ỨNG DỤNG PHÉP BIẾN đổi WAVELET TRONG xử lý NHIỄU tín HIỆU điện cơ

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM THÀNH PHỐ HỒ CHÍ MINH
KHOA VẬT LÝ

VÕ THỊ PHẤN

ỨNG DỤNG PHÉP BIẾN ĐỔI WAVELET
TRONG XỬ LÝ NHIỄU TÍN HIỆU ĐIỆN CƠ

LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC

Tp. HỔ CHÍ MINH – NĂM 2015


ii

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM THÀNH PHỐ HỒ CHÍ MINH
KHOA VẬT LÝ

VÕ THỊ PHẤN

ỨNG DỤNG PHÉP BIẾN ĐỔI WAVELET
TRONG XỬ LÝ NHIỄU TÍN HIỆU ĐIỆN CƠ

Ngành: SƯ PHẠM VẬT LÝ
Mã số: 102

Giảng viên hướng dẫn:
ThS. TRẦN ĐẶNG BẢO ÂN

Tp. HỔ CHÍ MINH – NĂM 2015


i

LỜI CẢM ƠN
Trong quá trình thực hiện luận văn, ngoài sự nổ lực của bản thân, tôi đã nhận
được nhiều sự quan tâm, hướng dẫn, giúp đỡ của bố mẹ, thầy cô và bạn bè.
Tôi xin bày tỏ lòng biết ơn sâu sắc đến thầy hướng dẫn – Th.S Trần Đặng Bảo
Ân đã tận tâm hướng dẫn, động viên và tạo mọi điều kiện thuận lợi cho tôi hoàn
thành luận văn này.
Tôi xin chân thành cảm ơn đến các thầy, cô ở Khoa Vật Lý trường Đại học Sư
phạm TP. Hồ Chí Minh đã truyền thụ cho tôi các kiến thức nền tảng để thực hiện
luận văn tốt nghiệp đại học.
Tôi cũng rất chân thành cảm ơn các bạn cùng khóa, đã có những đóng góp quý
báu cho đề tài.
Sau cùng tôi xin gởi lời cảm ơn đến gia đình đã luôn là nguồn động viên lớn
nhất giúp tôi hoàn thành luận văn này.
Mặc dù tôi đã có rất nhiều cố gắng để thực hiện đề tài một cách hoàn chỉnh
nhất. Song do lần đầu mới làm quen với nghiên cứu khoa học cũng như hạn chế về
kiến thức và kinh nghiệm nên không thể tránh khỏi những thiếu sót, kính mong sự
thông cảm và góp ý giúp đỡ của quý thầy cô và các bạn.
Tp. Hồ Chí Minh, ngày 27 tháng 04 năm 2015
Sinh viên thực hiện

Võ Thị Phấn


ii

MỤC LỤC
LỜI CẢM ƠN ............................................................................................................ i
MỤC LỤC ................................................................................................................. ii
DANH MỤC MỘT SỐ CHỮ VIẾT TẮT ............................................................. iii
DANH MỤC HÌNH VẼ .......................................................................................... iv
GIỚI THIỆU CHUNG ..............................................................................................1
Chương 1: TỔNG QUAN VỀ TÍN HIỆU ĐIỆN CƠ .............................................4
1.1.

Lịch sử hình thành tín hiệu điện cơ ...............................................................4

1.2.

Cơ sở phát sinh tín hiệu điện cơ ....................................................................4

1.3.

Kết cấu của tín hiệu điện cơ ..........................................................................8

1.4.

Các nhân tố ảnh hưởng đến tín hiệu điện cơ .................................................9

1.5.

Các phương pháp thu nhận tín hiệu điện cơ ................................................11

1.6.

Ứng dụng của tín hiệu điện cơ.....................................................................14

Chương 2: PHƯƠNG PHÁP XỬ LÝ TÍN HIỆU ĐIỆN CƠ..............................16
2.1.

Biến đổi Fourier .......................................................................................16

2.2.

Phép biến đổi wavelet ..................................................................................17

2.3.

Các họ wavlet [2, 5] .....................................................................................23

2.4.

Điều kiện wavelet mother ............................................................................26

Chương 3: THỰC HÀNH XỬ LÝ TÍN HIỆU.....................................................28
3.1. Ứng dụng các phép biến đổi wavelet trong khử nhiễu ...................................28
3.2. Wavelet toobox ...............................................................................................30
3.3. Khảo sát tín hiệu EMG bằng hộp công cụ Wavelet Toolbox của Matlab ......35
KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN .............................................................52
TÀI LIỆU THAM KHẢO ......................................................................................53


iii

DANH MỤC MỘT SỐ CHỮ VIẾT TẮT
Kí hiệu

Diễn tả

AI

Artificial Intelligence

AP

Action potential

CWT

Continuous Wavelet Transform

DWT

Discrete Wavelet Transform

ECG

Electrocardiography

EEMD

Ensemble Empirical Mode Decomposition

EMD

Empirical Mode Decomposition

EMG

Electromyography

HAS

Hilbert spectral analysis

HHT

Hilbert Huang Transform

HOS

Higher-order statistical

IDWT

Inverse discrete wavelet transform

IMF

Intrinsic Mode Function

MSE

Mean Square Error

MU

Motor Unit

MUAPs

Motor unit action potential

PRD

Percent Root Mean Square Difference

SEMG

Surface Electromyography

SNR imp

Improvement signal-to-noise ratio

STFT

Short Time Fourier Transform

WVD

Wigner – Ville Distribution


iv

DANH MỤC HÌNH VẼ
Hình 0.1. Tín hiệu EMG thô ........................................................................................1
Hình 1.1. Quá trình khử cực và tái khử cực của màng tế bào cơ ...............................5
Hình 1.2. Đơn vị vận động ..........................................................................................6
Hình 1.3. Cơ chế phát sinh điện thế hoạt động ...........................................................7
Hình 1.4. Điện thế hoạt động của các tế bào cơ .........................................................8
Hình 1.5. Khu vực khử cực trên các màng sợi cơ .......................................................8
Hình 1.6. Sự chồng lên nhau của các MUAP tạo nên một tín hiệu EMG...................9
Hình 1.7. Chuỗi sự kiện điện sinh học ......................................................................12
Hình 2.1. Biến đổi Fourier trong thời gian ngắn (STFT) .........................................17
Hình 2.2. Biến đổi Wavelet .......................................................................................18
Hình 2.3. Sự co dãn của wavelet tương ứng với các hệ số tỷ lệ khác nhau ..............19
Hình 2.4. Sự dịch chuyển của wavelet ......................................................................20
Hình 2.5. Phân tích đa phân giải sử dụng biến đổi wavelet rời rạc .........................22
Hình 2.6. Wavelet Haar ............................................................................................23
Hình 2.7. Họ wavelet Daubechies .............................................................................24
Hình 2.8. Họ wavelet coiflets ....................................................................................24
Hình 2.9. Họ wavelet Symlets ...................................................................................25
Hình 2.10. Wavelet Morlet ........................................................................................25
Hình 2.11. Hàm mũ Mehico ......................................................................................25
Hình 2.12. Wavelet Meyer .........................................................................................26
Hình 2.13. Wavelet Shannon .....................................................................................26
Hình 3.1. Ngưỡng cứng .............................................................................................29
Hình 3.2. Ngưỡng mềm .............................................................................................30
Hình 3.3. Wavelet Toolbox Main Menu ........................................................................
31
Hình 3.4. Tải tín hiệu vào giao diện Wavelet 1 – D ..................................................31
Hình 3.5. Phân tích tín hiệu thành các mức xấp xỉ và chi tiết ..................................32
Hình 3.6. Lọc nhiễu tín hiệu ......................................................................................33
Hình 3.7. Đặt ngưỡng để xử lý ..................................................................................33

Hình 3.8. Lọc nhiễu tín hiệu sau khi đã đặt ngưỡng .................................................34
Hình 3.9: Hiển thị tín hiệu sau khi lọc nhiễu và tín hiệu gốc ...................................34
Hình 3.10. Tín hiệu EMG người khỏe mạnh (sạch) ..................................................35
Hình 3.11. Tín hiệu EMG người khỏe mạnh (cộng thêm nhiễu Gauss trắng 10dB) 35
Hình 3.12. Tín hiệu EMG người bị rối loạn hệ thần kinh (sạch)..............................36


v

Hình 3.13. EMG người bị rối loạn hệ thần kinh (cộng thêm nhiễu Gauss trắng
10dB) ..................................................................................................................36
Hình 3.14. Phân tích tín hiệu Noisekhoe thành các mức chi tiết và xấp xỉ ..............37
Hình 3.15. Đặt ngưỡng và lọc nhiễu tín hiệu Noisekhoe ..........................................37
Hình 3.16. Tín hiệu Noisekhoe và tín hiệu sau lọc nhiễu..........................................38
Hình 3.17. Phân tích tín hiệu Noise thành các mức chi tiết và xấp xỉ ......................38
Hình 3.18. Đặt ngưỡng và lọc nhiễu tín hiệu Noise..................................................38
Hình 3.19. Tín hiệu Noise và tín hiệu sau lọc nhiễu .................................................39
Hình 3.20. Phân tách tín hiệu EMG thành các hệ số chi tiết và hệ số xấp xỉ. ..........40
Hình 3.21. Sơ đồ thuật toán xác định các hàm Wavelet tối ưu. ...............................41
Hình 3.22. Sự phụ thuộc của PRD vào các mức phân tách của các hàm Wavelet
haar, db1, bior1.1 và rbio1.1 .............................................................................46
Hình 3.23. Sự phụ thuộc của MSE vào các mức phân tách của các hàm wavelet
haar, db1, bior1.1 và rbio1.1 .............................................................................47
Hình 3.24. Hình tín hiệu sạch, tín hiệu thêm nhiễu và tín hiệu sau lọc nhiễu của các
loại wavelet haar, db1, bior1.1 và rbio1.1 .........................................................48
Hình 3.25. Sự phụ thuộc của PRD vào các mức phân tách của các hàm wavelet
haar, db1, bior1.1 và rbio1.1 .............................................................................48
Hình 3.26. Sự phụ thuộc của MSE vào các mức phân tách của các hàm wavelet
haar, db1, bior1.1 và rbio1.1 .............................................................................49
Hình 3.27. Hình tín hiệu sạch, tín hiệu thêm nhiễu và tín hiệu sau lọc nhiễu của các

loại wavelet haar, db1, bior1.1 và rbio1.1 .........................................................50
DANH MỤC CÁC BẢNG
Bảng 3.1. Bảng các tín hiệu mẫu ..............................................................................35
Bảng 3.2. Bảng các loại wavelets .............................................................................42


1

GIỚI THIỆU CHUNG
Tín hiệu y sinh là một tín hiệu điện thu nhận được từ bất kỳ các cơ quan nào
mà có sự thay đổi đặc tính vật lý. Tín hiệu này thông thường là một hàm của thời
gian và được mô tả trong giới hạn của biên độ, tần số và pha. Tín hiệu điện cơ
(Electromyography – EMG) là một tín hiệu y sinh đo bằng dòng điện được tạo ra
trong suốt quá trình co cơ. Hệ thống thần kinh luôn luôn kiểm soát hoạt động cơ bắp
(co/giản). Do đó tín hiệu EMG là một tín hiệu phức tạp, nó được kiểm soát bởi hệ
thống thần kinh và phụ thuộc vào cấu trúc giải phẫu và đặc điểm sinh lý của cơ
[12]. Tín hiệu EMG bao gồm nhiễu trong khi truyền qua các mô khác nhau. Đặc
biệt nếu được thu nhận trên bề mặt của da, tín hiệu thu được từ các đơn vị vận động
khác nhau ở cùng một thời điểm có thể tạo ra sự tương tác lẫn nhau. Tín hiệu EMG
có ý nghĩa to lớn như được sử dụng cho nhiều ứng dụng lâm sàng/y sinh, phát triển
chip EHW, tương tác máy tính với con người.
Các tín hiệu điện cơ EMG cần phải có phương pháp có độ chính xác đáng tin
cậy đối với từng bước: ghi nhận, phân tích, xử lý và phân loại. Tín hiệu điện cơ bề
mặt được ghi nhận bằng các điện cực tại bề mặt da và thu được các tín hiệu sinh học
của quá trình hoạt động của hệ cơ – thần kinh. Cơ tạo ra một tín hiệu điện yếu với
biên độ khoảng 0,1 – 0,5 mV. Do đó, đòi hỏi phải có hệ thống đo có độ nhạy lớn
nhưng điều này dẫn đến khả năng chống nhiễu giảm. Các vấn đề khác gặp phải
trong việc ghi nhận tín hiệu EMG đó là nhiễu và ảnh hưởng của nhiễu. Năng lượng
của tín hiệu điện cơ bề mặt (sEMG) có dãy động nằm trong khoảng 0 – 1000 Hz,
nhưng tín hiệu EMG thông thường có tần số thấp và tín hiệu nhiễu có tần số cao.

Tín hiệu EMG thật sự hữu ích nằm trong dãy động từ 10 – 500 Hz, chi tiết hơn là từ
50 – 150 Hz. Vì thế người ta tin tưởng rằng, nhiễu được sinh ra từ tín hiệu có tần số
cao, được giả định tuân theo hàm phân bố Gauss [1].

Hình 0.1. Tín hiệu EMG thô


2

Để có được tín hiệu EMG, điện cực được dán lên bề mặt da (điện cực bề mặt)
hoặc điện cực kim được gắn trực tiếp vào cơ bắp. Tín hiệu EMG thu được từ điện
cực bề mặt là một tín hiệu phức tạp, bao gồm tất cả các sợi cơ nằm dưới da. Nó phụ
thuộc vào sự điều khiển của hệ thần kinh, vào các tính chất giải phẫu và sinh lý của
các cơ bắp. Tín hiệu EMG có thể được biểu diễn dưới dạng điện áp như hình 0.1
[1].
Kỹ thuật ghi nhận tín hiệu EMG là tương đối mới. Hiện tại còn những hạn chế
trong việc ghi nhận và hiểu rõ tính chất phi tuyến của tín hiệu điện cơ ở bề mặt, dự
đoán sự biến đổi tiếp theo của tín hiệu, thu tín hiệu chính xác từ cơ. Các thuật toán
nhằm tái tạo lại tín hiệu điện cơ sau khi lọc nhiễu của các hệ thống truyền thống có
những hạn chế khác nhau, tính toán phức tạp và cho tín hiệu bị sai lớn [12]. Những
tiến bộ gần đây trong kỹ thuật xử lý tín hiệu các mô hình toán học đã tạo tiền đề cho
kỹ thuật ghi nhận và phân tích các tín hiệu điện cơ EMG. Các kỹ thuật toán học
khác nhau và trí tuệ nhân tạo (Artificial Intelligence) đã có những sức thu hút lớn.
Các mô hình toán học bao gồm phép biến đổi wavelet, các phương pháp thời gian –
tần số, phép biến đổi Fourier, phân bố Wigner – Ville (WVD), đo lường thống kê,
và thống kê bậc cấp. Tuy có rất nhiều thuật toán khác nhau nhưng chúng đều có
những mặt thuận lợi và hạn chế nhất định. Phương pháp tiếp cận thời gian – tần số
sử dụng phân bố WVD cho phép biểu diễn thời gian thực có thể được sử dụng cho
một đơn vị vận động (Motor unit – MU), đặc biệt trong tình huống phản hồi sinh
học nhưng lại chứa nhiều nhiễu. Phương pháp thống kê bậc cao (Higher-order

statistical - HOS) có thể được sử dụng cho phân tích tín hiệu EMG vì nó áp dụng
được cho khoảng thời gian ngẫu nhiên nhưng lại rất phức tạp [12, 8]. Phép biến đổi
Fourier là một công cụ toán học hữu ích và quan trọng nhưng nó chỉ cung cấp thông
tin có tính toàn cục, thích hợp cho những tín hiệu tuần hoàn, không chứa các đột
biến hoặc các thay đổi không dự báo được. Khắc phục nhược điểm này một cách
hiệu quả nhất là phép biến đổi wavelet. Phân tích thời gian – tần số dựa vào phép
biến đổi wavelet là phù hợp hơn để xử lý các tín hiệu điện cơ EMG.


3

Ứng dụng EMG trong kỹ thuật y sinh dùng để chữa bệnh về cơ hoặc dựa vào
tín hiệu điện cơ để tối ưu hóa hoạt động của cơ là một lĩnh vực không mới trên thế
giới. Tuy nhiên, việc ứng dụng kỹ thuật EMG tại Việt Nam có phần hạn chế. Các
bệnh liên quan về cơ thường không được chẩn đoán bằng tín hiệu điện cơ mà chủ
yếu dựa trên kinh nghiệm của bác sĩ hoặc các triệu chứng lâm sàng về cơ. Hơn nữa,
trong nước cũng chưa thấy công ty hay tổ chức nào dùng tín hiệu EMG để mô
phỏng hoạt động của cơ. Từ đó có thể ứng dụng trong thể thao, chế tạo chân tay giả
hoặc robot hoạt động trên cơ sở tín hiệu này. Các máy móc về điện cơ thì nhập khẩu
từ nước ngoài hoặc chỉ lắp ráp tại Việt Nam chứ chưa thấy chế tạo. Do đó, đây là
hướng nghiên cứu mới tại Việt Nam.
Trong luận văn này, tôi tập trung nghiên cứu xử lý tín hiệu điện cơ bằng phép
biến đổi wavelet.
Ý nghĩa của đề tài này là để tạo ra tín hiệu đáng tin cậy ứng dụng trong chẩn
đoán và điều trị bệnh liên quan đến hệ cơ – thần kinh, đây là nền tảng cơ bản về tín
hiệu điện cơ và phương pháp xử lý tín hiệu sử dụng phần mềm MATLAB góp phần
tạo động lực cho những nghiên cứu về lĩnh vực y sinh sau này.
Các mục đích của đề tài này là nghiên cứu phép biến đổi wavelet và ứng dụng
phép biến đổi này trong xử lý tín hiệu điện cơ (EMG), sử dụng phần mềm
MATLAB để mô phỏng và xử lý một vài tín hiệu điện cơ.

Các nội dung được thực hiện trong luận văn này là:
-

Tìm hiểu tín hiệu điện cơ.

-

Tìm hiểu phép biến đổi wavelet và ứng dụng trong xử lý tín hiệu điện cơ.

-

Sử dụng phần mềm MATLAB để mô phỏng và lọc nhiễu của tín hiệu mẫu.

-

Đưa ra tín hiệu đáng tin cậy để ứng dụng trong y sinh.
Để có được một tín hiệu điện cơ chính xác thì cần thực hiện các bước ghi

nhận, phân tích, xử lý và phân loại chính xác. Trong bài này, tôi chỉ tập trung
nghiên cứu xử lý tín hiệu điện cơ bằng phép biến đổi wavelet.


4

Chương 1: TỔNG QUAN VỀ TÍN HIỆU ĐIỆN CƠ
1.1.

Lịch sử hình thành tín hiệu điện cơ
Có nhiều công trình nghiên cứu về tín hiệu EMG, bắt đầu phát triển bởi tài

liệu của Francesco Redi’s năm 1666 cho rằng tia điện được tạo ra từ cá điện. Năm
1773, Walsh đã chứng minh được mô cơ của cá điện có thể tạo ra lửa điện. Năm
1792, công trình viết bởi A.Galvani cho thấy điện có thể bắt đầu từ sự co cơ. Sáu
thập kỷ sau, năm 1849, Dubios Raymond phát hiện rằng có thể ghi nhận hoạt động
điện trong suốt một sự co cơ. Ghi nhận đầu tiên của hoạt động này được thực hiện
bởi Maray năm 1890. Năm 1922, Gasser và Erlanger đã sử dụng dao động ký điện
tử để quan sát tín hiệu điện từ cơ. Khả năng của ghi nhận tín hiệu điện cơ đã được
phát triển từ thập niên 1930 đến 1950 và những nhà nghiên cứu sau đó đã sử dụng
điện cực để nghiên cứu tín hiệu của cơ. Tín hiệu điện cơ bề mặt sEMG được sử
dụng cho điều trị lâm sàng của những rối loạn cụ thể trong những năm 1960. Vào
những năm 1980, Cram và Steger đã giới thiệu một phương pháp điều trị lâm sàng
bằng thiết bị cảm ứng tín hiệu EMG [12].
Trong những năm gần đây, có nhiều công trình nghiên cứu cho kết quả chính
xác hơn như công trình của Reaz trình bày các phương pháp khác nhau trong xử lý
EMG [12]. Năm 2011, Phinyomark nói về ứng dụng wavelet trong xử lý tín hiệu
điện cơ EMG [9]. Marcelo Bigliassi so sánh biến đổi Fourier và wavelet trong việc
đánh giá sự mỏi cơ trong bài tập vận động [11]. Năm 2014, Intell. Syst. & Biomed.
Robot. Group nghiên cứu phương pháp tuyến tính và phi tuyến trong co cơ [10], …
1.2.

Cơ sở phát sinh tín hiệu điện cơ
Tín hiệu điện cơ được phát sinh từ sự kích thích của các sợi cơ bởi các nơ-ron.

Hiện tượng này có thể được giải thích bởi mô hình của một màng bán thấm, mô tả
các thuộc tính về điện của màng tế bào.
Trạng thái cân bằng ion giữa các ion bên trong và bên ngoài màng tế bào tạo
nên một điện thế nghỉ tại màng tế bào cơ – Resting potential (khoảng từ – 80 đến –
90 mV khi không co cơ). Khi có kích thích sẽ làm xuất hiện sự khác nhau về điện

5

thế giữa bên trong và bên ngoài màng tế bào: điện thế bên trong trở nên âm hơn. Sự
khác nhau này được duy trì bởi một quá trình sinh lý được gọi là quá trình bơm ion
(ionic pump). Sự hoạt hóa của một tế bào sừng trước alpha-motor gây nên sự dẫn
truyền các kích thích dọc theo dây thần kinh vận động. Sau khi giải phóng các chất
dẫn truyền tại tấm vận động (the motor endplates), một điện thế tấm vận động được
tạo ra tại sợi cơ được kích thích bởi MU.
Đặc điểm khuếch tán này của màng sợi cơ bị thay đổi trong một thời gian
ngắn và các ion Na+ di chuyển vào bên trong màng tế bào (intracellular). Điều này
gây nên một sự khử cực màng tế bào (Depolarization). Sự khử cực này được phục
hồi lại ngay lập tức bởi sự trao đổi ngược lại các ion bên trong quá trình “bơm ion”
và tạo nên sự tái khử cực màng tế bào (Repolarization) (Hình 1.1).

Hình 1.1. Quá trình khử cực và tái khử cực của màng tế bào cơ
1.2.1. Đơn vị vận động (Motor Unit)
Cơ được tạo thành từ các thành phần riêng biệt gọi là sợi cơ. Các sợi cơ hình
trụ kéo dài được sắp xếp song song với nhau và mỗi sợi được bao quanh bởi màng
sợi cơ. Đơn vị vận động là một hệ thống được hình thành bởi một nơ – ron vận
động duy nhất và tất cả các sợi cơ được điều khiển bởi các nhánh sợi trục của sợi
thần kinh vận động đó. Nó là đơn vị chức năng nhỏ nhất dùng để miêu tả sự điều
khiển của hệ thần kinh vận động đối với quá trình co cơ được gọi là một đơn vị vận


6

động (Motor Unit – MU). Co cơ được tạo ra bởi sự kích hoạt lặp đi lặp lại của một
số đơn vị vận động.

Hình 1.2. Đơn vị vận động

1.2.2. Sự hình thành điện thế hoạt động (Action potential - AP)
Sau một tiếp nhận cảm giác tạo ra thông tin, tín hiệu điện được chuyển đến
trung ương thần kinh bằng cách đi xuyên qua một sợi trục. Tuy nhiên, một sợi thần
kinh là dây dẫn tương đối yếu vì nó nhanh chóng làm suy giảm tín hiệu điện. Thế
điện động có thể giảm đến 37 % so với giá trị ban đầu sau khi đi được một đoạn
0,15 mm trên cùng một sợi trục thần kinh, kết quả làm cho thế điện động không sử
dụng được. Khoảng cách để thế điện động không sử dụng được gọi là hằng số dài
(length constant). Hằng số này phụ thuộc vào kích thước của các sợi thần kinh vì nó
tỷ lệ thuận với căn bậc hai đường kính của sợi trục [13].
Để khắc phục sự suy giảm tín hiệu, hệ thống thần kinh sử dụng một phương
pháp làm tăng cường độ của tín hiệu điện. Khi thế điện động giảm đến một mức
ngưỡng 8 mV thì các tế bào thần kinh khác sẽ cung cấp thêm 100 mV điện thế hoạt
động. Tuy nhiên, điện thế hoạt động sẽ tiếp tục giảm khi đi qua các sợi thần kinh,
kết quả sẽ kích thích tế bào thần kinh cung cấp một lượng lớn điện thế hoạt động.


7

Khi dòng ion Na+ chảy vào bên trong màng tế bào cơ vượt qua một mức
ngưỡng nào đó, quá trình khử cực màng tế bào gây nên một điện thế hoạt động thay
đổi nhanh chóng từ – 80 mV đến + 30 mV.
Như vậy khi một xung động thần kinh từ dây cột sống dẫn truyền đến tấm vận
động làm giải phóng Ach (Acetylcholine) tại khe synap (1) và gây nên một sự khử
cực (điện thế hoạt động) (Hình 1.3). Điện thế hoạt động này dẫn truyền vào bên
trong sợi cơ thông qua một ống ngang (2). Đến đây làm giải phóng ion Ca++ (3),
khiến cho cầu ngang khép lại (4) và làm cơ bắt đầu co (5).

Hình 1.3. Cơ chế phát sinh điện thế hoạt động

8

Hình 1.4. Điện thế hoạt động của các tế bào cơ
Tín hiệu điện cơ EMG dựa trên cơ sở các điện thế hoạt động tại màng sợi cơ là
kết quả từ các quá trình khử cực và tái khử cực được mô tả ở trên (1.2). Phạm vi của
vùng khử cực (Depolarization zone) khoảng từ 1 – 3 mm2. Kích thích ban đầu tại
khu vực này sau khi di chuyển dọc theo sợi cơ với tốc độ 2 – 6 m/s sẽ đi tới bề mặt
các điện cực (Hình 1.5).

Hình 1.5. Khu vực khử cực trên các màng sợi cơ
1.3.

Kết cấu của tín hiệu điện cơ
Khi ghi nhận tín hiệu EMG bằng điện cực thì tín hiệu thu được là sự chồng lên

nhau của các đơn vị điện thế hoạt động MUAP.


9

Hình 1.6. Sự chồng lên nhau của các MUAP tạo nên một tín hiệu EMG
1.4.

Các nhân tố ảnh hưởng đến tín hiệu điện cơ
Bản chất thực của một tín hiệu thu được từ cơ bị mất đi do sự pha trộn của các

tín hiệu nhiễu khác nhau. Các thuộc tính của tín hiệu EMG phụ thuộc vào cấu trúc
nội bộ của đối tượng, bao gồm cả thông tin riêng biệt của da, vận tốc dòng chảy của
máu, nhiệt độ của da, cấu trúc của mô, cách đo lường,… các yếu tố này tạo ra các
loại nhiễu khác nhau trong tín hiệu EMG. Ta có thể chia nhiễu thành các loại chính

dưới đây.
1.4.1. Nhiễu vốn có trong điện cực
Tất cả các thiết bị điện tử đều tạo ra nhiễu điện hay còn gọi là “nhiễu vốn có”.
Nhiễu này có thành phần tần số nằm trong khoảng 0 đến vài ngàn Hz. Nhiễu này có
thể được loại bỏ bằng cách thiết kế mạch thông minh và linh kiện chất lượng cao.
1.4.2. Nhiễu chuyển động
Chuyển động của cáp nối điện cực để khuếch đại, giao diện giữa bề mặt của
điện cực và da tạo ra nhiễu chuyển động. Sợi cơ tạo ra hoạt động điện bất cứ khi
nào cơ hoạt động, khi cơ bắp được kích hoạt thì độ dài của cơ bắp giảm nên cơ bắp,
da và điện cực di chuyển so với nhau. Tại thời điểm đó, các điện cực sẽ hiển thị
nhiễu chuyển động. Các dải tần số của nhiễu chuyển động thường là 1 – 10 Hz và
có một điện thế so sánh với biên độ của EMG. Điện cực lõm có một lớp gel dẫn
điện được sử dụng giữa các bề mặt da và các giao diện điện – điện sẽ làm giảm
nhiễu chuyển động nhưng nó lại không loại bỏ được nhiễu chuyển động do sự


10

chênh lệch điện thế giữa các lớp da. Để loại bỏ nhiễu này ta làm giảm điện trở da
bằng cách thiết kế các mạch điện tử phù hợp kết hợp các bộ lọc.
1.4.3. Nhiễu điện từ
Cơ thể của con người hoạt động như một ăng – ten, bề mặt của cơ thể luôn
ngập trong sóng điện trường và từ trường, đó là nguồn gốc của nhiễu điện từ. Tín
hiệu điện từ chồng lên hay hủy bỏ tín hiệu được ghi nhận từ cơ bắp. Biên độ của
nhiễu điện từ đôi khi gấp 1- 3 lần tín hiệu EMG cần đo. Một lo ngại khác là nhiễu
điện từ phát sinh từ các nguồn điện (50 hoặc 60Hz). Ta có thể sử dụng bộ lọc thông
cao để loại bỏ nhiễu có tần số cao nhưng với những nhiễu có tần số gần với tần số
của tín hiệu thì ta sử dụng các bộ lọc như bộ lọc Notch thích nghi sử dụng phép biến
đổi Fourier, bộ lọc Laguerre hiệu quả có thể loại bỏ nhiễu điện đường dây từ tín
hiệu EMG thành công.

1.4.4.

Nhiễu xuyên âm

Tín hiệu EMG không mong muốn thu được từ các cơ bắp bên cạnh được gọi là
nhiễu xuyên âm (crosstalk). Nhiễu xuyên âm phụ thuộc nhiều vào các thông số sinh
lý và có thể được giảm thiểu nhờ chọn kích thước của điện cực (thường từ 1-2 cm)
và khoảng cách giữa các điện cực một cách cẩn thận. Nhiễu xuyên âm tăng lên cùng
với tăng độ dày của lớp mỡ dưới da.
1.4.5. Nhiễu nội tại
Yếu tố giải phẫu học, sinh hóa và sinh lý xảy ra do số lượng các sợi cơ trên
mỗi đơn vị, độ sâu và vị trí của sợi cơ hoạt động và số lượng mô. Những yếu tố này
được gọi là nhiễu nội tại và ảnh hưởng trực tiếp đến chất lượng của tín hiệu EMG.
Các hiệu ứng điện dung, số lượng mỡ thừa của cơ thể cũng được xem như một
nhiễu nội tại và ta có thể giảm chúng bằng cách sử dụng bộ lọc không gian cao.
1.4.6. Tính ngẫu nhiên vốn có của tín hiệu
Biên độ của tín hiệu EMG là bán ngẫu nhiên. Các thành phần tần số từ 0 đến
20 Hz chủ yếu là không ổn định vì bị ảnh hưởng bởi tốc độ đốt cháy của các đơn vị
vận động (MUs) mà tỷ lệ đốt cháy của các đơn vị vận động cũng bán ngẫu nhiên.
Do tính chất không ổn định của các thành phần của tín hiệu nên nó cũng được xem


11

là nhiễu không mong muốn. Số lượng của các đơn vị vận động, tốc độ đốt cháy của
các đơn vị vận động và tương tác cơ học giữa các sợi cơ làm ảnh hưởng đến các
thông tin trong tín hiệu.
1.4.7. Ảnh hưởng của tín hiệu điện tim (Electrocardiography - ECG)
Các hoạt động của tim là thành phần nhiễu hàng đầu đối với tín hiệu bề mặt
sEMG, đặc biệt là vùng dưới vai. Việc chọn lựa vị trí của điện cực quyết định mức

độ ảnh hưởng của ECG. Do sự chồng chéo của các phổ tần số của tín hiệu ECG và
EMG và sự tương đồng của chúng, chẳng hạn như tính không dừng và hình dạng
thay đổi theo thời gian nên rất khó khăn để loại bỏ nhiễu ECG ra khỏi EMG. Bộ lọc
thông cao là một phương pháp rất hiệu quả để loại bỏ các dao động gây ra bởi ECG.
1.5.

Các phương pháp thu nhận tín hiệu điện cơ
Thu nhận tín hiệu điện cơ còn được gọi là điện cơ đồ. Nó là một kỹ thuật ghi

lại hoạt động điện của cơ. Dòng điện đó thường tỉ lệ với mức độ hoạt động của cơ.
Qua phép đo điện cơ ta có thể phát hiện được những bất thường trong hoạt
động điện của cơ xảy ra ở bất kỳ bệnh lý nào, bao gồm bệnh loạn dưỡng cơ, viêm
cơ, bệnh thần kinh gây đau, tổn thương thần kinh ngoại biên (tổn thương thần kinh
cẳng tay, chân), xơ cứng cột bên teo cơ (còn gọi là bệnh Lou Gehrig), nhược cơ,
thoát vị đĩa đệm và các bệnh khác.
Đo điện cơ thường được thực hiện khi người bệnh bị yếu cơ mà không giải
thích được. Đo điện cơ giúp phân biệt giữa bệnh cơ mà trong đó nguyên nhân gây
bệnh xuất phát từ cơ và yếu cơ do rối loạn thần kinh. Đo điện cơ cũng có thể sử
dụng để phát hiện yếu cơ thật sự, ngược với yếu cơ do đau làm người bệnh không
dám cử động nhiều.
Có 2 phương pháp đo điện cơ là đo điện cơ ở bên trong – intramuscular
(needle and fine – wire) EMG cơ và đo điện cơ ở trên bề mặt da – surface EMG.
− Đo điện cơ bên trong cơ được thực hiện bằng cách cắm một điện cực kim
xuyên qua da vào bên trong cơ, do vậy ta có cảm giác đau.


12

− Đo điện cơ ở trên bề mặt da được thực hiện bằng cách đặt một điện cực bề
mặt lên trên bề mặt da (mà không cắm điện cực vào sâu bên trong cơ), ta

không có cảm giác đau.
Trong y học cho thấy rằng giá trị thông tin thu được bằng phương pháp đo
điện cơ bề mặt thường không tốt bằng so với đo điện cơ bằng cách tiêm vào cơ. Do
vậy, việc đo điện cơ trên bề mặt da để chẩn đoán và điều trị bệnh nhân bị bệnh về
cơ hay thần kinh không được khuyến khích. Thế nhưng, đo điện cơ trên bề mặt da
vẫn có giá trị trong việc theo dõi sự tiến triển các rối loạn thần kinh và cơ. Điện cực
có trở kháng cao thì làm giảm chất lượng tín hiệu và cho tỷ số tín hiệu trên nhiễu
thấp. Các điện cực EMG có thể được giải thích thông qua một khái niệm ăng – ten
thu nhận. Ăng – ten thu nhận là một thiết bị điện có thể phát hiện ra từ trường dao
động được tạo ra từ nhiều nguồn khác nhau. Sau đó, tín hiệu được truyền qua không
khí từ nguồn đến ăng – ten thu nhận, ý tưởng này được sử dụng để thiết kế điện cực.
Xét về việc thu nhận tín hiệu EMG, các sợi cơ là một máy phát tín hiệu y sinh, mà
điện áp được truyền vào chất lỏng dẫn điện. Chất lỏng này chuyển tải EMG đến
điện cực giống như không khí mang tín hiệu đến ăng – ten. Sự ghi nhận tín hiệu
EMG bắt đầu từ các sự kiện điện sinh học như hình 1.7 [13].

Hình 1.7. Chuỗi sự kiện điện sinh học


13

Các thay đổi về độ dẫn điện sẽ làm cho dòng chảy hoạt động trên màng hoặc
vào các dịch ngoại bào. Các dòng ngoại bào sau đó sẽ tạo ra gradient điện thế khi
chúng chảy qua các dịch ngoại bào. Các thay đổi gradient điện thế, sau đó sẽ tạo ra
dòng điện trong dây dẫn điện của điện cực, dòng điện này có biên độ rất nhỏ. Do
đó, nó sẽ được đưa qua một bộ khuếch đại để thu được tín hiệu đầu ra lớn.
Ngoài ra, theo hình dạng điện cực EMG còn có thể chia thành sáu loại sau:
điện cực đơn cực, điện cực lưỡng cực, điện cực ba cực, điện cực đa cực, miếng dán
điện cực và điện cực dây chằng bụng.
Điện cực đơn cực có điện thế từ điện cực và mặt đất là đầu vào cho mạch

khuếch đại vi sai. Trong đó, chỉ có một điện cực được sử dụng mà không cần đến
các kết nối điện khác.
Điện cực lưỡng cực được sử dụng để đo điện áp giữa hai điểm. Nó có hai nút
không được kết nối với nhau. Một nút sẽ sử dụng cho đầu vào cực dương và nút
khác sẽ sử dụng cho cực âm của bộ khuếch đại vi sai. Tuy nhiên khoảng cách giữa
hai điện cực có thể ảnh hưởng đến kết quả đo. Nếu đặt các điện cực quá xa nhau thì
tín hiệu thu được sẽ yếu. Ngược lại, đặt chúng quá gần thì dữ liệu có thể không sử
dụng được vì bộ khuếch đại không thể xử lý riêng cho từng tín hiệu đầu vào.
Điện cực ba cực có ba điện cực được đặt ở khoảng cách bằng nhau dọc theo
một đường thẳng. Điện cực ở giữa thường được kết nối với đầu dương, hai điện cực
còn lại được kết nối với đầu âm. Điện cực ba cực thường được sử dụng để ghi lại
điện thế thần kinh và nó có lợi thế là không bị ảnh hưởng bởi một số loại nhiễu sinh
học.
Điện cực đa cực gồm nhiều hàng điện cực lưỡng cực. Nó thường được sử
dụng để ghi nhận hoạt động của một đơn vị vận động nhất định.
Miếng dán điện cực là điện cực lưỡng cực điển hình được gắn kết chặt chẽ với
một lớp điện môi. Cấu hình này chuyển hướng dòng chảy ở ngoài màng xung quanh
các mô lân cận. Các miếng dán cũng giữ các dòng chảy được tạo ra từ các mô ở mỗi


14

bên không lây lan vào nhau. Do đó, gradient điện thế của một hoạt động mong
muốn là lớn và của một hoạt động không mong muốn là nhỏ.
Điện cực dây chằng bụng là điện cực kết hợp giữa phương pháp đơn cực và
lưỡng cực. Điện cực đầu tiên được đặt trên điểm giữa bắp thịt của bụng (đầu dương
của bộ khuếch đại), đầu thứ hai được đặt trên dây chằng của cùng một cơ bắp mà
thường là điểm cuối của các phần tử co (đầu âm). Điện cực dây chằng bụng được sử
dụng đặc biệt cho các ứng dụng dây chằng mặc dù nó không được áp dụng để đo
một EMG chọn lọc trong quá trình hoạt động sinh lý.

Tất cả các loại điện cực trên có thể được xem là một ăng – ten lưỡng cực. Điện
cực đơn cực được sử dụng để đo các tín hiệu EMG của cơ rất nhỏ. Đây là phương
pháp tốt để lấy mẫu một tín hiệu mà xuất hiện gần bề mặt của một đơn vị vận động
duy nhất. Các điện cực ba cực, đa cực được sử dụng để lấy mẫu một số cơ bắp lớn
[13].
1.6.

Ứng dụng của tín hiệu điện cơ
Tín hiệu EMG có thể được sử dụng cho nhiều ứng dụng lâm sàng/y sinh, phát

triển chip EHW, tương tác máy tính với con người [12, 8].
Ứng dụng lâm sàng của EMG như là một công cụ để chẩn đoán các bệnh lý về
cơ và thần kinh, đánh giá đau lưng, nghiên cứu các cơ chế chuyển động của thân và
rối loạn về điều khiển cơ …
Tín hiệu EMG còn được áp dụng trong tương tác giữa máy tính và con người
như:
-

Trong lĩnh vực giải trí EMG có thể được sử dụng để cảm nhận hoạt động co
cơ đẳng trường (loại hoạt động cơ mà không gây ra chuyển động). Nhờ tính
năng này người ta áp dụng để tạo ra các bộ vi điều khiển không cần sử dụng
tay để tương tác. Trò chơi tương tác với máy tính là một ứng dụng thú vị của
tín hiệu y sinh. Hệ thống trò chơi sẽ tiếp cận đến nhịp tim, phản xạ trên da và
tín hiệu chuyển động của mắt vì thế trò chơi có thể nhận dạng trạng thái cảm
xúc của người chơi. Để đo lực của một co cơ đẳng trường thì một EMG bề


15

mặt được sử dụng. Có thể thu được thông tin chính xác hơn về di chuyển

cánh tay bằng cách phân tích bảng ghi dữ liệu thu được.
-

Trong lĩnh vực quân sự, EMG được sử dụng để tạo giao diện máy bay không
người lái được ứng dụng trong việc giám sát. Nó được điều khiển thông qua
giao diện của con người và máy tính bằng cách kết nối trực tiếp một người
với một máy tính thông qua hệ thống điện thần kinh của người đó.

-

Trong xã hội, EMG được sử dụng để nhận dạng giọng nói vô thanh bằng
cách quan sát hoạt động của các cơ liên kết khi nói. Nhờ vậy, nó có thể hỗ
trợ cho những người bị câm. Một thiết bị giao diện dựa trên trương lực cơ có
thể được sử dụng để điều khiển chuyển động như người máy di động hoặc xe
lăn điện. Điều này có thể là sự hỗ trợ lớn cho người khuyết tật. Mặt khác,
EMG còn có thể được ứng dụng trong việc tạo ra các bộ phận giả thay thế
như chân tay giả.
Ngoài ra, người ta còn sử dụng EMG trong thể thao để tìm ra phương pháp

luyện tập hiệu quả cho vận động viên và xác định sự mệt mỏi của cơ bắp.
Tín hiệu EMG có vai trò rất quan trọng trong đời sống đặc biệt là trong lĩnh
vực y sinh. Vì vậy, việc tạo ra tín hiệu EMG đáng tin cậy là điều rất cần thiết.


16

Chương 2: PHƯƠNG PHÁP XỬ LÝ TÍN HIỆU ĐIỆN CƠ
Khi ta thu nhận tín hiệu EMG thì gặp phải vấn đề đáng lo ngại ảnh hưởng đến
tính đúng đắn của tín hiệu EMG là tỷ lệ nhiễu có trong tín hiệu. Nhìn chung, nhiễu
được xem như là một tín hiệu điện và là thành phần không mong muốn trong tín

hiệu điện cơ. Vì vậy tín hiệu EMG thu được cung cấp những thông tin không có giá
trị được gọi là tín hiệu EMG thô. Chất lượng tốt nhất của EMG có thể được xác
định theo:
-

Tỷ lệ tín hiệu trên nhiễu cao nhất trong thông tin của EMG thì càng tốt và số
lượng nhiễu nên thấp nhất.

-

Sự biến dạng của EMG càng ít càng tốt.
Do đó, để có được tín hiệu đáng tin cậy người ta đã sử dụng rất nhiều phương

pháp khác nhau để phân tích và xử lý tín hiệu.
2.1.

Biến đổi Fourier
Biến đổi Fourier dựa trên cơ sở chia một tín hiệu thành tổng các hàm sin với

tần số khác nhau hay nó là kỹ thuật biến đổi tín hiệu từ miền thời gian sang miền
tần số. Phép biến đổi Fourier là phương pháp phổ biến nhất được sử dụng để xác
định phổ tần số của EMG. Nhưng hạn chế lớn của phương pháp này là khi biến đổi
sang miền tần số thì thông tin thời gian bị mất đi, khi nhìn vào một biến đổi Fourier
của tín hiệu không thể biết được thời gian xảy ra sự kiện. Nó chỉ thích hợp với các
tín hiệu dừng, không thích hợp trong xử lý những tín hiệu không dừng như tín hiệu
EMG. Dennis Gabor đã khắc phục hạn chế trên bằng cách chấp nhận biến đổi
Fourier để phân tích trong một đoạn ngắn của tín hiệu theo thời gian gọi là cửa sổ
tín hiệu, việc này biến tín hiệu thành các hàm hai chiều của thời gian và tần số. Tuy
nhiên, nó vẫn có nhược điểm là kích thước cửa sổ thời gian thì bằng nhau đối với
mọi tần số.Ta cần biến đổi kích thước cửa sổ mềm dẻo hơn để đạt độ chính xác cao

cả về thời gian và tần số [2]. Ngoài ra, Kumar kết luận rằng biến đổi Fourier thời
gian ngắn (Short Time Fourier Transform – STFT) với cửa sổ thời gian ngắn có thể
quan sát được sự biến đổi của phổ theo thời gian nhưng không áp dụng được trong


17

một thời gian tối ưu hoặc sự phân tích tần số cho tín hiệu không dừng [12]. Phép
biến đổi Fourier là một công cụ toán học hữu ích và quan trọng nhưng nó chỉ cung
cấp thông tin có tính toàn cục, thích hợp cho những tín hiệu tuần hoàn, không chứa
các đột biến hoặc các thay đổi không dự báo được [1].
Công thức biến đổi Fourier thời gian ngắn STFT, được mô tả bởi:
∞

STFT (t , f ) =

∫ x(t ).w(t − t )e

− 2πft

dt

(2.1)

−∞

Với f là tần số và w(τ − τ ) là hàm cửa số, trong đó τ đóng vai trò để dịch
chuyển cửa sổ theo x

Hình 2.1. Biến đổi Fourier trong thời gian ngắn (STFT)

2.2.

Phép biến đổi wavelet
Một lý do chính trong việc khám phá wavelet và phép biến đổi wavelet là

phép biến đổi Fourier không chứa thông tin cục bộ của tín hiệu. Vì thế phép biến
đổi Fourier không được sử dụng để phân tích tín hiệu trong cùng một miền thời gian
và tần số. Trong khi đó, wavelet lại có ưu điểm chính là khả năng thực hiện phân
tích cục bộ, thể hiện được đặc tính của dữ liệu mà các kỹ thuật phân tích khác
không có. Wavelet là dạng sóng có thời gian duy trì tới hạn với giá trị trung bình
bằng không. Wavelet có thời gian giới hạn, bất thường và bất đối xứng. Phân tích
wavelet chia các tín hiệu thành các tham số dịch chuyển và tham số tỷ lệ của các
wavelet mẹ.


18

Hình 2.2. Biến đổi Wavelet
Năm 1982 Jean Morlet, lần đầu tiên đưa ra ý tưởng về wavelet như là một hàm
cấu trúc phức tạp bằng cách dịch và dãn một hàm đơn, được gọi là wavelet mẹ
(Mother wavelet), để phân tích tín hiệu không dừng. Tuy nhiên, khái niệm mới này
có thể được quan sát như sự tổng hợp của nhiều ý tưởng ban đầu từ những lĩch vực
khác nhau bao gồm toán, lý, kỹ thuật.
Phân tích wavelet là một phương pháp mới thú vị để giải quyết vấn đề khó
khăn trong toán, lý và kỹ thuật, với áp dụng hiện đại như lan truyền sóng, so sánh
dữ liệu, xử lý hình ảnh, nhận dạng mẫu, đồ họa máy tính, phát hiện máy bay và tàu
ngầm, cải thiện kỹ thuật của công nghệ hình ảnh y tế.
Trong phân tích Morlet, tín hiệu bao gồm những thuộc tính khác nhau trong
thời gian và tần số, nhưng thành phần tần số cao sẽ tồn tại trong một thời gian ngắn
hơn thành phần tần số thấp. Để đạt được độ phân giải thời gian tốt cho các tần số

cao hơn mức và phân giải tốt cho thành phần tần số thấp, Morlet giới thiệu ý tưởng
đầu tiên của wavelet như một hàm phức tạp được xây dựng từ sự dịch và dãn của
một hàm đơn được gọi là “Mother wavelet” ψ (t ) . Chúng được xác định bởi
X w ( a, b) =

Đặt ψ ab (t ) = ψ ∗ (

1
a

∞

∫ x(t ).ψ

−∞

∗

(

t −b
)dt a, b ∈ R, a ≠ 0
a

(2.2)

t −b
) là phiên bản dịch và dãn của wavelet mẹ.
a

Trong đó a là tham số tỷ lệ đặc trưng cho mức độ nén và dãn, còn b là một
tham số dịch chuyển xác định vị trí thời gian của wavelet. Nếu a < 1 , thì ψ ab (t ) là
phiên bản nén và dãn của wavelet mẹ và chủ yếu tương ứng với tần số cao. Mặt