基于小波包—交叉频率相干性的肌间耦合特性

发布时间：2021-01-13 16:00

　　人体运动控制系统具有高度的非线性特性,通过量化评价表面肌电（sEMG）信号间的非线性耦合强度,可以得到运动相关肌肉的功能状态,进而探究人体运动控制的机制。本文将小波包分解和n∶m相干性分析相结合,构建基于小波包—n∶m相干性的肌间交叉频率耦合分析模型,探究肌电信号间的非线性耦合关系。在维持30%最大自主收缩力（MVC）的肘部屈伸状态下,采集20名健康成年人的sEMG信号,首先基于小波包分解获取子带分量,然后将子带信号进行n∶m相干性计算,分析肌间耦合特征。结果表明:30%MVC的肘部屈曲运动下,协同肌对和拮抗肌对的线性耦合（频率比为1∶1时）强度高于非线性耦合（频率比为1∶2、2∶1和1∶3、3∶1时）;对于肌间非线性耦合,随着频率比的增大,耦合强度随之降低,且频率比为n∶m和m∶n之间没有明显的耦合强度差异;beta和gamma频段内的肌间耦合主要体现在协同肌对之间的线性耦合（1∶1）和低频率比的非线性耦合（1∶2、2∶1）以及拮抗肌对之间的线性耦合上。以上说明:小波包—n∶m相干性方法可以定性、定量地描述肌间非线性耦合强度,为深入揭示人体运动控制机制和运动功能障碍患者的康复评价提供... 

【文章来源】：生物医学工程学杂志. 2020,37(02)北大核心

【文章页数】：8 页

【部分图文】：

sEMG信号采集试验图

试验范式

为进一步挖掘上肢恒定握力维持下肘部屈伸运动中sEMG信号的时频域特性，利用小波包将sEMG信号自适应分解为不同频域尺度下的子带分量。具体而言，将sEMG信号X通过小波包分解，分解层数设置为i层，相应的会获得2i个子带信号，则信号X在第i层的第n个子带信号定义为Xni，则其计算公式如式（1）所示：式中，参数i,k,n∈Z,n=1,2，···，2 i,为第i层的第n个子带小波包系数，?i,k(t)为小波包函数。假设信号的最高频率为f，则每个子带的频率范围为。小波包分解得到频率间隔为1 Hz的子带分量，将得到的sEMG信号分量用于下一步肌间交叉频率耦合分析。

【参考文献】：
期刊论文
[1]基于变分模态分解-相干分析的肌间耦合特性[J]. 杜义浩,齐文靖,邹策,张晋铭,谢博多,谢平.  物理学报. 2017(06)
[2]中风康复运动中肌肉异常耦合分析[J]. 谢平,宋妍,郭子晖,陈晓玲,吴晓光,苏玉萍,杜义浩.  生物医学工程学杂志. 2016(02)



本文编号：2975151