基于时变混合Copula互信息的肌电耦合方法技术

本发明专利技术公开了基于时变混合Copula互信息的肌电耦合方法，包括多通道表面肌电信号同步采集、肌电信号预处理、经验分布函数估计边际分布、构建时变混合Copula模型、采用期望最大化

【技术实现步骤摘要】
基于时变混合Copula互信息的肌电耦合方法


[0001]本专利技术属于神经系统运动控制机制研究领域，具体涉及基于时变混合Copula互信息的肌电耦合方法。

技术介绍

[0002]肌电(electromyography,EMG)信号是神经肌肉活动产生的信号，肌肉在收缩过程中所产生的生理电信号，是人体运动控制系统中运动执行末端的信息表征。起主导作用的神经系统是通过运动神经元(motor neuron,MN)连接，每个运动神经元细胞的突触分出数十根分支直达运动终板效应器与肌肉纤维耦合，形成一对一的神经肌肉接头支配多条肌纤维收缩，它们整合在一起形成了运动单元(motor units,MU)。人体肌肉中包含了难以计数的运动单元，当肌肉运动时，大脑运动皮层区就会产生刺激信号或运动指令向下传导，中枢神经系统中的运动神经元发出控制肌肉收缩的信号到相对应的肌肉块。通过表面电极测量所得的肌电信号称为表面肌电信号(surface EMG,sEMG)，它作为无创采集的人体生理电信号，是浅层肌肉以及神经干上电活动在皮肤表面的综合表现，其中蕴含着丰富的信息。在运动过程中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于时变混合Copula互信息的肌电耦合方法，其特征在于：具体包括以下步骤：步骤一：同步采集多通道sEMG信号，经过去噪处理后作为计算样本；步骤二：选择去噪处理后的两通道计算样本X＝{X1,X2,...X
n
}和Y＝{Y1,Y2,...Y
n
}，X、Y分别为来自连续分布函数u和v的同分布样式，n为计算样本的长度，使用计算样本的经验分布函数估计，得到对应的估计值序列和步骤三：选择多个时变二元Copula函数，构建得到如下时变混合Copula模型：其中，s为时变混合Copula模型中时变二元Copula函数的数量，C
j
(u,v；θ
jt
)、λ
jt
、θ
jt
分别为第j个时变二元Copula函数的分布函数、权重、时变参数，∑λ
jt
＝1,λ
jt
≥0；θ
copula
为时变混合Copula模型的时变参数；对时变混合Copula模型求偏导，得到时变Copula密度函数为：其中，c
j
(u,v；θ
jt
)为第j个时变二元Copula密度函数；步骤四：将步骤二得到的计算样本的估计值序列和代入对数似然函数中进行求解，然后利用期望最大化算法和拟牛顿算法估计得到时变混合Copula模型的估计时变参数定义时变混合Copula互信息MI(X,Y)为：其中，为时变混合Copula熵，E[
·
]表示求取期望，MI(X,Y)为计算样本X和Y的时变混合Copula互信息；步骤五：重复步骤二～四，计算每两个通道计算样本之间的时变混合Copula互信息，得到肌电信号间的耦合强度。2....

【专利技术属性】
技术研发人员：佘青山，金国美，罗志增，孙明旭，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：