再帰最小 2 乗法による表面筋電図の適応ノイズ除去橋爪康知野口義夫徳島尚生佐賀大学大学院工学系研究科生体機能システム制御工学専攻 Adaptive noise canceling on surface EM G w ith recursive least−square m ethod. Yasutom o H ashizum e,Yoshio N oguchi,H isao Tokushim a Advanced System s C ontrolEngineering,Saga U niversity,Saga,Japan 1 まえがき本研究では入力信号 s(n)に測定した筋電図（図 2）、表面筋電図では、筋内部で発生した 100m V p-p 程度の活動電位が、人の導体組織中を伝導する際に大幅に減衰し、皮膚表面では 1m V p-p 程度の微弱な信号となってしまうため、ノイズの影響が大きいと考えられる。そのため、本研究では再帰最小 2 乗(以下 R LS)適応フィルタを用いて、筋電図のノイズ除去を試みた。フィルタへの参照信号 r(n)として、ガウス分布により発生させたランダムノイズ信号を用いた。フィルタによって推定されたノイズ v(n)を図 3 に示す。 2 R LS(R ecursive LeastSquares)法 R LS 法は信号の統計的性質を使用せず、適応過程で必要となる逆行列の計算と、フィルタ係数の計算を逐次的に行なう方法である。フィルタ係数 w (n)は w (n)= R −1P R (n)= λR (n − 1)+ r(n)r(n)t P = λP (n − 1)+ s(n)r(n) 図 2.s(n)：筋電図と表される。ここで、逆行列のレンマ A −1uutA −1 (A + uut)−1 = A −1 − t −1 1+ u A u を用いることにより、 1 R (n − 1)−1r(n)r(n)tR (n − 1)−1  R −1(n)= R (n − 1)−1 −  λ  λ + r(n)tR (n − 1)−1r(n)  が導かれる。また、R LS 法には、LM S 法や射影法、学習同定法などの適応アルゴリズムよりも収束が速いという特徴がある。ただし、系のインパルス応答が変化する場合には、他の方法と同程度の収束速度となる。本研究で用いた R LS 適応フィルタは、IIR 型のフィルタであり、図 1 のようなブロック図で表される。図 3. v(n)：推定されたノイズ 4 考察 R LS フィルタを筋電信号に適用した結果、比較的良好にノイズ除去をすることができた。しかし、入力信号の振幅が参照信号と比べ極端に低いところでは、うまく機能しないため、入力信号のレベルに応じて、参照信号を調節するといった課題が残る。参考文献 [1]M .H .H ayes:StatisticalD igitalSignalProcessing and M odeling,John W iley&Sons,Inc,1996. [2]M etin Akay:Biom edicalSignalProcessing, Academ ic Press,1994. [3]S.ヘイキン著,武部幹訳:適応フィルタ入門, 現代工学社,1987 図 1 R LS 適応フィルタのブロック図 3 R LS フィルタの適用結果