结合肌肉协同分析与肌肉功能网络的数据分析方法技术

本发明专利技术涉及数据分析技术领域，公开了结合肌肉协同分析与肌肉功能网络的数据分析方法，包括如下步骤：步骤S1：对各块肌肉在运动时的表面肌电信号进行收集；步骤S2：肌肉协同模式分析，采用非负矩阵分解对收集的表面肌电信号数据进行整合，提取肌肉协同模式，并使用方差解释率量化重构矩阵质量；步骤S3：肌肉功能网络分析，获取各肌肉通道间的归一化互信息，作为多通道表面肌电的非线性相关特征参数，构建肌肉功能网络。本发明专利技术基于表面肌电信号的肌肉协同分析与肌肉功能网络的数据分析方法，利用非负矩阵分解进行肌肉协同分析，采用归一化互信息量化通道之间的相互关系并构建肌肉功能网络，可以发现肌电数据集中潜在的、有价值的结构化、模块化信息。

【技术实现步骤摘要】

本专利技术涉及数据分析，尤其涉及结合肌肉协同分析与肌肉功能网络的数据分析方法。

技术介绍

1、肌电信号（electromyography, emg）是在肌肉活动被激发时产生的一种重要的运动生物力学信息，能够直接反映肌肉的电活动，提供人体运动意图的直接指标。在众多emg技术中，表面肌电信号（surface electromyography，semg）由于其无创测量、操作简单和信号易于获取的特点，已成为运动神经系统功能研究和应用的重要工具。semg信号通过将电极片放置在皮肤表面，记录肌肉收缩时皮肤电位差的变化，并通过放大、滤波、整流等信号处理步骤，生成可用于进一步分析的信号。这些信号广泛应用于手势识别、假肢控制、康复设备设计、肌力评估以及远程控制机器人等多个领域，展示出其在现代运动科学与工程应用中的核心作用。

2、尽管semg信号在运动分析中有广泛的应用，但传统的分析方法通常仅关注单个肌肉或单一动作条件下的肌电活动，尤其是绝对力量的变化。这种局限性的分析方法忽略了肌群之间复杂的协同关系，无法充分评估动作过程中多块肌肉间的相互作用和模块化协同结构，这本文档来自技高网...

【技术保护点】

1.结合肌肉协同分析与肌肉功能网络的数据分析方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的结合肌肉协同分析与肌肉功能网络的数据分析方法，其特征在于：所述步骤S1中，还包括对收集的表面肌电信号进行预处理，其中，预处理过程包括去除运动伪迹、滤波去噪、整流、归一化和取线性包络，然后将处理完成的数据按照运动类型分类储存。

3.根据权利要求1所述的结合肌肉协同分析与肌肉功能网络的数据分析方法，其特征在于：所述步骤S2中，采用方差解释率量化非负矩阵分解后重构矩阵的质量，使两个矩阵的积以近似原始矩阵，其中一个矩阵的秩为k，k值迭代，直至方差解释率大于90%，即重构矩...

【技术特征摘要】

1.结合肌肉协同分析与肌肉功能网络的数据分析方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的结合肌肉协同分析与肌肉功能网络的数据分析方法，其特征在于：所述步骤s1中，还包括对收集的表面肌电信号进行预处理，其中，预处理过程包括去除运动伪迹、滤波去噪、整流、归一化和取线性包络，然后将处理完成的数据按照运动类型分类储存。

3.根据权利要求1所述的结合肌肉协同分析与肌肉功能网络的数据分析方法，其特征在于：所述步骤s2中，采用方差解释率量化非负矩阵分解后重构矩阵的质量，使两个矩阵的积以近似原始矩阵，其中一个矩阵的秩为k，k值迭代，直至方差解释率大于90%，即重构矩阵蕴含原始矩阵信息的90%以上。

4.根据权利要求2所述的结合肌肉协同分析与肌肉功能网络的数据分析方法，其特征在于：所述步骤s3中，根据重复实验之间的余弦相似性对各次实验进行排序，计算排序后重复实验的平均协同模式，具体包括以下...

【专利技术属性】
技术研发人员：王红星，李治，周停，王培，李孝熠，柳波，陈文莉，沈滢，王海涛，
申请(专利权)人：东南大学附属中大医院，
类型：发明
国别省市：