康复运动中肌电信号协同及耦合特征分析方法研究

发布时间：2021-10-29 16:29

　　人体运动主要是通过中枢神经系统（Central Nervous System,CNS）对多骨骼肌肉进行模块化控制以及神经振荡的调节产生的,在该过程中,肌肉的肌电信号（Electromyography,EMG）之间的相互关联关系可以用来反映中枢神经系统的不同控制过程以及肌肉的运动功能状态,其中包括运动过程中多通道肌电信号之间的协同机制与双通道肌电信号之间的耦合关系。为此,将肌电信号引入运动功能定量分析中并研究肌电信号间的协同与耦合特征分析方法,对获取运动过程中肌肉的模块化控制机制、神经振荡的调节机制以及对中风患者运动系统功能评估具有重要意义。首先,本文从肌肉协同与肌间耦合分析方法的研究现状出发,基于目前肌电信号协同机制与耦合关系分析方法的局限性,提出了时频协同以及时频协同-耦合的研究思路。其次,针对多通道肌电信号协同机制频段特征显著的问题,提出了基于小波包-非负矩阵分解（Wavelet Packet Transform,WPT-Nonnegative Matrix Factorization,NMF）的肌间时频协同特征分析方法。通过对上肢肌电信号进行小波包分解,将单时间尺度的信号转化为时... 

【文章来源】：燕山大学河北省

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

基于WPT-NMF的肌肉时频协同分析理论框图

应用 WPT 来提取时域肌电信号不同维度的特征信息。具体思信号 X ( t )，应用小波包进行分解，当该时域 EMG 信号被分解段内的信号将被分解为 2N个子空间，并且每个空间对)1, 2 , 1, 2, , 2j Nfs n fs n ，j N，其中n代表节点数，则在子信号可以通过以下公式得到：( ),,( ) ,n N nN k n kkX t XD t k Z )t为小波函数，N ,nkXD 为 EMG 信号矩阵在 子空间 N t特定频段内的数据信息。为小波包分解结构图，每个方框代表一个频段，每一行代表一之处是每个节点的信号经过低通滤波与高通滤波之后都会进低采样率，只保留偶数序列的元素，虽然下采样对分解的低频下采样则要对分解出来的分量的频谱顺序翻转一次，只有出来的结果是从左到右频带依次增高。

图 3-5 基于小波包分解的 8 通道肌电信号时频分解图3.3.2.2 时频结果分析及讨论图 3-5 结果显示屈肌主动肌 PL、FDS 和 FCR 在 WF 阶段内的 20-230Hz 频段处显示出较高的幅值，表明这 3 块肌肉在 WF 运动中被激活以施加力的作用，并且从频段信息中可以发现肌肉在被激活以维持动作时的主要频段为 20-230Hz，这与研究发现的多块肌肉共同激活频带为 70-160Hz 相重叠[68]。并且 FDS 和 PL 肌肉的幅值高于 FCR，可见 FCR 相比另外两块屈肌的发力情况微弱，可以推测在屈腕过程中该肌肉并没有完全发力。同样，伸肌主动肌在 WE 阶段的现象具有相同的解释。此外，ECU 的信号幅值在 WF 阶段和 WE 阶段均较高，这与伸肌共享神经输入的机制相一致[40]。本文还发现 BB 肌肉在整个运动过程中一直保持激活状态，这与 BB 肌肉在运动过程中支撑与维持动作的功能相符合[40]。上述结果表明了 EMG 信号在特定运动模式下具有显著的时频尺度特性，同时也验证了具有高分辨率的 WPT 能够更有效的提取肌电信号时频特性。


本文编号：3464994