本文選題：表面肌電信號 + 表面肌信號模型��； 參考：《中國科學技術大學》2012年博士論文

【摘要】：表面肌電信號(sEMG)是由肌肉興奮時所募集的運動單位產(chǎn)生的一個個動作電位序列(Motor Unit Action Potential trains, MUAPT)在皮膚表面疊加而成,是一種非平穩(wěn)的微弱信號。而肌電信號的分解則是其形成的求逆過程,從分解結(jié)果可以獲得運動單位的募集發(fā)放信息和運動單位動作電位(MUAP)的波形信息,這是提供觀察中樞神經(jīng)系統(tǒng)各運動神經(jīng)元活動狀態(tài)的一種途徑,由此可以獲得神經(jīng)肌肉疾病患者運動控制機制病理等變化的正確理解和解釋。表面肌電信號分解是一項難度較大的研究工作,研究成果對于神經(jīng)肌肉系統(tǒng)控制的基礎研究和神經(jīng)肌肉疾病的臨床診斷具有重要的理論意義和應用價值。 表面肌電信號是一種復雜的電信號,對其進行分解是一項難度很大的工作。本文首先進行了表面肌電信號的仿真研究,并在針對插入式肌電信號與表面肌電信號進行廣泛調(diào)研之后,提出了兩種實現(xiàn)表面肌電信號分解的新方法,同時通過對仿真信號和真實信號的實驗研究,論證算法的可行性與有效性。另外,利用表面肌電信號對痙攣型腦癱患兒的運動神經(jīng)元發(fā)放特性進行了研究,旨在為腦癱患兒的運動障礙評估提供一種量化指標。 本文的主要工作和研究成果有： 1. sEMG信號的仿真研究。根據(jù)表面肌電信號的生理層模型,實現(xiàn)了對表面肌電信號的仿真,用以提供驗證肌電信號分解效果的仿真信號。重點討論了檢測電極與肌纖維的相對位置以及肌纖維的傳導速度對單纖維動作電位產(chǎn)生的影響,同時提出了一種動態(tài)恒力的運動單元募集方案。sEMG信號的仿真根據(jù)真實采集方案進行了單電極和差分式電極兩種電極方案的仿真,在一定程度上描述了sEMG信號的形成過程。 2.針對盲源分離求解欠定混合方程存在的問題,提出將基于稀疏分量分析的欠定盲源分離算法用于肌電信號分解的實現(xiàn)方法。在去噪和稀疏化表面肌電信號的過程中,采用了一種基于遺傳算法改進的匹配追蹤算法,提高了稀疏化和去噪的效率；采用hough變換法進行混合矩陣估計,并提出一種空間退化方法優(yōu)化了hough算法,減少了偽軸的產(chǎn)生；在聚類算法中,采用減法聚類實現(xiàn)了對混合矩陣的自動估計。實驗結(jié)果表明,基于稀疏分量分析的欠定盲源分離方法可以較好的解決低收縮力下表面肌電信號的分解問題。 3.提出了基于多維子空間聚類的獨立分量分析實現(xiàn)表面肌電信號分解的算法。針對表面肌電信號在中度收縮力下難以估計源信號的難點,通過將多維的表面肌電信號投影在多維子空間中進行降維,獲得中度收縮力下的表面肌電信號的局部混合結(jié)構,從而估計混合矩陣,并由此獲得表面肌電信號源信號的估計值。同時進行仿真信號與真實信號的驗證實驗。在真實表面肌電信號的實驗中,采用雙源法進行對比實驗。實驗結(jié)果表明,本文算法對于中度收縮力的表面肌電信號分解具有明顯的分解效果。 4.提出利用肌電信號運動單位動作電位數(shù)目估計的方法研究痙攣型腦癱患兒神經(jīng)元的發(fā)放特性。小兒腦癱患者的運動障礙分級和康復評估具有重要的臨床價值。本文采用平滑非線性能量算子(SNEO)算法,對痙攣型腦癱患兒表面肌電信號中的運動單位動作電位(MUAP)數(shù)目進行估計,并獲得MUAP的平均發(fā)放間隔(IPI)。對十四名各不同運動障礙級別腦癱患者的實驗結(jié)果顯示,其肌電信號MUAP的IPI與他們活動度的級別即運動障礙的程度呈正相關的關系,且具有明顯的差異。實驗結(jié)果表明本文方法的有效性,采用IPI參數(shù)能夠反映腦癱患兒的運動障礙程度。 本論文研究得到國家自然科學基金項目“基于線性變化力采集和多通道時空信息的表面肌電信號分解”(30870656)的資助。
[Abstract]:Surface EMG signal ( sEMG ) is a kind of non - stationary weak signal generated by motor unit action potential ( MUAPT ) generated by muscle excitation . The decomposition of myoelectric signal is a non - stationary weak signal . It is a way to observe the activity of motor neuron in the central nervous system . It is a very difficult research work . The research results have important theoretical significance and application value for the basic research of neuromuscular system control and the clinical diagnosis of neuromuscular disease .

The surface myoelectric signal is a complex electrical signal . It is a difficult task to decompose the surface EMG signal . After extensive investigation of the EMG signal and the surface myoelectric signal , two new methods for realizing the surface myoelectric signal decomposition are presented . At the same time , the feasibility and effectiveness of the algorithm are demonstrated by the experimental research on the simulated signal and the real signal .

The main work and research results of this paper are as follows :

1 . The simulation of EMG signal is studied . Based on the physiological layer model of surface myoelectric signal , the simulation of surface EMG signal is realized . The influence of the relative positions of the detection electrode and the muscle fiber and the conduction velocity of the muscle fiber on the action potential of the single fiber is discussed . The simulation of the two electrode schemes of single electrode and differential electrode is carried out according to the real acquisition scheme . The formation process of sEMG signal is described to a certain extent .

2 . Aiming at the problem of solving the problem of under - definite mixing equation based on sparse component analysis , this paper proposes a method to realize the decomposition of myoelectric signal based on sparse component analysis . In the process of denoising and thinning the surface myoelectric signal , a matching pursuit algorithm based on genetic algorithm is adopted to improve the efficiency of thinning and de - noising ;
The hough transform method is used to estimate the mixed matrix , and a space degradation method is proposed to optimize the hough algorithm , which reduces the generation of pseudo - axes ;
In the clustering algorithm , the automatic estimation of mixed matrix is realized by means of subtraction clustering . The experimental results show that the problem of decomposition of the surface myoelectric signal under the low shrinkage force can be better solved by using the sparse component analysis .

3 . An algorithm for the decomposition of surface myoelectric signal based on multi - dimensional subspace clustering is presented . It is difficult to estimate the source signal under moderate contraction force for surface myoelectric signal . By using the multi - dimensional surface myoelectric signal projection in the multi - dimensional subspace , the local hybrid structure of the surface EMG signal is obtained . The simulation signal and the real signal verification experiment are carried out . The experiment results show that the algorithm has obvious decomposition effect on the surface myoelectric signal decomposition of moderate contraction force .

4 . The method of estimating the number of motor potential ( MUAP ) in children with cerebral palsy was studied by using the method of estimating the number of motor potentials in children with cerebral palsy . The results showed that the IPI of MUAP was positively correlated with the level of activity and the degree of motion disturbance . The results showed that the effectiveness of the method was effective , and the IPI parameters could reflect the degree of motor impairment in children with cerebral palsy .

This thesis is funded by the National Natural Science Foundation Project " Decomposition of Surface EMG Signal Based on Linear Variation Force Acquisition and Multi - channel Temporal and Temporal Information " ( 30870 656 ) .
【學位授予單位】：中國科學技術大學
【學位級別】：博士
【學位授予年份】：2012
【分類號】：R742.3

【相似文獻】

相關期刊論文 前10條

1 劉巧玲;共濟失調(diào)型小兒腦癱的辨證論治[J];中西醫(yī)結(jié)合心腦血管病雜志;2004年06期

2 馬學軍;安美平;;水針、電針治療小兒腦癱132例體會[J];山東醫(yī)藥;2005年34期

3 黃敏;針刺治療小兒腦癱臨床觀察[J];中國廠礦醫(yī)學;1997年02期

4 于蘭梅,楊穎,李愛蓮,張瑩;循經(jīng)穴位按摩用于小兒腦癱康復的臨床研究[J];按摩與導引;1999年04期

5 段傳偉,劉云霞,王春燕;綜合治療小兒腦癱療效分析[J];中國民間療法;2004年02期

6 于海波,周潔,皮敏,曹雪梅,吳立雄,彭君華;針灸治療64例小兒腦癱的功能評價和療效分析[J];中醫(yī)藥通報;2004年04期

7 謝閩達;;小兒腦癱的康復治療[J];臨床和實驗醫(yī)學雜志;2006年10期

8 孫鳳菊;李愛玲;張春紅;;經(jīng)氣導平儀治療小兒腦癱150例療效觀察[J];中國實用神經(jīng)疾病雜志;2006年06期

9 趙慶國;;小兒腦癱的綜合治療體會[J];中國實用醫(yī)藥;2010年01期

10 賀靜松,項雅梅;運用湯氏頭皮針法治療小兒腦癱40例[J];上海針灸雜志;1994年06期

相關會議論文 前10條

1 魏玉香;路生祿;;針灸配中藥治療小兒腦癱60例[A];中國針灸學會全國中青年針灸推拿學術經(jīng)驗交流會論文匯編[C];1999年

2 鈕雪松;;通督健腦法治療小兒腦癱[A];慶祝中國針灸學會與大韓針灸師協(xié)會締結(jié)姊妹學會十周年暨全國針灸新療法新技術現(xiàn)場演示和疑難病癥針灸治療經(jīng)驗交流會論文匯編[C];2002年

3 成錦舟;羅偉;黃耿明;唐中華;;中醫(yī)綜合康復治療小兒腦癱100例療效觀察[A];第五次全國中西醫(yī)結(jié)合中青年學術研討會論文匯編[C];2004年

4 邱文克;;小兒腦癱的家庭日常生活訓練[A];中國康復醫(yī)學會首屆兒童康復學術會議暨中國殘疾人康復協(xié)會第八屆小兒腦癱學術會議論文匯編[C];2004年

5 吳健武;;淺談小兒腦癱的針灸“內(nèi)外取穴并治”法[A];廣東省針灸學會第十次學術交流會論文匯編[C];2007年

6 黃苡萍;;小兒腦癱康復訓練初探一文摘要[A];中國康復醫(yī)學會第四屆會員代表大會暨第三屆中國康復醫(yī)學學術大會論文匯編[C];2001年

7 李滋平;劉炳權;;舌針治療小兒腦癱102例臨床觀察[A];廣東省針灸學會第十次學術交流會論文匯編[C];2007年

8 陳景云;;從“治未病”淺析小兒腦癱早診早治的重要性[A];第三屆全國兒童康復學術會第十屆全國小兒腦癱學術研討會論文匯編[C];2008年

9 于海波;潘孝錦;;針灸配合敷臍療法治療小兒腦癱流涎癥的臨床觀察[A];廣東省針灸學會第十一次學術研討會論文匯編[C];2010年

10 郝晉東;;早期綜合康復治療對小兒腦癱的臨床療效觀察[A];中國康復醫(yī)學會第四屆會員代表大會暨第三屆中國康復醫(yī)學學術大會論文匯編[C];2001年

相關重要報紙文章 前10條

1 福建 副主任醫(yī)師 歐萍;小兒腦癱早發(fā)現(xiàn)[N];家庭醫(yī)生報;2005年

2 黃秀杰;小兒腦癱越早治療越好[N];農(nóng)村醫(yī)藥報（漢）;2009年

3 李雪;小兒腦癱的辨證論治[N];農(nóng)村醫(yī)藥報（漢）;2009年

4 李麗;中醫(yī)治小兒腦癱四法[N];大眾衛(wèi)生報;2009年

5 李源;小兒腦癱 逐年增多[N];大眾衛(wèi)生報;2009年

6 本報記者 朱曉京　胡曉震;預防小兒腦癱產(chǎn)前是關鍵[N];沈陽日報;2010年

7 李輝;小兒腦癱不再是不治之癥[N];衛(wèi)生與生活報;2010年

8 記者 衣曉峰　靳萬慶;黑龍江中醫(yī)藥大學一項課題研究表明： 針康法改善小兒腦癱癥狀療效好[N];中國中醫(yī)藥報;2011年

9 衣曉峰　靳萬慶;針灸結(jié)合康復術可改善小兒腦癱癥狀[N];中國醫(yī)藥報;2011年

10 本報記者 衣曉峰　靳萬慶 通訊員 孫月霞;中醫(yī)綜合治療小兒腦癱[N];中國中醫(yī)藥報;2011年

相關博士學位論文 前10條

1 姚博;表面肌電信號分解算法及其在小兒腦癱評詁中的應用[D];中國科學技術大學;2012年

2 陳得財;朱明清頭皮針治療小兒腦癱的臨床研究[D];廣州中醫(yī)藥大學;2010年

3 宋全軍;人機接觸交互中人體肘關節(jié)運動意圖與力矩估計[D];中國科學技術大學;2007年

4 李慶玲;基于sEMG信號的外骨骼式機器人上肢康復系統(tǒng)研究[D];哈爾濱工業(yè)大學;2009年

5 王剛;基于小波變換和多重分形分析的表面肌電信號分析[D];上海交通大學;2008年

6 李強;表面肌電信號的運動單位動作電位檢測[D];中國科學技術大學;2008年

7 陳偉婷;基于熵的表面肌電信號特征提取研究[D];上海交通大學;2008年

8 趙章琰;表面肌電信號檢測和處理中若干關鍵技術研究[D];中國科學技術大學;2010年

9 顏志國;基于粗糙集和支持向量機的表面肌電特征約簡和分類研究[D];上海交通大學;2008年

10 張旭;基于表面肌電信號的人體動作識別與交互[D];中國科學技術大學;2010年

相關碩士學位論文 前10條

1 劉靈芝;基于無線傳感器網(wǎng)絡的表面肌電信號驅(qū)動的人機接口技術研究[D];北京交通大學;2010年

2 鄒曉亮;面向仿生手臂的表面肌電信號采集與處理系統(tǒng)研究[D];吉林大學;2011年

3 魏代祥;基于多通道時空信息的表面肌電信號分解[D];中國科學技術大學;2011年

4 盧蕾;基于表面肌電信號區(qū)分上肢動作的實驗研究[D];北京協(xié)和醫(yī)學院;2011年

5 徐穎潔;基于遺傳算法和神經(jīng)網(wǎng)絡的表面肌電信號分析[D];上海交通大學;2011年

6 李皓;人體表面肌電信號采集系統(tǒng)的研究[D];河北工業(yè)大學;2010年

7 張旭;外骨骼系統(tǒng)中控制信號的分析與處理[D];青島大學;2011年

8 鄒曉陽;動作表面肌電信號的非線性特性研究[D];上海交通大學;2012年

9 王玉玨;表面肌電信號分析與實時系統(tǒng)構建[D];華東理工大學;2012年

10 劉程;下肢表面肌電信號采集與處理系統(tǒng)設計與實現(xiàn)[D];武漢理工大學;2012年

，

本文編號：1925598