【摘要】：人體上可以運動的部分被稱為效應器。對于運動來說,我們既可以控制如腰、頸和頭等距離身體較近的效應器,也可以控制如手臂、手和腿等距離身體較遠的遠端效應器。對于腦卒中患者或者運動功能障礙患者來說,能夠正�？刂菩鲄s很難,基于腦肌電的人機接口可以根據(jù)患者意圖完成動作,幫助其執(zhí)行康復訓練,但是由于腦肌電信號的非線性、個體差異性等復雜特性有時候會讓患者達不到效果并且容易產(chǎn)生疲勞,因此需要通過腦肌電耦合分析去探索深層次的腦-肌控制機理,為病患者提供治療的理論依據(jù),并且在此基礎上為患者解決康復訓練過程中出現(xiàn)的疲勞問題。綜上所述,對皮層肌肉信息傳遞及康復疲勞檢測研究具有重要的理論研究意義和應用價值。本文著重研究皮層肌肉耦合關系,從生理機制探索在手部動作下大腦皮層與相應肌肉之間的功能交互和信息傳遞特性,并且從時-頻-空聯(lián)合域研究了疲勞識別方法,為運動功能障礙或者腦卒中患者的康復和功能評價提供一定的幫助。主要工作如下:首先,為了研究大腦皮層和肌肉組織之間的相互作用,探索腦肌電信號的多尺度耦合特征和皮層-肌肉間多時空的功能聯(lián)系,本文將多元經(jīng)驗模態(tài)分解與傳遞熵結(jié)合,構(gòu)建出MEMD-TE模型,應用于腦肌間耦合分析。首先對同步采集的腦電和肌電信號進行預處理,然后采用多元經(jīng)驗模態(tài)分解算法對信號進行時-頻尺度化,最后計算不同尺度上的傳遞熵值,分析各個尺度不同耦合方向上的非線性耦合特征。其次,為了有效分析表面肌電信號蘊含的時-頻-空域多維特征,提出了一種基于張量線性拉普拉斯判別的表面肌電特征提取方法。首先對表面肌電信號進行復Morlet小波變換,構(gòu)造具有時間、空間、頻率、任務的四階張量數(shù)據(jù),然后運用張量線性拉普拉斯判別分析方法獲得投影矩陣,把訓練集和測試集分別投影在投影矩陣中獲得具有較大區(qū)分度的特征,最后使用分類器對正常和疲勞情況時的抓握動作進行識別。
【圖文】：

(a) BRAINAMP 放大器 (b) ADAPTER 轉(zhuǎn)換器圖 3.6 實驗設備本實驗共有 10 名受試者(S1-S10，，見表 3.1)，10 人均被告知實驗詳情。實驗采用 128 導 BrainAmp DC 腦電采集系統(tǒng)同步采集 EEG 和 EMG 信號，電電極采用國際標準的32導頭皮腦電采集設備記錄了32路腦電信號(Fp1、FpF7、F3、Fz、F4、F8、FC5、FC1、FC2、FC6、T7、C3、Cz、C4、T8、TP9CP5、CP1、CP2、CP6、TP10、P7、P3、Pz、P4、P8、PO9、O1、Oz、O2PO10)，見圖 3.7；以及左右手橈側(cè)腕屈肌(Flexor Earpi Radialis, FER)和肱三肌(Triceps Brachii, TB)處的 EMG 信號，實驗采集環(huán)境如圖 3.8。表 3.1 受試者基本信息受試者 性別 年齡 慣用手 健康狀態(tài) 病情S1 男 25 右手 健康 無S2 男 25 右手 健康 無S3 男 25 右手 健康 無S4 男 25 右手 健康 無S5 男 25 右手 健康 無

杭州電子科技大學碩士學位論文組 5kg 和 10kg 的抓握。實驗中，每一次抓握工作完成后均會有 15 秒的休息時間，防止肌肉疲勞對 EMG 信號造成干擾。
【學位授予單位】：杭州電子科技大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：R318

【參考文獻】

相關期刊論文 前1條

1 李洪;;TISC2011引領中國腦血管病發(fā)展——2011天壇會國際腦血管病會議拉開帷幕[J];中國衛(wèi)生產(chǎn)業(yè);2011年19期

相關碩士學位論文 前1條

1 榮瑤;大腦皮層與上肢肌肉間功能耦合與信息傳輸?shù)难芯縖D];北京工業(yè)大學;2013年

本文編號：2656266