论文部分内容阅读
人体在运动过程中,运动皮层发放神经冲动,经脑干、脊髓沿着运动神经通路支配肌肉完成相应运动。同时,肌肉运动产生的本体感觉沿着感觉神经传导通路到皮层进行整合分析,输出决策指令,最后准确完成动作。这种皮层与肌肉之间的功能耦合可以用脑电/肌电相干性度量。对脑电/肌电信号的相干性分析可以揭示大脑和肌肉之间的内在联系和规律,已经成为近年来康复医疗、康复机器人领域的研究热点。神经机制的复杂性决定了要对所有动作模式下的脑电/肌电相干性分析,在目前的研究条件和方法下是不现实的。本文根据国家基金“人体平衡调节脑功能网络模型与平衡能力评估研究”要求,从脑控制肌肉机理出发,研究自主动作和电刺激下的脑电/肌电相干性,设计了自主动作和电刺激下的脑电/肌电信号同步采集实验,对脑电/肌电信号进行了预处理,研究了不同自主动作和不同频率电刺激下的脑电/肌电相干性。论文的主要工作以及创新点如下:(1)设计了自主动作和电刺激两类实验进行数据采集,自主动作设计了5kg握力、10kg握力、腕屈和腕伸四种动作来探讨神经下行中的神经振荡规律。以2Hz、3.5Hz、8Hz三种频率电刺激尺神经和尺侧腕屈肌来探讨本体感觉上传中的神经振荡规律。(2)针对传统盲源分离方法不能解决欠定问题和分离出的源信号具有不确定性问题。提出了一种结合自适应噪声的完备经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和独立成分分析(Independent Component Analysis,ICA)相结合的单通道眼电伪迹自动去除方法,该方法首先将含伪迹的脑电信号自适应分解成多维本征模态函数,以满足盲源分离模型对信号正定或超定的要求,再对本征模态函数用成熟的ICA方法构建多维源信号,最后利用基于模糊熵的阈值判据对伪迹信号进行识别滤波,并重构脑电信号。该方法相比于小波变换(Wavelet Transform,WT)、集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)以及ICA结合的WT-EEMD-ICA和EEMD-ICA等方法,能更好的去除伪迹并保留原始信号。电刺激伪迹去除方面,根据电刺激和诱发肌电信号存在“锁时”机制,采用了两点波峰阈值检测算法对电刺激伪迹进行了消除,获得了纯净的诱发肌电信号。(3)针对脑电/肌电信号是跨时频尺度耦合的特点,以及相干估计算法对数据平稳性的要求,提出了一种基于多元经验模态分解(Multivariate Empirical Mode Decomposition,MEMD)的相干分析方法,MEMD方法首先将采集到的多元信号时频尺度化并提取相应的功能频段进行相干估计。研究发现自主动作下脑电/肌电相干性主要集中在β(15~30Hz)和γ(30~37Hz)频段,对比5kg、10kg握力实验,脑电/肌电显著相干频段有向高频段转移的趋势。腕屈、腕伸脑电/肌电显著相干频段都在β频段,但与握力实验相比存在一定差异,主要表现在相干峰值和频段范围的大小。对比于自主动作,2Hz、3.5Hz、8Hz电刺激下脑电/肌电相干性都集中在γ(30~49Hz)频段,且C3导联和P3导联出现相干峰值的频率几乎一致,表明电刺激同时激活了大脑的运动皮层区和感觉皮层区。