一、数据分帧的作用
对于非平稳的 EEG/sEMG 信号，在一个短时的活动段内，信号可以看成近似平稳的， 即“准平稳” (quasistationary)过程[1]。因此，在特征提取前对每个动作的每个 活动段进行了分帧处理，在短时内将肌电信号近似处理为线性、平稳信号，对一帧 肌电信号进行处理就相当于对特征固定的持续信号进行处理。
借用网上一张图直观说明分帧，对长为7的数据，窗长（帧长）3，求窗内数据和
二、帧数计算公式
N为信号长度，L为帧长，M为移动步长（非重叠窗长）,K为帧数。
假设信号的长度为 N，分成的每一帧信号的帧长为 L，移动步长（非重叠窗长） 为 M,则一共可以分成 K 帧。
系统分帧时帧长大小为150ms，非重叠窗的长度为50ms，最终分得不同动作的帧数略有差异，帧数取100帧.
由于每个动作执行过程中，动作时间记录存在一定的误差，所以每个活动的数 据不是固定的 5s 数据，可能会有小数产生，用 fix 函数做取整处理，得到分帧后的 数据一般为 100 多帧。
三、肌电数据帧长的取法
国内外多数专家关于每帧取多少秒的问题作深入探讨[2] ,研究表明：分类的错误率随帧长的增大 而减小，且当帧长达到 128ms 时，错误率变化将不明显。对于系统而言，帧长小，则占用的内存空间小，对应计算量小，实时性好。综合二者考虑，系统分帧时帧长 大小为 150ms，非重叠窗的长度为 50ms。
因为我们的帧在起始 和结束肯定是会出现不连续情况的，那样这个信号在分帧之后，就会越来越背离原 始信号，此时我们需要对信号进行加窗处理，目的就是为了减少帧起始和结束的地方信号的不连续性问题[3] ,使全局信号更加连续，避免出现吉布斯效应。
参考：
[1]
张旭. 基于表面肌电信号的人体动作识别与交互[D]. 合肥市：中国科学技术大学生物医学工程专业, 2010.
[2]
Oskoei M A, Hu H. Myoelectric control systems—A survey[J]. Biomedical Signal Processing and Control, 2007, 2(4): 275-294.
[3]
lv_xinmy.语音信号的加窗处理.程序开发， http://www.2cto.com/kf/201302/189664.html，20130219