基于混合Copula互信息的肌间耦合分析方法技术

本发明专利技术公开一种基于混合Copula互信息的肌间耦合分析方法。本发明专利技术首先采用4种典型的单参数Copula函数建立混合Copula模型，然后利用惩罚似然函数的期望最大化(EM)和拟牛顿(BFGS)算法估计模型参数，再根据信息熵理论构造混合Copula互信息，最后将混合Copula互信息用于研究卒中后上肢及物运动时肱二头肌(BB)和肱三头肌(TB)在α、β和γ频段上的肌间耦合强度。本发明专利技术提出的混合Copula互信息不仅能度量肌间非线性耦合强度大小，而且还能全面刻画肌间依赖结构关系，对上肢运动功能评价具有良好的应用价值。

Muscle coupling analysis method based on mixed copula mutual information

【技术实现步骤摘要】
基于混合Copula互信息的肌间耦合分析方法
本专利技术属于神经系统运动控制机制研究领域，涉及混合Copula和互信息的计算，从而进行肌间功能耦合分析。
技术介绍
脑卒中又称为中风，脑血管意外，是在脑血管病变或血流障碍基础上发生的局限性或弥漫性脑功能障碍，业已成为成人获得性运动障碍的主要原因。卒中后最常见的缺陷是对侧上/下肢偏瘫，由于上肢功能精细且灵巧，在康复治疗过程中，恢复较为困难，目前尚未找到有效便利的康复治疗技术。由于肌肉活动代表了神经系统的输出，对肌肉活动状态的检查能够了解运动障碍患者神经机制的灵活性和适应性的差异。现阶段在脑卒中患者康复过程中，运动功能评价的主要依据是康复医师的主观经验或依靠监测患者的肌力状态，难以客观、准确、定量评定康复效果。肌间耦合的概念来源于皮层肌肉功能耦合研究，指的是运动过程中肌肉间的相互作用。肌间耦合在人体运动中起着重要的作用，决定了人体运动的整体肌肉模式，能够反映肌肉系统在中枢神经系统控制下的运动功能状态和信息交互方式。由于表面肌电信号(surfaceElectromyography,sEMG)非平本文档来自技高网...

【技术保护点】
1.基于混合Copula互信息的肌间耦合分析方法，其特征在于：该方法包括以下主要步骤：/n步骤(1)，表面肌电信号的同步采集以及预处理；/n具体为：在表面肌电设备的监控下，同步采集上肢肱二头肌和肱三头肌上的2通道表面肌电信号，采样频率为2000Hz；/n步骤(2)，非参数核密度估计边际分布；/n具体为：假设各频段上的表面肌电信号

【技术特征摘要】
1.基于混合Copula互信息的肌间耦合分析方法，其特征在于：该方法包括以下主要步骤：
步骤(1)，表面肌电信号的同步采集以及预处理；
具体为：在表面肌电设备的监控下，同步采集上肢肱二头肌和肱三头肌上的2通道表面肌电信号，采样频率为2000Hz；
步骤(2)，非参数核密度估计边际分布；
具体为：假设各频段上的表面肌电信号是来自连续分布函数Fi(xi)的同分布样本，T为时间序列的长度，i＝1,2，那么Fi(xi)的非参数核密度估计为



其中，为概率密度函数，



其中，h为窗宽，当T→∞，h→0，Th→∞时，非参数核密度估计是真实概率密度分布的一致估计，K(·)为核函数；
步骤(3)，构建混合Copula模型；
具体为：定义混合Copula密度函数：



s.t.∑ωk＝1,ωk≥0
其中，s为选择的Copula的个数，ωk为权重参数，θk为相依参数，u,v～U[0,1]分别表示变量的边际分布函数，采用单参数的二元Copula函数用于构建混合Copula模型；
步骤(4)，EM-BFGS算法估计混合Copula模型参数；
具体为：在对边际分布进行估计后，可得到估计值序列将其代入关于参数φ＝{ωT,θT}的对数似然...

【专利技术属性】
技术研发人员：王洪安，佘青山，马玉良，高云园，
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