wang, The classification of surface EMG signal based on wavelet transform and neural networks, Journal of Biomedical Engineering Research 2005, V 24, pp 50-52 [12] Yin Chen, Jiahai Liu, Study on denoising of surface EMG signals, Computer Era 2008, vol 26, No 6, pp 22-24 [13] Sobahi NM, Denoising of EMG Signals Based on Wavelet Transform, Asian Transactions on Engineering, 2011 (ATE ISSN: 2221-4267), Vol 01 Issue 05 [14] Xu Zhang, Yu Wang, Ray P.S Han, Wavelet Transform Theory and its Application in EMG Signal Processing, 2010 Seventh International Conference on Fuzzy Systems and Knowledge Discovery [15] A H M Almanji, Wavelet Signal Processing of Human Muscle Electromyography Signals, A thesis in partial fulfilment of the requirement for the degree of Masters of Engineering in Mechatronics, Massey University, Albany, New Zealand, 2010 [16] M B I Reaz, M S Hussain1and F Mohd-Yasin, Techniques of EMG signal analysis: detection, processing, classification and applications, Biol Proced Online 2006; 8, 11-35 [17] Daubechies, I Ten lectures on wavelets CBMS- NSF Series in Applied Mathematics (SIAM), 1991 [18] Viljoen, S.; Hanekom, T.; Farina, D Effect of characteristics of dynamic muscle contraction on crosstalk in surface electromyography recordings S Afr Inst Electr Eng 2007, 98, 18-28 [19] Lowery, M.M.; Stoykov, N.S.; Kuiken, T.A A simulation study to examine the use of cross-correlation as an estimate of surface EMG cross talk J Appl Physiol 2003, 94,1324-1334 63 [20] Costa, H.C.A., and de Matos, M.C Measuring time between peaks in helicopter classification using Continuous Wavelet Transform IEEE Radar Conference 2008 [21] Burt, P J and Adelson E H The Laplacian pyramid as a compact image code, IEEE Trans 1983 [22] Mallat S A theory for multiresolution signal decomposition: The wavelet representation IEEE Transactions on Pattern Analysis and Machine Intelligence, 1989;11: 674-693 [23] Addison, P The Illustrated Wavelet Transform Handbook New York, USA, and London, UK: Taylor & Francis Group, 2002 [24] Peng, Z.K., Tse, P.W., and Chu, F.L An improved Hilbert-Huang transform and its application in vibration signal analysis J Sound and Vibration 2005 Vol 286(1- 2) [25] R Crochiere S Weber and J Flanagan 1976 Digital coding of speech in subbands Bell System Tech 1976 [26] Rajagopalan, V., and Ray, A Symbolic time series analysis via waveletbased partitioning Signal Processing 2006 Vol 86(11), Pp 3309- 3320 [27] Alsberg, B.K., Kell, D.B., and Woodward, A.M An introduction to wavelet transforms for chemometricians A time-frequency approach Chemom Intell Lab Syst 1997 [28] Rubana H Chowdhury, et al Review: Surface Electromyography Signal Processing and Classification Techniques, Sensors 2013, 13, 12431-12466 [29] Pedro de A Berger, Francisco A de O Nascimento, Jake C Carmo and Adson F da Rocha Compression of EMG signals with wavelet transform and artificial neural networks, Physiol Meas.27, 2006, 457-465 [30] Norman, C F.T., and Lai L L Wavelet-Based algorithm for signal analysis EURASIP Journal on Applied Signal Processing 2007 64 [31] Mak, J.N.F.; Hu, Y.; Luk, K.D.K An automated ECG-artifact removal method for trunk muscle surface EMG recordings Med Eng Phys 2010, 32, 840-848 [32] Mallat, S.G A wavelet tour of signal processing, San Diego, London, Boston, New York, Sydney, Tokyo, and Toronto: Academic Press, 1998 [33] Hargrove, L., et al The effect of ECG interference on pattern-recognitionbased myoelectric control for targeted muscle reinnervated patients IEEE Trans Bio Med Eng 2009, 56, 2197-2201 [34] Kiymik, M., et al Comparison of STFT and wavelet transform methods in determining epileptic seizure activity in EEG signals for real-time application Computers in Biology and Medicine 2004 Vol.35 (7) Pp.603-616 [35] Torrence, C., and Compo, G.P A practical guide to wavelet analysis Bull Am Meteorol Soc 79, 1998 Pp 61-78 [36] Teolis, A Computational signal processing with wavelets Boston: Birkhäuser, 1998 [37] Von Tscharner, V Intensity analysis in time–frequency space of surface myoelectric signals by wavelets of specified resolution J Electromyogra Kinesiol 2000, Vol 10 Pp 433-445 [38] Yu, D., Cheng, J., and Yang, Y Application of EMD method and Hilbert spectrum to the fault diagnosis of roller bearings Mechanical Systems and Signal Processing 2005 Vol 19 (2) [39] Yao, J., and Zhang, Y.T (2001) Bionic Wavelet Transform: A new timefrequency method based on an auditory model IEEE Transactions on Biomedical Engineering Vol 48(8) [40] Sejdic, E., Djurovic, I., and Jiang, J (2009) Time-Frequency feature representation using energy concentration: An overview of recent advances Digital Signal Processing (Elsevier) Vol 19, issue Pp 153 -183 65 [41] Yan, R., and Gao, R.X (2006) Hilbert-Huang Transform-Based vibration signal analysis for machine health monitoring IEEE Transactions on Instrumentation and Measurement Vol 55(6) [42] Han, S., et al (2009) Dynamic characteristic analysis of power system low frequency oscillation using Hilbert-Huang transform Power Systems Conference and Exposition [43] Wei, L., and Pei-Wen, Q (2009), Optimal scale wavelet tra ultrasonic signals, J Measurements Vol 42(1) [44] Lee, K.W., et al (2005), Feature extraction of the atrial fibrillation signal using the continuous wavelet transform, 26th Annual International Conference of the IEEE Engineering in Medicine and Biology Society Pp 275-278 [45] Physionet, Examples of Electromyograms, 2011 Truy cập 20/10/2017 http://physionet.org/physiobank/database/emgdb/ [46] Bronzino, J.D, The Biomedical Engineering Handbook, CRC Press, Boca Raton, FL, 1995, p.750, Fig 50 [47] Y W e al., Overview of the Application of EMG Recording in the Diagnosis and Approach of Neurological Disorders, in Electrodiagnosis in New Frontiers of Clinical Research, ISBN 978-953-51-1118-4, 2013 [48] Fahreddin Sadikoglu, Cemal Kavalcioglu, Berk Dagman, Electromyogram (EMG) signal detection, classification of EMG signals and diagnosis of neuropathy muscle disease, Procedia Computer Science, Volume 120, 2017, p.422-429, https://doi.org/10.1016/j.procs.2017.11.259 [49] Hoàng Văn Huy, Giải phẫu người - NXB Y Học 2006 PHẦN LÝ LỊCH TRÍCH NGANG NGUYỄN HỮU ĐƠNG Họ tên: Ngày, tháng, năm sinh: 10/02/1979 Nơi sinh: Phú Yên Địa liên lạc: 203 lô B3, Chung cư Phường 3, Quận 4, Tp Hồ Chí Minh Q TRÌNH ĐÀO TẠO Thời gian Nơi học Ngành học Bậc học Xếp loại Vật lý – KTCN Đại học TB – 9/1998 – 9/2002 ĐHSP Quy Nhơn 2016 – 2017 ĐHBK Tp Hồ Chí Minh Vật lý kỹ thuật Cao học Khá Q TRÌNH CƠNG TÁC Thời gian Nghề nghiệp Nơi công tác 9/2002 – 8/2006 Giáo viên Trường THPT Nguyễn Du, Phú Yên 9/2006 – 8/2008 Giáo viên Trường THPT Nam Sài Gịn, Tp Hồ Chí Minh 9/2008 – 7/2015 Giáo viên Trường THPT Bình Khánh, Tp Hồ Chí Minh 8/2015 – Giáo viên Trường THPT Nguyễn Hữu Thọ, Tp Hồ Chí Minh CƠNG TRÌNH ĐÃ CƠNG BỐ Trần Đặng Bảo Ân, Nguyễn Hữu Đông, Lê Công Nhân, Nguyễn Trung Hiếu (2015), “Các hàm Wavelet tối ưu xử lý tín hiệu điện cơ”, Hội nghị Khoa học Kỹ thuật Đo lường toàn quốc lần thứ VI – Hà Nội, p503 – 510 ... phép biến đổi xử lý tín hiệu điện (EMG)  Tìm hiểu trình thu nhận, phương pháp kỹ thuật số dùng để xử lý tín hiệu điện  Nghiên cứu phép biến đổi wavelet ứng dụng xử lý tín hiệu điện  Sử dụng... đổi xử lý tín hiệu điện (EMG); sử dụng phần mềm Matlab để xử lý tín hiệu điện Các nội dung thực bao gồm:  Tìm hiểu nguồn gốc sinh lý tín hiệu điện cơ, q trình thu nhận, phương pháp dùng để xử lý. .. dùng để xử lý tín hiệu điện  Nghiên cứu phép biến đổi wavelet ứng dụng xử lý tín hiệu điện  Sử dụng Matlab hộp công cụ Wavelet Toolbox để xử lý, lọc nhiễu tín hiệu nén số tín hiệu điện mẫu  Xây