《Electronics》：MF-AEO (Multiplication-Free Approximate Energy Operator): A Causal Zero-Look-Ahead Feature for sEMG Activity Enhancement
编辑推荐：
基于能量的特征，如Teager–Kaiser能量算子（TKEO）和多分辨率Teager–Kaiser能量算子（MTEO），广泛用于表面肌电（sEMG）起始分析，但需要乘法和平方运算。研究人员提出了MF-AEO（无乘法近似能量算子），该算子仅使用绝对值、延迟差分
基于能量的特征，如Teager–Kaiser能量算子（TKEO）和多分辨率Teager–Kaiser能量算子（MTEO），广泛用于表面肌电（sEMG）起始分析，但需要乘法和平方运算。研究人员提出了MF-AEO（无乘法近似能量算子），该算子仅使用绝对值、延迟差分、最大值/最小值运算、加法和移位来构造TKEO式活动增强响应。在Tenan等人的数据集（103次干净试验，18名参与者）上，研究人员在统一特征级协议下将MF-AEO与原始|??|、TKEO和固定四尺度MTEO进行了比较。在没有额外特征后平滑的直接特征输出比较下，MF-AEO以零乘法实现了比TKEO和MTEO更高的静息-活动可分性和更低的静息变异性。所有18名参与者均显示出更高的每试验可分性，中位试验级静息变异系数为0.385，约为MTEO值1.058的0.36倍。该排序在峰值活动比分层、0–20 dB加性噪声和固定起始合成数据集上保持一致。MF-AEO在仅输入量化至8位输入时仍保持其可分性。MF-AEO是一种适用于乘法受限嵌入式系统的因果、零前瞻特征候选。在真实硬件和运动伪影下的验证仍是未来工作。
**MF-AEO：一种面向乘法受限硬件的无乘法表面肌电活动增强特征——论文解读**
表面肌电（sEMG）信号分析广泛用于运动分析、人机接口、康复和假肢控制，随着可穿戴设备普及，实时嵌入式处理需求日益增加。在低端现场可编程门阵列（FPGA）、无快速乘法器的低功耗微控制器以及专用集成电路（ASIC）上，乘法、除法、平方根等运算的面积和功耗成本远高于加法、比较和移位。经典能量算子如Teager–Kaiser能量算子（TKEO）和多分辨率Teager–Kaiser能量算子（MTEO）能够增强肌肉活动起始时的瞬态能量变化，但内部包含乘法或平方运算，在乘法受限平台上会显著增加每通道的资源开销。为克服这一限制，研究人员提出了MF-AEO（无乘法近似能量算子），仅利用绝对值、延迟差分、最大值/最小值、加法和移位构造TKEO式活动增强响应，并在公开数据集上验证了其性能。该研究发表在《Electronics》。
研究人员在Tenan等人的数据集（103次干净试验，18名参与者，采样率2048 Hz，包含肘屈伸和膝伸展两种任务）上，采用统一特征级协议，将MF-AEO与原始|??|、TKEO和固定四尺度MTEO进行对比。结果显示，在直接特征输出且无后特征平滑的条件下，MF-AEO以零乘法实现了高于TKEO和MTEO的静息-活动可分性，并显著降低了静息变异性；所有18名参与者的每试验可分性均更高，中位试验级静息变异系数为0.385，约为MTEO（1.058）的0.36倍。该排序在峰值活动比分层、0–20 dB加性噪声和固定起始合成数据集上保持一致，且输入量化至8位时仍保持可分性。MF-AEO因此成为乘法受限嵌入式系统中一种有前景的因果、零前瞻特征候选。
主要技术方法
