检测最低水平肌电活动的算法？

Question

只有来自EMG传感器的数据，如何才能确定一个人是否处于REM阶段？换句话说，我需要从传感器的EMG中检测到最低水平的活动。好吧，或者至少登记一下相变..。

更详细的..。我要用肌电图( EMG )传感器做一个REM相位探测器。在github上已经有一个Android应用程序的草图，如果您感兴趣，我可以发布一个链接。虽然还有工作要做.)

该装置的工作应该基于这样一个事实:在不同的大脑状态下(清醒、缓慢睡眠、快速眼动睡眠)，传感器将记录不同的活动水平。在快速眼动睡眠中，这种活动是最小的。

在睡觉前将蓝牙传感器连接到身体上，启动Android程序，与传感器通信并通过WiFi将从传感器读取的数据发送给连接的TCP客户端。运行在网络桌面上的TCP客户端- python脚本。它接收数据，并按设计实时确定当前的活动水平是否是整个观测期间的最低水平。如果是这样的话，脚本将告诉服务器(Android程序)打开提示--它可以是手机上的振动或健身手镯，通过耳机播放音频样本、闪光、轻微电击等。

由于只使用一个EMG传感器，我承认不可能100%准确地捕捉REM睡眠阶段，但这是不必要的。如果准确度是80% -它已经很好了。首先，即使是检测当前活动级别变化的算法也是合适的。-将有一些试验和发展的地方。

问题在于算法。我不想使用固定的阈值，因为对于不同的人，甚至对于同一个人，在不同的时间和不同的状态下，这些阈值也会不同。因此，我将很高兴从你的身边得到一些想法和建议。

​

​

我发现了一篇有趣的文章“基于EOG和EMG的自动睡眠阶段分类的自适应阈值方法”(https://www.researchgate.net/publication/281722966_A_Self-adaptive_Threshold_Method_for_Automatic_Sleep_Stage_Classification_Using_EOG_and_EMG)：但是仍然有一些难以理解的观点。首先，如何计算能量(步骤1-4:能量)？

    d = f.read(epoche_seconds*SAMPLE_RATE*2)
    if not d:
        break
    
    print('epoche#{}'.format(i))

    fmt = '<{}H'.format(len(d) // 2)
    t = unpack(fmt, d)
    d = list(t)
    d = np.array(d)
    d = d / (1 << 14) # 14 - bits per sample

    df=pd.DataFrame({'signal': d, 'id': [x*2 for x in range(len(d))]})
    df = df.set_index('id')
    
    d = df.signal
    # signal prepare:
    d = butter_bandpass_filter(d, lowcut, highcut, SAMPLE_RATE, order=2)

    # extract signal futures:
    future_iv = np.mean(np.absolute(d))
    print('iv={}'.format(future_iv))
    future_var = np.var(d)
    print('var={}'.format(future_var))
    
    ws = 6
    df = pd.DataFrame({'signal': np.absolute(d)})
    future_e = df.rolling(ws).sum()[ws-1:].max().signal
    print('E={}'.format(future_e))

--这是对的吗？

第二，能否有人详细说明这一点：

步骤2-1:归一化处理EMG和EOG特征向量采用归一化函数处理，然后进入分类步骤。特征向量归一化为跟随函数(4)：

。

其中，Xmax和Xmin是通过以下步骤得到的:首先，排序x(i)向量，设置窗口长度N表示50；然后将2_N_k (k，值从10到1)与x(i)的长度进行比较，如果2_N_k大于后者，则减少k，直到2_N_k小于x(i)的长度。如果x(i)的长度大于2_N_k，则将50个较大值的平均值计算为Xmax，将50个较小值的平均值计算为Xmin。

Answer 1

如果您正在寻找REM (深度睡眠)；一个平面图将显示您的强度和频率信息1页的图表/图表。某个年龄段的人把光谱图称为TFFT - wiki链接是.https://en.wikipedia.org/wiki/Spectrogram

你能把这些数据输入到平面图显示/绘图中吗？使用一个大的FFT窗口(您可能有几个小时的数据)与一个小的重叠(15%)。我建议从1秒左右的FFT窗口开始。