康復(fù)運(yùn)動(dòng)中肌電信號(hào)協(xié)同及耦合特征分析方法研究
發(fā)布時(shí)間：2021-10-29 16:29
人體運(yùn)動(dòng)主要是通過中樞神經(jīng)系統(tǒng)（Central Nervous System,CNS）對(duì)多骨骼肌肉進(jìn)行模塊化控制以及神經(jīng)振蕩的調(diào)節(jié)產(chǎn)生的,在該過程中,肌肉的肌電信號(hào)（Electromyography,EMG）之間的相互關(guān)聯(lián)關(guān)系可以用來反映中樞神經(jīng)系統(tǒng)的不同控制過程以及肌肉的運(yùn)動(dòng)功能狀態(tài),其中包括運(yùn)動(dòng)過程中多通道肌電信號(hào)之間的協(xié)同機(jī)制與雙通道肌電信號(hào)之間的耦合關(guān)系。為此,將肌電信號(hào)引入運(yùn)動(dòng)功能定量分析中并研究肌電信號(hào)間的協(xié)同與耦合特征分析方法,對(duì)獲取運(yùn)動(dòng)過程中肌肉的模塊化控制機(jī)制、神經(jīng)振蕩的調(diào)節(jié)機(jī)制以及對(duì)中風(fēng)患者運(yùn)動(dòng)系統(tǒng)功能評(píng)估具有重要意義。首先,本文從肌肉協(xié)同與肌間耦合分析方法的研究現(xiàn)狀出發(fā),基于目前肌電信號(hào)協(xié)同機(jī)制與耦合關(guān)系分析方法的局限性,提出了時(shí)頻協(xié)同以及時(shí)頻協(xié)同-耦合的研究思路。其次,針對(duì)多通道肌電信號(hào)協(xié)同機(jī)制頻段特征顯著的問題,提出了基于小波包-非負(fù)矩陣分解（Wavelet Packet Transform,WPT-Nonnegative Matrix Factorization,NMF）的肌間時(shí)頻協(xié)同特征分析方法。通過對(duì)上肢肌電信號(hào)進(jìn)行小波包分解,將單時(shí)間尺度的信號(hào)轉(zhuǎn)化為時(shí)...
【文章來源】：燕山大學(xué)河北省
【文章頁數(shù)】：80 頁
【學(xué)位級(jí)別】：碩士
【部分圖文】：
基于WPT-NMF的肌肉時(shí)頻協(xié)同分析理論框圖
應(yīng)用 WPT 來提取時(shí)域肌電信號(hào)不同維度的特征信息。具體思信號(hào) X ( t )，應(yīng)用小波包進(jìn)行分解，當(dāng)該時(shí)域 EMG 信號(hào)被分解段內(nèi)的信號(hào)將被分解為 2N個(gè)子空間，并且每個(gè)空間對(duì))1, 2 , 1, 2, , 2j Nfs n fs n ，j N，其中n代表節(jié)點(diǎn)數(shù)，則在子信號(hào)可以通過以下公式得到：( ),,( ) ,n N nN k n kkX t XD t k Z )t為小波函數(shù)，N ,nkXD 為 EMG 信號(hào)矩陣在 子空間 N t特定頻段內(nèi)的數(shù)據(jù)信息。為小波包分解結(jié)構(gòu)圖，每個(gè)方框代表一個(gè)頻段，每一行代表一之處是每個(gè)節(jié)點(diǎn)的信號(hào)經(jīng)過低通濾波與高通濾波之后都會(huì)進(jìn)低采樣率，只保留偶數(shù)序列的元素，雖然下采樣對(duì)分解的低頻下采樣則要對(duì)分解出來的分量的頻譜順序翻轉(zhuǎn)一次，只有出來的結(jié)果是從左到右頻帶依次增高。
圖 3-5 基于小波包分解的 8 通道肌電信號(hào)時(shí)頻分解圖3.3.2.2 時(shí)頻結(jié)果分析及討論圖 3-5 結(jié)果顯示屈肌主動(dòng)肌 PL、FDS 和 FCR 在 WF 階段內(nèi)的 20-230Hz 頻段處顯示出較高的幅值，表明這 3 塊肌肉在 WF 運(yùn)動(dòng)中被激活以施加力的作用，并且從頻段信息中可以發(fā)現(xiàn)肌肉在被激活以維持動(dòng)作時(shí)的主要頻段為 20-230Hz，這與研究發(fā)現(xiàn)的多塊肌肉共同激活頻帶為 70-160Hz 相重疊[68]。并且 FDS 和 PL 肌肉的幅值高于 FCR，可見 FCR 相比另外兩塊屈肌的發(fā)力情況微弱，可以推測(cè)在屈腕過程中該肌肉并沒有完全發(fā)力。同樣，伸肌主動(dòng)肌在 WE 階段的現(xiàn)象具有相同的解釋。此外，ECU 的信號(hào)幅值在 WF 階段和 WE 階段均較高，這與伸肌共享神經(jīng)輸入的機(jī)制相一致[40]。本文還發(fā)現(xiàn) BB 肌肉在整個(gè)運(yùn)動(dòng)過程中一直保持激活狀態(tài)，這與 BB 肌肉在運(yùn)動(dòng)過程中支撐與維持動(dòng)作的功能相符合[40]。上述結(jié)果表明了 EMG 信號(hào)在特定運(yùn)動(dòng)模式下具有顯著的時(shí)頻尺度特性，同時(shí)也驗(yàn)證了具有高分辨率的 WPT 能夠更有效的提取肌電信號(hào)時(shí)頻特性。
本文編號(hào)：3464994
【文章來源】：燕山大學(xué)河北省
【文章頁數(shù)】：80 頁
【學(xué)位級(jí)別】：碩士
【部分圖文】：
基于WPT-NMF的肌肉時(shí)頻協(xié)同分析理論框圖
應(yīng)用 WPT 來提取時(shí)域肌電信號(hào)不同維度的特征信息。具體思信號(hào) X ( t )，應(yīng)用小波包進(jìn)行分解，當(dāng)該時(shí)域 EMG 信號(hào)被分解段內(nèi)的信號(hào)將被分解為 2N個(gè)子空間，并且每個(gè)空間對(duì))1, 2 , 1, 2, , 2j Nfs n fs n ，j N，其中n代表節(jié)點(diǎn)數(shù)，則在子信號(hào)可以通過以下公式得到：( ),,( ) ,n N nN k n kkX t XD t k Z )t為小波函數(shù)，N ,nkXD 為 EMG 信號(hào)矩陣在 子空間 N t特定頻段內(nèi)的數(shù)據(jù)信息。為小波包分解結(jié)構(gòu)圖，每個(gè)方框代表一個(gè)頻段，每一行代表一之處是每個(gè)節(jié)點(diǎn)的信號(hào)經(jīng)過低通濾波與高通濾波之后都會(huì)進(jìn)低采樣率，只保留偶數(shù)序列的元素，雖然下采樣對(duì)分解的低頻下采樣則要對(duì)分解出來的分量的頻譜順序翻轉(zhuǎn)一次，只有出來的結(jié)果是從左到右頻帶依次增高。
圖 3-5 基于小波包分解的 8 通道肌電信號(hào)時(shí)頻分解圖3.3.2.2 時(shí)頻結(jié)果分析及討論圖 3-5 結(jié)果顯示屈肌主動(dòng)肌 PL、FDS 和 FCR 在 WF 階段內(nèi)的 20-230Hz 頻段處顯示出較高的幅值，表明這 3 塊肌肉在 WF 運(yùn)動(dòng)中被激活以施加力的作用，并且從頻段信息中可以發(fā)現(xiàn)肌肉在被激活以維持動(dòng)作時(shí)的主要頻段為 20-230Hz，這與研究發(fā)現(xiàn)的多塊肌肉共同激活頻帶為 70-160Hz 相重疊[68]。并且 FDS 和 PL 肌肉的幅值高于 FCR，可見 FCR 相比另外兩塊屈肌的發(fā)力情況微弱，可以推測(cè)在屈腕過程中該肌肉并沒有完全發(fā)力。同樣，伸肌主動(dòng)肌在 WE 階段的現(xiàn)象具有相同的解釋。此外，ECU 的信號(hào)幅值在 WF 階段和 WE 階段均較高，這與伸肌共享神經(jīng)輸入的機(jī)制相一致[40]。本文還發(fā)現(xiàn) BB 肌肉在整個(gè)運(yùn)動(dòng)過程中一直保持激活狀態(tài)，這與 BB 肌肉在運(yùn)動(dòng)過程中支撐與維持動(dòng)作的功能相符合[40]。上述結(jié)果表明了 EMG 信號(hào)在特定運(yùn)動(dòng)模式下具有顯著的時(shí)頻尺度特性，同時(shí)也驗(yàn)證了具有高分辨率的 WPT 能夠更有效的提取肌電信號(hào)時(shí)頻特性。
本文編號(hào)：3464994
本文鏈接：http://sikaile.net/linchuangyixuelunwen/3464994.html
最近更新
教材專著
