基于神经电生理信号联合分析的人体运动能力判别方法技术

本发明专利技术公开了一种基于神经电生理信号联合分析的人体运动能力判别方法，包括以下步骤：同步采集EMG、ECG信号；对ECG信号进行R波峰值识别得到HRV信号，再分别对各信号进行时域分析、频域分析以及非线性分析；对肌电参数与心率变异性参数进行联合分析，采用相关分析寻找具有显著性的关联参数对，研究运动能力和心脏负荷情况的关联效应；提取EMG特征、HRV特征，以及计算EMG信号积分肌电值、均方根分别与HRV参数的相关系数；利用PCA主成分分析去除冗余信息，得到特征向量；将特征向量作为模式识别的输入，从而进行运动能力的判别。本方法可有效地提高人体运动能力判别模型的准确性和简便性，可为航天员的选拔提供依据。

【技术实现步骤摘要】
基于神经电生理信号联合分析的人体运动能力判别方法
本专利技术涉及人体运动能力判别领域，尤其涉及一种基于神经电生理信号联合分析的人体运动能力判别方法。
技术介绍
人是在地球1G重力环境中进化和生活的，因此人体各生理系统的形态、结构和功能都产生了适应1G条件的变化。当航天员进入太空后，长时间的生活在失重环境中(准确的说是处于微重力状态)，流体静压消失，体液头向分布会引发机体各生理系统出现一系列的适应性变化，引起人体生理系统的明显改变，例如：水和电解质代谢紊乱、心血管功能失调、航天贫血症等，尤其是对运动功能的影响，如肌萎缩、肌肉耐力的下降。从而导致航天员工作绩效的下降，进而影响整个航天任务的顺利进行。除此之外，还可能影响到航天员从空间返回到地面的再适应过程，其主要表现是立位耐力不良和运动耐力下降。因此，现阶段急需建立准确的人体运动能力变化的判别模型，提出一套能够科学的评判人体运动能力的指标，进而应用于航天员的选拔工作中，以及通过对人体运动能力分析评估，找到能够降低失重环境对于航天员健康以及工作绩效影响的对抗方法。人体运动功能主要表现在行走的步态和上肢的典型动作中。描述这些动作特征的信息主要有运动学参数、力学参数和生物电信号三大类，从而进行功能评定。人体运动的动力来自骨骼肌的协同收缩，肌电信号是肌肉自主收缩或电诱发收缩过程中产生的生理电变化，其信息可以用来描述运动功能特征和分析运动的质量。心率变异性是指人体心脏搏动周期存在的微小变异，通常情况下是指逐次心动周期间体表心电图R波间期的微小涨落。近年来研究表明，脑的高级神经活动、中枢神经系统的自发性节律活动、呼吸以及压力、化学感受器活动等因素对心脏的自主神经系统进行调制结果导致心率变异性(Heartratevariability，HRV)的产生。换言之，HRV信号蕴涵了有关心血管系统神经及体液调节的大量信息，因而可以通过检测测试者的心率数据，得到许多有关自主神经系统平衡状态的信息。心率变异性是衡量自主神经系统功能状态的一个重要指标，适当的体育运动可以增强自主神经系统的调节能力，HRV分析表现出了潜在的令人注目的应用价值。现阶段科学研究对于肌电和心率变异性的研究都分别取得了较为瞩目的成就，但研究者通常只是单方面的通过肌肉以及肌肉电信号的特征来对运动能力进行分析。由于航天员长期处于失重条件这种工作环境，导致肌肉的长时间废用，不仅会引起肌肉萎缩，还直接影响到肌肉的工作能力和耐力，而且肌肉泵作用降低也可造成心血管功能下降。由此，从心血管功能变化规律入手，与肌电特征联合分析，可以为建立更为全面的运动能力变化判别模型与评价方法提供新的思路。
技术实现思路
本专利技术提供了一种基于神经电生理信号联合分析的人体运动能力判别方法，本专利技术通过寻找具有显著性的关联参数对，研究运动能力和心脏负荷情况的关联效应；利用主成分分析爱(Principlecomponentanalysis，PCA)去除信息冗余后得到特征向量，作为后续模式识别的输入，从而进行运动能力判别，详见下文描述：一种基于神经电生理信号联合分析的人体运动能力判别方法，所述人体运动能力判别方法包括以下步骤：同步采集EMG、ECG信号；对ECG信号进行R波峰值识别得到HRV信号，再分别对各信号进行时域分析、频域分析以及非线性分析；对肌电参数与心率变异性参数进行联合分析，采用相关分析寻找具有显著性的关联参数对，研究运动能力和心脏负荷情况的关联效应；提取EMG特征、HRV特征，以及计算EMG信号积分肌电值、均方根分别与HRV参数的相关系数；利用PCA主成分分析去除冗余信息，得到特征向量；将特征向量作为模式识别的输入，从而进行运动能力的判别。所述提取EMG特征、HRV特征，以及计算EMG信号积分肌电值、均方根分别与HRV参数的相关系数具体为：1)EMG特征提取：通过对肌电信号进行时频域分析得到积分肌电值、均方根、平均功率频率、中值频率四个特征参数，分别记为特征向量P1，P2，P3，P4；2)HRV特征提取：计算总功率、极低频、低频和高频的频谱熵，分别记为特征向量P5，P6，P7，P8；3)EMG信号积分肌电值、均方根分别与HRV参数的相关系数，分别记为特征向量P9，P10，P11，P12，P13，P14，P15，P16。所述利用PCA主成分分析去除冗余信息，得到特征向量的步骤具体为：对原始数据Pn*16进行标准化处理，得到矩阵Pn*16*；然后求其协方差矩阵C16*16；对协方差矩阵进行特征根分解，得到特征根∧及特征向量U，其中特征向量作为主成分的坐标轴，构成新的矢量空间，每个特征根的大小代表每个主成分蕴含的信息量；求原始数据在新坐标系中的投影F；求累积贡献率；每个主成分的特征根大小代表其蕴含信息量的多少；选定合适的累积贡献率，使前d个主成分Fn*d作为新的数据，替代原始数据Pn*16进行模式识别。本专利技术提供的技术方案的有益效果是：本专利技术解决了人体运动能力划分测量复杂，准确率低的问题，提出利用EMG信号特征参数与HRV频域特征参数联合分析的方法，从肌肉系统与心血管系统两大方面入手，更为准确全面且针对性更强。与利用单一信号相比，信息来源更丰富。并且利用PCA主成分分析去除冗余信息，保留了对人体运动能力划分更为敏感的参数特征，可以更准确，快速地进行划分，可有效地提高人体运动能力判别模型的准确性和简便性。并且作为全面严谨的运动能力判别模型可为航天员的选拔提供依据。并根据其运动能力情况在飞行前制定针对性的防护训练任务，提高航天员在外太空的适应能力；设计对抗运动，减缓飞行中微重力的不利影响，提升航天任务的有效执行性。附图说明图1为一种基于神经电生理信号联合分析的人体运动能力判别方法的流程图；图2为心电信号R波识别示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面对本专利技术实施方式作进一步地详细描述。参见图1，该基于多生理参数联合分析的人体运动能力判别方法的流程为：首先同步采集运动状态下的肌电信号(Electromyography，EMG)、心电信号(Electrocardio，ECG)，然后对ECG信号进行R波识别，如图2“*”处为识别到的R波，进而得到心率变异性(Heartratevariability，HRV)信号，再分别对各信号进行时域分析、频域分析以及非线性分析，并分别计算EMG特征参数与HRV特征参数的相关系数，寻找显著关联参数对，然后利用PCA主成分分析去除冗余信息，得到特征向量作为后续模式识别的输入，从而进行运动能力的判别，下面对各个步骤进行详细描述：101：同步采集EMG、ECG信号；对ECG信号进行R波峰值识别得到HRV信号，再分别对各信号进行时域分析、频域分析以及非线性分析；肌电信号包含大量的人体运动信息，经过分析处理后，可对人体运动能力进行分析。心率变异即逐次窦性心跳间期之间的微小涨落，直接受自主神经系统中的交感神经和副交感神经的双重支配。肌肉泵作用的变化会影响心血管功能，而心率变异性能很好的反应心血管功能变化。在本方法中，由于该两个参数测量方法成熟，与其他生理参数相比能够分别从心血管系统与肌肉系统两大方面更准确、敏感、全面的反应人体运动状况，所以采用这两种生理参数有效融合来进行人体运动能力分析在实际应用中具本文档来自技高网...

【技术保护点】
一种基于神经电生理信号联合分析的人体运动能力判别方法，其特征在于，所述人体运动能力判别方法包括以下步骤：同步采集EMG、ECG信号；对ECG信号进行R波峰值识别得到HRV信号，再分别对各信号进行时域分析、频域分析以及非线性分析；对肌电参数与心率变异性参数进行联合分析，采用相关分析寻找具有显著性的关联参数对，研究运动能力和心脏负荷情况的关联效应；提取EMG特征、HRV特征，以及计算EMG信号积分肌电值、均方根分别与HRV参数的相关系数；利用PCA主成分分析去除冗余信息，得到特征向量；将特征向量作为模式识别的输入，从而进行运动能力的判别。

【技术特征摘要】
1.一种基于神经电生理信号联合分析的人体运动能力判别方法，其特征在于，所述人体运动能力判别方法包括以下步骤：同步采集EMG、ECG信号；对ECG信号进行R波峰值识别得到HRV信号，再分别对EMG信号、HRV信号进行时域分析、频域分析以及非线性分析；对肌电参数与心率变异性参数进行联合分析，采用相关分析寻找具有显著性的关联参数对，研究运动能力和心脏负荷情况的关联效应；提取EMG特征、HRV特征，以及计算EMG信号积分肌电值、均方根分别与HRV特征的相关系数；利用PCA主成分分析去除冗余信息，得到特征向量；将特征向量作为模式识别的输入，从而进行运动能力的判别。2.根据...

【专利技术属性】
技术研发人员：明东，王春慧，付安爽，陈善广，焦学军，綦宏志，何峰，李凡，王政，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12