论文部分内容阅读
人体上可以运动的部分被称为效应器。对于运动来说,我们既可以控制如腰、颈和头等距离身体较近的效应器,也可以控制如手臂、手和腿等距离身体较远的远端效应器。对于脑卒中患者或者运动功能障碍患者来说,能够正常控制效应器却很难,基于脑肌电的人机接口可以根据患者意图完成动作,帮助其执行康复训练,但是由于脑肌电信号的非线性、个体差异性等复杂特性有时候会让患者达不到效果并且容易产生疲劳,因此需要通过脑肌电耦合分析去探索深层次的脑-肌控制机理,为病患者提供治疗的理论依据,并且在此基础上为患者解决康复训练过程中出现的疲劳问题。综上所述,对皮层肌肉信息传递及康复疲劳检测研究具有重要的理论研究意义和应用价值。本文着重研究皮层肌肉耦合关系,从生理机制探索在手部动作下大脑皮层与相应肌肉之间的功能交互和信息传递特性,并且从时-频-空联合域研究了疲劳识别方法,为运动功能障碍或者脑卒中患者的康复和功能评价提供一定的帮助。主要工作如下:首先,为了研究大脑皮层和肌肉组织之间的相互作用,探索脑肌电信号的多尺度耦合特征和皮层-肌肉间多时空的功能联系,本文将多元经验模态分解与传递熵结合,构建出MEMD-TE模型,应用于脑肌间耦合分析。首先对同步采集的脑电和肌电信号进行预处理,然后采用多元经验模态分解算法对信号进行时-频尺度化,最后计算不同尺度上的传递熵值,分析各个尺度不同耦合方向上的非线性耦合特征。其次,为了有效分析表面肌电信号蕴含的时-频-空域多维特征,提出了一种基于张量线性拉普拉斯判别的表面肌电特征提取方法。首先对表面肌电信号进行复Morlet小波变换,构造具有时间、空间、频率、任务的四阶张量数据,然后运用张量线性拉普拉斯判别分析方法获得投影矩阵,把训练集和测试集分别投影在投影矩阵中获得具有较大区分度的特征,最后使用分类器对正常和疲劳情况时的抓握动作进行识别。