人體運動主要是通過中樞神經(jīng)系統(tǒng)（Central Nervous System,CNS）對多骨骼肌肉進(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（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動功能狀態(tài),其中包括運動過程中多通道肌電信號之間的協(xié)同機(jī)制與雙通道肌電信號之間的耦合關(guān)系。為此,將肌電信號引入運動功能定量分析中并研究肌電信號間的協(xié)同與耦合特征分析方法,對獲取運動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)制以及對中風(fēng)患者運動系統(tǒng)功能評估具有重要意義。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),基于目前肌電信號協(xié)同機(jī)制與耦合關(guān)系分析方法的局限性,提出了時頻協(xié)同以及時頻協(xié)同-耦合的研究思路。其次,針對多通道肌電信號協(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）的肌間時頻協(xié)同特征分析方法。通過對上肢肌電信號進(jìn)行小波包分解,將單時間尺度的信號轉(zhuǎn)化為時... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

基于WPT-NMF的肌肉時頻協(xié)同分析理論框圖

應(yīng)用 WPT 來提取時域肌電信號不同維度的特征信息。具體思信號 X ( t )，應(yīng)用小波包進(jìn)行分解，當(dāng)該時域 EMG 信號被分解段內(nèi)的信號將被分解為 2N個子空間，并且每個空間對)1, 2 , 1, 2, , 2j Nfs n fs n ，j N，其中n代表節(jié)點數(shù)，則在子信號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，每個方框代表一個頻段，每一行代表一之處是每個節(jié)點的信號經(jīng)過低通濾波與高通濾波之后都會進(jìn)低采樣率，只保留偶數(shù)序列的元素，雖然下采樣對分解的低頻下采樣則要對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 通道肌電信號時頻分解圖3.3.2.2 時頻結(jié)果分析及討論圖 3-5 結(jié)果顯示屈肌主動肌 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 運動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作時的主要頻段為 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，可以推測在屈腕過程中該肌肉并沒有完全發(fā)力。同樣，伸肌主動肌在 WE 階段的現(xiàn)象具有相同的解釋。此外，ECU 的信號幅值在 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 肌肉在整個運動過程中一直保持激活狀態(tài)，這與 BB 肌肉在運動過程中支撐與維持動作的功能相符合[40]。上述結(jié)果表明了 EMG 信號在特定運動模式下具有顯著的時頻尺度特性，同時也驗證了具有高分辨率的 WPT 能夠更有效的提取肌電信號時頻特性。


本文編號：3464994