基于标准模板肌电分解的脑肌信息传递规律提取方法技术

本发明专利技术公开了一种基于标准模板肌电分解的脑肌信息传递规律提取方法。首先，安排受试者执行相应动作记录下同步的肌电信号和脑电信号。通过小波去噪先对sEMG信号完成预处理，再利用先验知识而总结提出的模板进行模板匹配，将肌电信号中的波形按照模板匹配的规则进行剥离MUAP进行分解。接着对分解出的信号序列分别提取MUAP数量、MUAP波幅、MUAP瞬时传导速度特征，构建肌电特征与同步脑电信号之间的实时变化关系图谱，显示在同一动作下脑肌电信号间的信息传递规律。本发明专利技术可以更为细化精确的找出脑肌间的信息传递方式，让所提取的特征更为敏感的响应每一次同步脑电的变化，这样可以更好地探究脑肌的信号变化规律率。更好地探究脑肌的信号变化规律率。更好地探究脑肌的信号变化规律率。

【技术实现步骤摘要】
基于标准模板肌电分解的脑肌信息传递规律提取方法


[0001]本专利技术属于生物电信号处理领域，涉及一种基于标准模板肌电分解的脑肌信息传递规律提取方法，特别涉及一种将信号分解后获取相应特征与另一同步信号间变化规律的提取方法。

技术介绍

[0002]运动是人体最基本的一个功能，会陪伴人们每一天，参与人们的各种生活活动，但是根据资料显示，随着老龄化问题加重，肢体运动功能存在障碍的人群正在逐年上涨，据世界卫生组织统计，现在全世界已经超过17％的人群患有各式的运动障碍疾病，如中风、脑瘫、肌肉萎缩等，这些疾病严重影响了他们的日常生活。
[0003]不仅仅是疾病，一些事故和自然灾害也会可能会严重影响人们的运动，给人们造成很严重的运动障碍。对于上述的人群来说，如果不能及时了解、恢复自身的运动功能，那么将会导致生活质量大幅度下降，精神受到严重折磨，同时也给家庭和社会带来了巨大的压力，因此更加了解患者的运动障碍详情，针对患者进行有目的性的方案确定是非常有必要性的。
[0004]人的运动、动作意图很大程度反映在皮层与肌肉之间，运动皮层常常在简单的肌肉收缩过程中出现振荡，皮层和肌肉的活动存在很大的相关性，皮层肌肉间的相互作用关系反映了运动神经元与皮质之间的通信，因此了解皮层与肌肉间的信息传递规律，对于运动障碍患者的康复、治疗意义重大。
[0005]表面肌电信号(Surface electromyography,sEMG)是一种微弱的生理电信号，可以通过黏附在皮肤表面的电极进行检测，其形成就是在肌肉运动收缩中募集的运动单元(Motor Unit MU)间歇放电产生的运动单元动作电位序列(Motor Unit Action Potential Trains，MUAPTs)在皮肤表面叠加形成的一种生理电信号；脑电信号(Electroencephalogram，EEG)是人体指令的中心信号，包含人体运动控制的大部分信息，能够有效揭示大脑活动状态。当肌肉收缩时，大脑皮层中参与肌肉控制的运动单元被激活，控制肌肉组织执行相应的活动，同时肌肉运动产生的动作信号也会通过上行运动神经元通路传递回大脑皮层进行反馈，因此研究皮层之间的传递规律对于了解神经系统的运行机制以及运动障碍康复相关的临床研究至关重要。
[0006]想要了解更多皮层之间传递规律，获得皮层与肌肉间的细节，可以通过了解EMG信号产生的逆过程——sEMG分解，将EMG信号还原成多个运动单位动作电位序列，进而获得更过深层的信息。目前关于皮层与肌肉间存在关系的研究大多都是研究肌肉整体(原始sEMG信号)与皮层(EEG信号)之间存在的关系，如Yang和Siemionow等人研究了肌肉渐进性疲劳过程皮层与肌肉间存在的关系，发现随着肌肉疲劳程度变高，EEG和EMG信号能量均显著下降，皮层与肌肉间相干性变弱；Gwin等人研究了肌肉在不同状态下的脑肌电信号间存在的关系，结果发现，肌肉等张收缩期间γ频段的脑肌信号间响应更好，而在等长收缩期间β频段的脑肌信号间响应更好。但是上述均是研究整个EMG信号与EEG的关系，并没有考虑神经
肌肉系统内部的信息传输机制，而EMG信号分解可以通过获取运动单元的募集规律、发放及波形等信息直观的了解肌肉运动神经元的活动状态，是揭示神经肌肉机理的一种行之有效的手段，因此将肌电信号分解再探究和脑电间的关系，可以从生理学角度更深层地获取神经肌肉系统的传递信息，更深层了解皮层与肌肉间的传递规律。

技术实现思路

[0007]为了克服现有技术中存在的不足，本专利技术提供了一种基于标准模板肌电分解的脑肌信息传递规律提取方法。
[0008]本专利技术首先是采集了受试者在指定动作下的脑肌电信号，接着对采集的脑肌电信号分别进行预处理获得备用的脑肌电信号。然后利用构建的数学模板将肌电信号中的运动单元动作电位MUAP迭代剥离，即完成肌电信号的分解。在肌电信号分解的基础上提取运动单元动作电位序列MUAPT的三种特征。最后，将提取出的特征分别与同步的脑电信号构建时间序列波形图谱，分析运动时皮层与肌肉间的信息传递规律。
[0009]为了实现以上目的，本专利技术方法主要包括以下步骤：
[0010]步骤1：在受试者完成规定动作的同时采集同步的脑电肌电信号。采集受试者手臂处相关肌肉的肌电信号并记录每一次动作的开始点和结束点。
[0011]步骤2：对步骤1采集的肌电信号进行小波去噪，脑电信号进行带通滤波、ICA独立成分分析，对处理后的脑电信号分段，提取出手部动作时的脑电信号。
[0012]步骤3：对步骤2去噪后的肌电信号进行肌电分解获得MUAPT序列。
[0013]步骤4：对步骤3获得的MUAPT进行特征提取，分别提取MUAP数量、MUAP波幅、MUAP瞬时传导速率三个特征。
[0014]步骤5：利用所提取的特征与同步脑电信号，分别构建各自与同步脑电信号的波形图谱，提取在运动时脑肌信号间的信息传递规律。
[0015]进一步说，步骤1中，肌电信号采集位置为手臂屈指浅肌(FD)，脑电信号采集位置为C3单一通道；实验规定动作为使用握力器不同力量水平持续抓握5s，两种力量水平分别为15％和30％最大力量水平。
[0016]进一步说，步骤3所述肌电分解获得MUAPT序列的具体步骤如下：
[0017](1)根据肌电信号先验知识构建先验模板，模板数学表达式为：
[0018][0019][0020][0021][0022]其中A是模板的幅度，t是时间常量，设置其值为10ms，a是时间伸缩因子，影响模板宽度，即持续时间，设置变化范围为5
‑
20ms。
[0023](2)对所构建的先验模板中的各参数进行初始化，并对模板中的可变参数进行变化范围约束。
[0024][0025]|peak1|
‑
|peak
m
|≤2sd(rest_signal)
ꢀꢀꢀ
(6)
[0026][0027]A
i
≤mean(rest_peaks)
ꢀꢀꢀ
(8)
[0028]其中A0表示先验模板的初始幅值，A
i
表示第i次迭代先验模板的幅值，|peak
m
|表示sEMG中第m个尖峰点幅值的绝对值，sd(rest_signal)表示基线信号的标准差，mean(rest_peaks)表示基线信号中所有尖峰点幅值的平均值。
[0029](3)峰值检测：根据肌电信号幅值的大小(波峰和波谷)设置合适的阈值，基于阈值检测出肌电信号的尖峰脉冲点。
[0030](4)模板匹配：利用滑动窗口在每一个检测出的尖峰脉冲点进行截取，将截取的备选信号段与当前模板进行匹配，利用Pearson相关系数和残差比率判断当前备选信号段是否被分解剥离，所用Pearson相关系数和残差比率数学表达式如下：
[0031][0032][0033]其中y
k
(t)表示所构建的数学模板序列，x
j...

【技术保护点】

【技术特征摘要】
1.基于标准模板肌电分解的脑肌信息传递规律提取方法，其特征在于该方法包括如下步骤：步骤1：对受试者采集同步的脑电肌电信号；步骤2：对步骤1采集的信号进行预处理；步骤3：对步骤2去噪后的肌电信号进行肌电分解；步骤4：对步骤3分解获得的运动单元动作电位序列进行特征提取；步骤5：利用步骤4所提取的特征与采集的同步脑电信号，得到不同特征与同步脑电信号的波形图谱，分析在运动时脑肌信号间的信息传递规律。2.根据权利要求1所述的基于标准模板肌电分解的脑肌信息传递规律提取方法，其特征在于：步骤1中，肌电信号采集位置为手臂屈指浅肌，脑电信号采集位置为C3单一通道；采集受试者手臂处相关肌肉的肌电信号并记录每一次动作的开始点和结束点；实验动作为使用握力器不同力量水平持续抓握5s，两种力量水平分别为15％和30％最大力量水平。3.根据权利要求1所述的基于标准模板肌电分解的脑肌信息传递规律提取方法，其特征在于：步骤2所述对采集信号的预处理主要是肌电信号进行小波去噪，脑电信号进行带通滤波、ICA独立成分分析，对处理后的脑电信号分段，提取进行手部动作时的脑电信号。4.根据权利要求1所述的基于标准模板肌电分解的脑肌信息传递规律提取方法，其特征在于：步骤3所述肌电分解获得运动单元动作电位序列的具体步骤如下：(1)根据肌电信号先验知识构建先验模板，模板数学表达式为：(1)根据肌电信号先验知识构建先验模板，模板数学表达式为：(1)根据肌电信号先验知识构建先验模板，模板数学表达式为：(1)根据肌电信号先验知识构建先验模板，模板数学表达式为：其中A是模板的幅度，t是时间常量，设置其值为10ms，a是时间伸缩因子，影响模板宽度，即持续时间，设置变化范围为5
‑<...

【专利技术属性】
技术研发人员：席旭刚，王成浩，汪婷，叶飞，佘青山，李训根，李文国，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：