本文選題：表面肌電信號(hào) + 表面肌信號(hào)模型　； 參考：《中國(guó)科學(xué)技術(shù)大學(xué)》2012年博士論文

【摘要】：表面肌電信號(hào)(sEMG)是由肌肉興奮時(shí)所募集的運(yùn)動(dòng)單位產(chǎn)生的一個(gè)個(gè)動(dòng)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(hào)。而肌電信號(hào)的分解則是其形成的求逆過(guò)程,從分解結(jié)果可以獲得運(yùn)動(dòng)單位的募集發(fā)放信息和運(yùn)動(dòng)單位動(dòng)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(yùn)動(dòng)神經(jīng)元活動(dòng)狀態(tài)的一種途徑,由此可以獲得神經(jīng)肌肉疾病患者運(yùn)動(dòng)控制機(jī)制病理等變化的正確理解和解釋。表面肌電信號(hào)分解是一項(xiàng)難度較大的研究工作,研究成果對(duì)于神經(jīng)肌肉系統(tǒng)控制的基礎(chǔ)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(yīng)用價(jià)值。 表面肌電信號(hào)是一種復(fù)雜的電信號(hào),對(duì)其進(jìn)行分解是一項(xiàng)難度很大的工作。本文首先進(jìn)行了表面肌電信號(hào)的仿真研究,并在針對(duì)插入式肌電信號(hào)與表面肌電信號(hào)進(jìn)行廣泛調(diào)研之后,提出了兩種實(shí)現(xiàn)表面肌電信號(hào)分解的新方法,同時(shí)通過(guò)對(duì)仿真信號(hào)和真實(shí)信號(hào)的實(shí)驗(yàn)研究,論證算法的可行性與有效性。另外,利用表面肌電信號(hào)對(duì)痙攣型腦癱患兒的運(yùn)動(dòng)神經(jīng)元發(fā)放特性進(jìn)行了研究,旨在為腦癱患兒的運(yùn)動(dòng)障礙評(píng)估提供一種量化指標(biāo)。 本文的主要工作和研究成果有： 1. sEMG信號(hào)的仿真研究。根據(jù)表面肌電信號(hào)的生理層模型,實(shí)現(xiàn)了對(duì)表面肌電信號(hào)的仿真,用以提供驗(yàn)證肌電信號(hào)分解效果的仿真信號(hào)。重點(diǎn)討論了檢測(cè)電極與肌纖維的相對(duì)位置以及肌纖維的傳導(dǎo)速度對(duì)單纖維動(dòng)作電位產(chǎn)生的影響,同時(shí)提出了一種動(dòng)態(tài)恒力的運(yùn)動(dòng)單元募集方案。sEMG信號(hào)的仿真根據(jù)真實(shí)采集方案進(jìn)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(hào)的形成過(guò)程。 2.針對(duì)盲源分離求解欠定混合方程存在的問(wèn)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(hào)分解的實(shí)現(xiàn)方法。在去噪和稀疏化表面肌電信號(hào)的過(guò)程中,采用了一種基于遺傳算法改進(jìn)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(jìn)行混合矩陣估計(jì),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(lèi)算法中,采用減法聚類(lèi)實(shí)現(xiàn)了對(duì)混合矩陣的自動(dòng)估計(jì)。實(shí)驗(yàn)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(hào)的分解問(wèn)題。 3.提出了基于多維子空間聚類(lèi)的獨(dú)立分量分析實(shí)現(xiàn)表面肌電信號(hào)分解的算法。針對(duì)表面肌電信號(hào)在中度收縮力下難以估計(jì)源信號(hào)的難點(diǎn),通過(guò)將多維的表面肌電信號(hào)投影在多維子空間中進(jìn)行降維,獲得中度收縮力下的表面肌電信號(hào)的局部混合結(jié)構(gòu),從而估計(jì)混合矩陣,并由此獲得表面肌電信號(hào)源信號(hào)的估計(jì)值。同時(shí)進(jìn)行仿真信號(hào)與真實(shí)信號(hào)的驗(yàn)證實(shí)驗(yàn)。在真實(shí)表面肌電信號(hào)的實(shí)驗(yàn)中,采用雙源法進(jìn)行對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,本文算法對(duì)于中度收縮力的表面肌電信號(hào)分解具有明顯的分解效果。 4.提出利用肌電信號(hào)運(yùn)動(dòng)單位動(dòng)作電位數(shù)目估計(jì)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(yùn)動(dòng)障礙分級(jí)和康復(fù)評(píng)估具有重要的臨床價(jià)值。本文采用平滑非線(xiàn)性能量算子(SNEO)算法,對(duì)痙攣型腦癱患兒表面肌電信號(hào)中的運(yùn)動(dòng)單位動(dòng)作電位(MUAP)數(shù)目進(jìn)行估計(jì),并獲得MUAP的平均發(fā)放間隔(IPI)。對(duì)十四名各不同運(yùn)動(dòng)障礙級(jí)別腦癱患者的實(shí)驗(yàn)結(jié)果顯示,其肌電信號(hào)MUAP的IPI與他們活動(dòng)度的級(jí)別即運(yùn)動(dòng)障礙的程度呈正相關(guān)的關(guān)系,且具有明顯的差異。實(shí)驗(yàn)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(yùn)動(dòng)障礙程度。 本論文研究得到國(guó)家自然科學(xué)基金項(xiàng)目“基于線(xiàn)性變化力采集和多通道時(shí)空信息的表面肌電信號(hào)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(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2012
【分類(lèi)號(hào)】：R742.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉巧玲;共濟(jì)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(xué)軍;安美平;;水針、電針治療小兒腦癱132例體會(huì)[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(guó)廠礦醫(yī)學(xué);1997年02期

4 于蘭梅,楊穎,李?lèi)?ài)蓮,張瑩;循經(jīng)穴位按摩用于小兒腦癱康復(fù)的臨床研究[J];按摩與導(dǎo)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(guó)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(píng)價(jià)和療效分析[J];中醫(yī)藥通報(bào);2004年04期

7 謝閩達(dá);;小兒腦癱的康復(fù)治療[J];臨床和實(shí)驗(yàn)醫(yī)學(xué)雜志;2006年10期

8 孫鳳菊;李?lèi)?ài)玲;張春紅;;經(jīng)氣導(dǎo)平儀治療小兒腦癱150例療效觀察[J];中國(guó)實(shí)用神經(jīng)疾病雜志;2006年06期

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

10 賀靜松,項(xiàng)雅梅;運(yùn)用湯氏頭皮針?lè)ㄖ委熜耗X癱40例[J];上海針灸雜志;1994年06期

相關(guān)會(huì)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(guó)針灸學(xué)會(huì)全國(guó)中青年針灸推拿學(xué)術(shù)經(jīng)驗(yàn)交流會(huì)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(guó)針灸學(xué)會(huì)與大韓針灸師協(xié)會(huì)締結(jié)姊妹學(xué)會(huì)十周年暨全國(guó)針灸新療法新技術(shù)現(xiàn)場(chǎng)演示和疑難病癥針灸治療經(jīng)驗(yàn)交流會(huì)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(fù)治療小兒腦癱100例療效觀察[A];第五次全國(guó)中西醫(yī)結(jié)合中青年學(xué)術(shù)研討會(huì)論文匯編[C];2004年

4 邱文克;;小兒腦癱的家庭日常生活訓(xùn)練[A];中國(guó)康復(fù)醫(yī)學(xué)會(huì)首屆兒童康復(fù)學(xué)術(shù)會(huì)議暨中國(guó)殘疾人康復(fù)協(xié)會(huì)第八屆小兒腦癱學(xué)術(shù)會(huì)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(xué)會(huì)第十次學(xué)術(shù)交流會(huì)論文匯編[C];2007年

6 黃苡萍;;小兒腦癱康復(fù)訓(xùn)練初探一文摘要[A];中國(guó)康復(fù)醫(yī)學(xué)會(huì)第四屆會(huì)員代表大會(huì)暨第三屆中國(guó)康復(fù)醫(yī)學(xué)學(xué)術(shù)大會(huì)論文匯編[C];2001年

7 李滋平;劉炳權(quán);;舌針治療小兒腦癱102例臨床觀察[A];廣東省針灸學(xué)會(huì)第十次學(xué)術(shù)交流會(huì)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(guó)兒童康復(fù)學(xué)術(shù)會(huì)第十屆全國(guó)小兒腦癱學(xué)術(shù)研討會(huì)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(xué)會(huì)第十一次學(xué)術(shù)研討會(huì)論文匯編[C];2010年

10 郝晉東;;早期綜合康復(fù)治療對(duì)小兒腦癱的臨床療效觀察[A];中國(guó)康復(fù)醫(yī)學(xué)會(huì)第四屆會(huì)員代表大會(huì)暨第三屆中國(guó)康復(fù)醫(yī)學(xué)學(xué)術(shù)大會(huì)論文匯編[C];2001年

相關(guān)重要報(bào)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(bào);2005年

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

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

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

5 李源;小兒腦癱 逐年增多[N];大眾衛(wèi)生報(bào);2009年

6 本報(bào)記者 朱曉京　胡曉震;預(yù)防小兒腦癱產(chǎn)前是關(guān)鍵[N];沈陽(yáng)日?qǐng)?bào);2010年

7 李輝;小兒腦癱不再是不治之癥[N];衛(wèi)生與生活報(bào);2010年

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

9 衣曉峰　靳萬(wàn)慶;針灸結(jié)合康復(fù)術(shù)可改善小兒腦癱癥狀[N];中國(guó)醫(yī)藥報(bào);2011年

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

相關(guān)博士學(xué)位論文 前10條

1 姚博;表面肌電信號(hào)分解算法及其在小兒腦癱評(píng)詁中的應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2012年

2 陳得財(cái);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(xué);2010年

3 宋全軍;人機(jī)接觸交互中人體肘關(guān)節(jié)運(yùn)動(dòng)意圖與力矩估計(jì)[D];中國(guó)科學(xué)技術(shù)大學(xué);2007年

4 李慶玲;基于sEMG信號(hào)的外骨骼式機(jī)器人上肢康復(fù)系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);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(hào)分析[D];上海交通大學(xué);2008年

6 李強(qiáng);表面肌電信號(hào)的運(yùn)動(dòng)單位動(dòng)作電位檢測(cè)[D];中國(guó)科學(xué)技術(shù)大學(xué);2008年

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

8 趙章琰;表面肌電信號(hào)檢測(cè)和處理中若干關(guān)鍵技術(shù)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

9 顏志國(guó);基于粗糙集和支持向量機(jī)的表面肌電特征約簡(jiǎn)和分類(lèi)研究[D];上海交通大學(xué);2008年

10 張旭;基于表面肌電信號(hào)的人體動(dòng)作識(shí)別與交互[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 劉靈芝;基于無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的表面肌電信號(hào)驅(qū)動(dòng)的人機(jī)接口技術(shù)研究[D];北京交通大學(xué);2010年

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

3 魏代祥;基于多通道時(shí)空信息的表面肌電信號(hào)分解[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

4 盧蕾;基于表面肌電信號(hào)區(qū)分上肢動(dòng)作的實(shí)驗(yàn)研究[D];北京協(xié)和醫(yī)學(xué)院;2011年

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

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

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

8 鄒曉陽(yáng);動(dòng)作表面肌電信號(hào)的非線(xiàn)性特性研究[D];上海交通大學(xué);2012年

9 王玉玨;表面肌電信號(hào)分析與實(shí)時(shí)系統(tǒng)構(gòu)建[D];華東理工大學(xué);2012年

10 劉程;下肢表面肌電信號(hào)采集與處理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];武漢理工大學(xué);2012年

，

本文編號(hào)：1925598