The invention discloses a time-frequency coupling analysis method of EEG signals based on Copula GC. In view of the uncertainty of coupling direction in coherence analysis of cortical muscles and the limitation of Granger causality method in detecting linear causality, Copula GC is introduced into the field of cortical muscle coupling analysis. Firstly, multi-channel EEG signals and surface EMG signals on related muscle groups were collected synchronously and pretreated. Secondly, the Copula GC values between EEG signals were calculated in time domain. Then, the coupling strength of EEG signals was counted in frequency domain based on subband decomposition and Copula GC method, so as to quantitatively describe EEG signals in time-frequency domain. The non-linear synchronous coupling characteristic in local frequency band and information transmission provides a quantitative analysis method for the study of motion control and rehabilitation evaluation of patients.
【技术实现步骤摘要】
基于Copula-GC的脑肌电信号时频耦合分析方法
本专利技术属于神经系统运动控制机制研究领域,涉及一种大脑皮层和运动肌肉功能耦合的时频分析方法。
技术介绍
近年来,运用电生理信号耦合分析考察中枢神经损伤患者的异常神经振荡和神经肌肉状态已成为运动医学、康复工程等领域的研究热点。在人体运动的神经控制过程中,神经元的振荡耦合和同步放电发挥着至关重要的作用。运动神系统通过神经振荡来传递运动控制信息,神经中枢通过与各区域间的相互作用实现功能调节和整合,主要体现在电生理信号间不同层次的耦合(同步)现象,包括脑电(electroencephalogram,EEG)-肌电(electromyogram,EMG)耦合、EMG-EMG耦合等。中枢神经损伤患者由于神经损伤阻碍了神经振荡的传导从而造成运动功能障碍。EEG和EMG信号分别包含了躯体运动控制信息和肌肉对大脑控制意图的功能响应信息,能够直接反应运动神经系统的功能状态,通过脑肌电耦合分析可以反映运动控制过程中神经肌肉间的功能联系,不仅为理解运动控制过程及运动障碍的病理机制提供了理论基础,而且可以为康复运动功能状态评价提供生物标记。自1995年Conway等发现运动过程中EEG和EMG信号间具有相关性以来,研究者开始基于相干分析方法,获取大脑运动意识驱动与肌肉运动响应之间的功能联系特征,探索皮质下中风、帕金森症等运动机制相关疾病的病理机制。Shibata等和Kristeva等分别基于脑、肌电的相干性,验证了镜像运动患者和肌阵挛患者的脑、肌电相干差异特征;Mima等发现皮质下中风患者患侧上肢多运动模式下脑、肌电相干性不显著 ...
【技术保护点】
1.基于Copula‑GC的脑肌电信号时频耦合分析方法,其特征在于:该方法包括如下步骤:步骤一,获取人体上肢动作时的头皮脑电信号和表面肌电信号样本数据;步骤二,脑肌电信号预处理;步骤三,基于Copula‑GC的时域分析;具体为:EEG与EMG信号之间的Copula‑GC值大小反映大脑皮层和运动神经元之间信息交换的数量;对于预处理后的EEG信号X={xt}与EMG信号Y={yt}之间的cGC通过下式计算得到:
【技术特征摘要】
1.基于Copula-GC的脑肌电信号时频耦合分析方法,其特征在于:该方法包括如下步骤:步骤一,获取人体上肢动作时的头皮脑电信号和表面肌电信号样本数据;步骤二,脑肌电信号预处理;步骤三,基于Copula-GC的时域分析;具体为:EEG与EMG信号之间的Copula-GC值大小反映大脑皮层和运动神经元之间信息交换的数量;对于预处理后的EEG信号X={xt}与EMG信号Y={yt}之间的cGC通过下式计算得到:其中,E表示样本空间的期望;F和G分别表示Y和X的条件边缘分布;c表示条件Copula的密度函数;和分别为X和Y的历史信息,m和n为变量X和Y的滞后阶次;利用贝叶斯信息准则进行回归分析确定m和n;EEG→EMG的cGC值代表大脑皮层传递到相应肌肉的信息量,EMG→EEG的cGC值代表肌肉细胞反馈回大脑皮层的信息量;步骤四,基于子带分解和Copula-GC的频域耦合强度统计;具体为:利用FIR滤波器将1-50Hz的EEG和EMG信号分隔为49个间隔为1Hz的子带信号,然后利用式(1)计算相同子带的EEG和EMG信号之间的cGC值,记为cGCX→Y(f)和cGCY→X(f),其中f代表子带频率;cGC值越大,说明在该频段内信息的传递量越大;为进一步定量刻画EEG-...
【专利技术属性】
技术研发人员:佘青山,郑行,席旭刚,罗志增,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。