Matlab实现sEMG信号时频特征提取与分析

本MATLAB程序专注于表面肌电(sEMG)信号的特征提取，这是一种在生物医学工程和运动科学领域广泛应用的技术，用于分析肌肉活动和神经信号。程序主要关注以下几个关键的特征值： 1. **时域特征提取**： - **平均绝对值(Mean Absolute Value, MAV)**：通过计算每个长度为`length_t`（这里是1000样本点）的连续数据段内信号的绝对值之和，然后除以长度得到平均绝对值。这个特征反映信号的波动强度，不考虑正负符号。 2. **根均方(Root Mean Square, RMS)**：对同一长度的数据段内的平方值求和后再开方，表示了信号的强度或电压变化的幅度。与MAV类似，但更侧重于量化强度。 3. **方差(Variance, VAR)**：计算每个数据段内信号值与该段平均值的偏差的平方和，然后除以长度。方差提供了信号变异性信息，反映了数据分布的离散程度。 4. **零交叉(Zero Crossing, ZC)**：程序并未直接实现零交叉计数，但从注释中可以推测，可能涉及到检测信号由正值变为负值或反之的情况，作为信号变动和肌肉收缩的间接指标。 5. **频域特征提取**： - **平均功率频率(Mean Power Frequency, MPF)** 和 **中值频率(Median Frequency, MF)**：尽管这部分代码未在提供的部分中明确展示，但通常在处理sEMG信号时，会通过傅立叶变换将信号从时域转换到频域来分析其功率谱，从而估计肌肉活动的主导频率，如MPF，以及信号强度在不同频率范围的分布，如MF。 整个程序采用循环结构，通过滑动窗口方法对数据进行分块处理，每个窗口长度为`length_t`，步长为`delta_t`（这里是50）。通过这种逐段分析，程序有效地提取了sEMG信号的重要时域特征，并可能进一步用于后续的信号处理、分类或分析任务。此外，阈值的设置（如在ZC部分提到的`threshold`）也可能在某些特定应用中用于信号处理，比如噪声去除或事件检测。