基于MEMD-rTVgPDC的皮层肌肉耦合分析

发布时间：2021-02-13 01:32

　　本文将多元经验模态分解（MEMD）与鲁棒时变广义偏定向相干性（rTV-gPDC）引入皮层肌肉耦合分析中,探索脑肌电之间线性和非线性耦合关系。首先同步采集8名健康志愿者在静态握力（5 kg、10 kg、20 kg）下的三通道脑电（EEG）和肌电（EMG）信号,接着采用MEMD对信号进行时-频尺度化,最后同时计算不同耦合方向（EEG→EMG和EMG→EEG）上的rTV-gPDC线性和非线性值。实验结果表明:静态握力输出时,皮层肌肉耦合主要反映在beta和gamma频段,其中EEG→EMG方向的耦合强度略高于EMG→EEG方向的耦合强度,且随着左右手握力增加,EEG→EMG和EMG→EEG方向的耦合强度同时增加。此外脑肌电耦合中同时存在线性和非线性因果关系。本文方法能够定量刻画不同握力下三个脑肌电通道之间的线性和非线性交互影响,可为研究运动功能障碍及康复评价提供有效的生理参数指标。 

【文章来源】：传感技术学报. 2020,33(03)北大核心

【文章页数】：8 页

【部分图文】：

基于MEMD-rTVgPDC的脑肌电耦合分析算法流程图

实验招募了8名无上肢运动障碍的健康受试者(6名男性S1～S6,2名女性S7～S8),年龄20～25岁,体重44～76 kg,身高160～179 cm,均为右利手,无神经肌肉障碍。8人均被告知实验详情,签署了知情同意书,为防止运动疲劳的影响,受试前24 h内未作剧烈运动。采用128导BrainAmp DC 脑电采集系统同步采集32路脑电信号和左右手桡侧腕屈肌(Flexor Carpi Radialis,FCR)的肌电信号,实验采集环境如图3所示。图3 实验采集环境

图2 基于Akaike准则的模型阶数和更新系数选择采集前先用酒精擦拭被测部位,去除皮肤表面油脂和皮屑。实验过程如下:采样频率为1 000 Hz,采样时间为5 s,每次抓握动作后休息15 s,受试者需完成5 kg、10 kg和20 kg的左右手抓握各5次。

【参考文献】：
期刊论文
[1]基于多元经验模态分解-传递熵的脑肌电信号耦合分析[J]. 马鹏刚,佘青山,高云园,张启忠,罗志增.  传感技术学报. 2018(06)
[2]基于Gabor小波-传递熵的脑-肌电信号同步耦合分析[J]. 张园园,邹策,陈晓玲,尹永浩,程生翠,陈迎亚,谢平.  生物医学工程学杂志. 2017(06)
[3]基于相干性的多频段脑肌电信号双向耦合分析[J]. 高云园,任磊磊,张迎春,佘青山,席旭刚,张启忠.  传感技术学报. 2017(10)
[4]基于NA-MEMD和互信息的脑电特征提取方法[J]. 韩笑,佘青山,高云园,罗志增.  传感技术学报. 2016(08)
[5]基于变分模态分解-传递熵的脑肌电信号耦合分析[J]. 谢平,杨芳梅,李欣欣,杨勇,陈晓玲,张利泰.  物理学报. 2016(11)
[6]基于多尺度传递熵的脑肌电信号耦合分析[J]. 谢平,杨芳梅,陈晓玲,杜义浩,吴晓光.  物理学报. 2015(24)



本文编号：3031755