Messung und Analyse myoelektrischer Signale - Communications ...
Messung und Analyse myoelektrischer Signale - Communications ...
Messung und Analyse myoelektrischer Signale - Communications ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
4. Signalanalyse<br />
Wenn sich genügend viele Summenaktionspotenziale zu einem myoelektrischen Signal<br />
überlagern, kann dieses näherungsweise durch einen gaußschen stochastischen Prozess<br />
mit dem Mittelwert Null beschrieben werden [13]. Solche stochastischen <strong>Signale</strong> können<br />
entweder stätionär oder nichtstationär sein <strong>und</strong> werden durch statistische Eigenschaften<br />
charakterisiert.<br />
In der Praxis treten bei auf der Hautoberfläche erfassten myoelektrischen <strong>Signale</strong>n Frequenzen<br />
von 0 Hz bis 500 Hz auf. Der Hauptteil der Energie ist im Bereich von 50 Hz<br />
bis 150 Hz verteilt. Die Bandbreite des Signals wird durch verschiedene Filtereffekte beeinflusst.<br />
Wie in Kapitel 2 beschrieben, sind Muskelfasern <strong>und</strong> Fettschichten unter der<br />
Haut anisotrop <strong>und</strong> wirken als Tiefpassfilter. Bei größer werdender Distanz zwischen<br />
Muskelfasern <strong>und</strong> Elektrode steigt der Filtereffekt an.<br />
In der Fachliteratur werden die verschiedensten Parameter zur Charakterisierung von<br />
myoelektrischen <strong>Signale</strong>n herangezogen. Man unterteilt sie typischerweise in zwei Hauptgruppen:<br />
die Amplitudenparamter <strong>und</strong> die Frequenzparameter. Einige dieser Parameter<br />
können auf der Hardwarebene vor der Analog/Digital-Wandlung extrahiert werden, andere<br />
wiederum lassen sich besser nach dieser Wandlung mit den Mitteln der digitalen Signalverarbeitung<br />
gewinnen. Die digitale Verarbeitung bietet außerdem den Vorteil, dass<br />
sie nicht nur zur Echtzeitverarbeitung zur Verfügung steht, sondern auch auf bereits<br />
erfasste <strong>und</strong> digitalisierte Daten zur Nachverarbeitung herangezogen <strong>und</strong> angewandt<br />
werden kann.<br />
4.1. Stochastische Prozesse<br />
Das myoelektrische Signal kann, wie oben beschrieben als zufälliges Signal in Abhängigkeit<br />
der Zeit aufgefasst werden. Solche zeitabhängigen, zufälligen Prozesse werden auch<br />
als stochastische Prozesse bezeichnet. Mathematisch gesehen handelt es sich dabei um<br />
eine Erweiterung einer Zufallsvariable (z. B. das Ergebnis eines Würfelwurfs), um den<br />
Parameter der Zeit. Bezeichnet man den stochastischen Prozess nun mit X(t) handelt es<br />
sich bei myoelektrischen <strong>Signale</strong>n sowohl bei X als auch bei dem zugehörigen Zeitparameter<br />
t um kontinuierliche Größen. Dies trifft wenigstens in den Schritten der Verarbeitung<br />
zu, die vor der Digitalisierung des Signals stattfinden. In den darauffolgenden Schritten<br />
handelt es sich sowohl um wertdiskrete, als auch um zeitdiskrete Größen.<br />
Betrachtet man eine Zeitreihe des stochastischen Prozesses X(ti) mit i als positiver<br />
Ganzzahl (1 . . . n) , erhält man einen Zufallsvektor aus n Werten �xi = X(ti). Die Wahrscheinlichkeitsverteilung<br />
dieses Vektors wird durch die Wahrscheinlichkeitsdichtefunktion<br />
p(xi) = p(x1, x2, x3, . . . xn) beschrieben. Sie gibt Auskunft darüber, mit welcher Wahr-<br />
41