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 />
4.6. Zerlegung <strong>myoelektrischer</strong> <strong>Signale</strong> in ihre<br />
Summenaktionspotenziale<br />
Ein interessanter Aspekt der myoelektrischen Signalanalyse ist die Zerlegung des auf<br />
der Hautoberfläche erfassten Signals in seine einzelnen Summenaktionspotenziale. Diese<br />
Zerlegung lässt sich auf das f<strong>und</strong>amentale Problem der Darstellung multivariater Daten<br />
zurückführen. In diesem Zusammenhang nennt man die gemeinsame Wahrscheinlichkeitsverteilung<br />
mehrer Zufallsvariablen, in diesem Fall mehrerer <strong>myoelektrischer</strong> <strong>Signale</strong>,<br />
multivariate oder auch mehrdimensionale Verteilung [30].<br />
Um diese Problematik zu erläutern, wird in der Fachliteratur der als Cocktail-Party-<br />
Problem bezeichnete Sachverhalt herangezogen [31]. Man stellt sich einen Raum mit<br />
mehreren gleichzeitig sprechenden Personen, beispielsweise auf einer solchen Party, vor.<br />
Der Mensch ist nun in der Lage, durch konzentriertes Zuhören einem Einzelnen dieser<br />
Gespräche zu folgen <strong>und</strong> gleichzeitig die anderen Gespräche aus seiner Wahrnehmung<br />
auszublenden.<br />
Die für den Menschen vergleichsweise einfache <strong>und</strong> intuitive Extraktion relevanter Daten<br />
(dem Gespräch des Einzelnen) aus einer Mischung vieler Signaldaten (den vielen anderen<br />
Gesprächen) stellt die Technik vor das Problem der Signalquellentrennung. Diese<br />
Trennung der <strong>Signale</strong> ist vergleichbar mit der Zerlegung <strong>myoelektrischer</strong> <strong>Signale</strong> in seine<br />
einzelnen Summenaktionspotenziale. Ein Ansatz zur Lösung der Problematik ist die<br />
Independent Component Analysis (ICA) die der folgende Abschnitt 4.6.1 einführend<br />
erläutert.<br />
4.6.1. Independent Component Analysis<br />
Man stelle sich das Cocktail-Party-Problem vereinfacht mit zwei Sprechern in einem<br />
Raum vor. Sie stellen zwei Signalquellen dar, die jeweils ein zeitlich abhängiges Sprachsignal<br />
s1(t) <strong>und</strong> s2(t) aussenden. Weiterhin erfassen zwei an unterschiedlichen Orten im<br />
Raum positionierte Mikrofone die <strong>Signale</strong> als gewichtete Summensignale x1(t) <strong>und</strong> x2(t).<br />
Die linearen Gleichungen:<br />
x1(t) = a11s1(t) + a12s2(t) , (4.17)<br />
x2(t) = a21s1(t) + a22s2(t) , (4.18)<br />
beschreiben diese Konstellation. Die Koeffizienten a11, a12, a21 <strong>und</strong> a22 hängen von den<br />
56