脑电节律同步效应研究

本文介绍了进行电脑节律同步效应的实验系统和方法,同时对人脑在正弦调制光刺激下诱发电位响应特性进行了研究。     

脑电信号中肌电伪差的实时去除方法研究

为了在线去除脑电信号中的肌电伪差,使用典型相关分析方法,分析了大量被肌电干扰和未被干扰的脑电(EEG)信号,得出了一个合理的自相关阈值.在时域上,肌电伪差和一般的噪声信号比较类似,有比较小的自相关值,在去除肌电伪差时,凡自相关值低于此值的分解成分被识别为肌电伪差.该方法很好地利用了这个特点,将肌电伪差分量与潜在大脑信号分离,然后依据剩下的分解成分重建"干净"的EEG信号.实验结果表明,典型相关分析法在去除肌电伪差时优于独立成分分析法,结合提出的自相关阈值在有效去除肌电伪差的同时,又能较好地保持潜在的大脑信号不变.     

基于相位同步指数的运动想象脑电平行坐标可视化分类

脑电相位同步可以反应大脑不同功能区域之间的连接性能,是当前脑科学研究中最活跃的课题之一。平行坐标作为信息可视化的主流技术,在可视化数据分析和模式识别领域有广泛应用。本文以脑机接口竞赛的运动想象脑电数据(Data Ⅲ)为对象,以平行坐标可视化技术为手段,基于相位同步指数和线性判别分类器对左右手想象意识任务进行识别。结果表明,信息可视化技术为脑机接口系统的实现提供新的思路。     

速滑中腿部肌肉协调性同步肌电分析

为研究人体运动中腿部肌肉间的运动协调关系,提出了一种基于多肌电模型的同步肌电研究方法。该文以滑冰运动为例,采集了5名速滑运动员滑冰过程中腿部9块表层肌肉的肌电信号,分别建立每位运动员直道和弯道滑跑多肌电模型,并进行了多路肌电的同步相关性分析。分析结果表明:同一运动员完成相同动作时肌肉协调关系一致性好;而完成不同动作时的肌肉协调关系差异明显;不同运动员完成同一动作时,肌肉协调关系有较大差别。实验结果显示了同步肌电分析方法可以作为一种有效的量化评估肌肉间协调性的方法。     

人体下肢行走关节连续运动表面肌电解码方法

为实现人体下肢步态动作的连续识别,提出了一种利用表面肌电信号进行下肢关节运动角度连续解码的方法。首先利用光学运动捕捉实现下肢关节运动角度的计算,然后采集下肢运动相关主力肌肉的表面肌电信号并提取其活动强度信息;在此基础上,基于受限玻尔兹曼机构建深度自动编码器(DAE),实现多路表面肌电信号强度时间序列的低维空间编码和最优特征提取;最后,利用BP神经网络建立特征量与关节矢状面运动角度之间的非线性回归模型。实验结果表明:该方法提取的信号特征信息优于传统的主量分析方法,采用提出的模型能够更精确地估计下肢关节连续运动角度,其估计值与真实值的均方误差较传统方法降低25%~35%。研究结果为人机交互接口技术的开发、实现下肢可穿戴智能装备的生物电连续控制、提高人机运动平稳性奠定了基础。     

裸足跑时人体下肢运动学和肌电特征的变化

通过红外光高速运动捕捉测试系统和表面肌电测试系统,分析12名后足着地方式的穿鞋跑步爱好者在最初进行裸足跑时下肢运动学和肌电的变化,探究裸足跑对人体运动特征的影响及其可能机制,以及穿鞋跑转变为裸足跑适应过程的相关问题,为跑步爱好者和运动员选择适合自身的跑步锻炼方式提供理论依据。结果表明:(1)从穿鞋跑转变为裸足跑后的30 min时间内,人体下肢步态发生了明显变化,髋关节处于较伸的状态,踝关节处于较跖屈的状态,而足着地方式仍为后足着地的跑步方式;(2)裸足跑时,胫骨前肌、腓肠肌外侧头和股二头肌的肌电平均振幅均明显减小,人体已经开始形成神经——肌肉的适应性变化;(3)从穿鞋跑转变为裸足跑是一个循序渐进的过程,30 min的裸足跑练习对于原本习惯穿鞋跑的跑者适应并转变为裸足跑是不够的,跑者需要更长的时间来适应裸足跑。建议今后针对裸足跑时人体步态特征变化的研究应进行更长时间的跟踪测试。     

一类时延脑电模型的分岔研究及其控制

基于Robinson等人对一类简约脑皮层电模型的研究,对该模型的分叉特性进行了研究.考虑到兴奋型神经元和抑制型神经元之间信息传递的延时,讨论了延时对简约模型稳定性的影响,并给出了模型发生Hopf分岔的条件.结果表明,当时延在一定的阈值内,模型可以保持其稳定状态.进一步地,针对该模型设计了导数反馈控制器,消除了Hopf分岔现象.数值仿真验证了理论的有效性.     

基于双向长短时记忆神经网络的步态时空参数脑肌电解码方法

针对脑电(EEG)信号对连续步态轨迹解码结果与实际轨迹相关性低的问题,提出一种基于双向长短时记忆(BiLSTM)神经网络的步态参数解码方法。首先,构建基于双向长短时记忆神经网络的步态时空参数解码模型,根据脑肌电信号特性设计解码模型的超参数;其次,同步采集脑电、下肢运动相关肌肉的表面肌电信号(sEMG)和下肢关节运动信号,并对脑电和表面肌电信号的步态相关特征进行分析;然后,以多通道脑电和下肢运动相关表面肌电信号作为解码模型的输入,自动提取脑肌电融合信号中步态相关特征并构建膝踝关节运动轨迹与特征之间的非线性回归模型;最后,以多通道脑电作为解码模型的输入,构建步态相关脑电信号和表面肌电信号之间的非线性回归模型。实验结果表明：所提方法与传统支持向量机方法相比,对踝关节解码轨迹与实测轨迹形状相似性Pearson相关系数提高了0.12;与单独采用脑电、表面肌电信号和脑肌电信号平均绝对值特征融合信号进行解码方法相比,对踝关节解码轨迹与实测轨迹形状相似性Pearson相关系数分别提高了0.81、0.19和0.63。该方法可实现从脑电信号中对部分表面肌电信号波形的解码,解码波形和实测波形的平均Pears...     

基于脑电的意识活动特征提取与识别

基于脑电信号的非平稳特性,用自适应自回归模型(AAR)提取脑电信号的特征,利用该模型对同一实验对象的两种不同意识任务的脑电信号进行特征提取,并将AAR模型得到的特征与支持向量机(SVM)分类器相结合,作为支持向量机的输入进行训练和测试,取得了良好的识别效果.实验结果证明,支持向量机分类器用于不同意识任务分类效果很好.     

基于表面肌电信号参数的人体上肢运动研究

根据检测得到的右上肢主肌肉群的肌电信号,探讨了人体右上肢主肌肉群的肌肉功能状态和男性与女性之间肌肉功能状态的差别.20位实验者右上肢完成13个基本动作,对三角肌、肱二头肌、肱三头肌、掌长肌和指伸肌五块肌肉进行肌电采集,用SPSS 14.0软件时特征参数平均振幅(AEMG)和积分肌电(IEMG)进行数据处理.结果表明:完成不同的日常生活活动,肌肉的活跃程度存在着一定的相似性和差异性;男性以增强指伸肌和三角肌为主,女性则以掌长肌和三角肌为主.实验数据可为老年人和残疾人康复训练及肌电信号控制提供一定的理论依据和指导作用.     

基于同步似然的脑电分类方法研究

脑电数据的分类方法一直是疾病诊断、脑机接口等研究的热点,其关键在于分类特征的选择。目前的分类特征(例如样本熵)多基于单个通道,而近期研究报道脑电通道之间存在着相互作用。因此,本文采用了同步似然性作为新的分类特征,并利用SVM分类算法在两组脑电数据上进行了验证。结果表明,同步似然性作为分类特征的结果优于样本熵,可在脑电数据分类中得到更广泛应用。     

人体下肢表面肌电信号的检测与分析

人体步行时下肢肌电信号 (EMG)活跃 ,为研究步态周期内 EMG随路况的变化趋势 ,采用了下肢表面 EMG8通道检测装置进行了实验 ,对多人在 6种路况 (或步速 )下行走时的下肢 EMG进行了检测和分析。实验结果表明 ,步行时下肢肌肉活动有一定的规律性 ;各路况信号开始及持续时间、信号绝对值平均、中频等特征值区分明显 ,可以将其应用于智能肌电控制假肢路况模式辨识     

递增负重下人体膝关节控制肌群肌电变化特征的个案研究

为研究不同负重对膝关节主要控制肌群产生的影响,本文运用表面肌电测试仪,对1名体育专业大学生进行了递增负荷的蹲起测试并对测得的表面肌电信号进行AEMG分析,结果显示：负重蹲起时随着负荷量的增加各肌肉平均肌电有逐步增大的趋势;无论在下蹲过程还是在起立过程中股四头肌均起主要作用,且当负重达到75％ RM及以上时股四头肌肌电信号的增长尤为明显;负重蹲起是锻炼股四头肌最有效的手段之一.     

利用运动准备电位的人体下肢自主运动意图预先感知方法

针对下肢外骨骼机器人穿戴者的运动与机器人本身响应之间存在时间迟滞而导致控制实时性差的问题,提出了一种利用运动准备电位(RP)的人体下肢自主运动意图预先感知方法。首先,根据人体下肢运动的脑电(EEG)产生机理和耦合神经元集群模型仿真了下肢产生运动意图时大脑运动皮质区的RP响应,验证了下肢产生运动意图时其EEG中存在RP;其次,利用下肢肌电(EMG)确定了下肢自主运动的起始时刻并完成EEG中自主下肢运动事件的触发标记,同时利用多元经验模式分解(MEMD)方法去除了EEG中的运动伪迹成分,进而利用叠加平均法和模板匹配法实现了下肢自主运动的RP提取及其运动意图的预先感知;最后,搭建检测系统进行实验验证。实验结果表明:该方法可在离线情况下于人体下肢自主运动开始前约120 ms实现下肢运动意图的预先感知,其平均识别正确率为74.4%。该方法实现了人体下肢自主运动意图的预先感知,可为外骨骼机器人的柔顺控制提供信息提前量。     

单次运动想象脑电的特征提取和分类

为了实现脑-计算机接口(BCI)系统,对运动想象脑电信号的特征进行了提取和分类.将大脑C3,C4处采集的二路运动想象脑电信号分成4段,分别建立六阶AR参数模型进行功率谱估计,再对每段数据的功率谱求和构造特征矢量,提供给误差反向传播算法进行左右手运动想象脑电模式分类.结果表明,该方法提取的特征向量较好地反应了运动想象脑电信号的事件相关去同步(ERD)和事件相关同步(ERS)的变化时程.另外,该方法识别率高,复杂性低,适合在线脑-计算机接口的应用.     

步行中下肢关节动力学以及表面肌电的研究综述

步行是我们日常生活中最为普遍的运动,要想深入地了解这项运动,必须对行走过程中控制人体运动的关节力矩进行分析。单纯的运动学或动力学研究不能准确揭示出人体步态所蕴藏的生命信息,因此,从关节动力学角度结合表面肌电研究人体步态已成为当前研究的热点。通过多环节运动的动力学方法可对下肢关节动力学指标进行分析与探讨。目的：综述人体运动中下肢关节力矩、关节功率等关节动力学参数变化,以及肌电相关指标的变化。方法：检索PubMed和中国知网数据库中有关步行时下肢关节动力学的文章。英文检索词为Joint kinetics;Walking;sEMG,中文检索词为“关节动力学;步行;表面肌电。”结果与结论：目前对于人体步行中下肢关节动力学的研究：在研究指标上,单一指标的研究较多,多指标的综合研究不足。在研究对象上,针对青年人群和步行障碍患者的研究比较多,对老年人和儿童的相关报到较少。在研究内容上,针对背部负重行走的步态研究居多,对负重损伤的力学机制研究较少,在研究结果上,一些结论之间相互矛盾,负重影响人体步态的确切机制仍然模糊不清。     

基于肌电信号的人体下肢运动意图映射研究进展

智能下肢假肢与下肢外骨骼是肢体功能障碍者恢复日常运动的重要手段。基于肌电信号的直接意图控制是其自适应、自主控制的关键技术之一。针对此问题,阐述了基于肌电信号的人体下肢运动意图映射研究进展,包括比例肌电法、肌骨模型法和人工智能算法,讨论了基于肌电信号的人体运动意图映射研究所面临的主要问题。最后,对该领域未来发展方向进行了展望和总结。     

表面肌电在评价运动技术方面的研究进展

简要总结了表面肌电技术评价运动技术的主要研究方法及进展,并对这项技术在评价运动技术方面的前景进行展望.结果表明,表面肌电技术因其评价手段的先进性、评价结果的准确性以及安全无创的操作性等诸多优势,必将成为监控运动技术训练的重要手段,在运动训练的实践中有着广泛的应用前景.     

基于运动相关脑电特征的手运动方向识别

为了研究如何从无创运动相关脑电中提取运动信息作为上肢主动康复训练的控制命令,通过设计实验,使右手完成左、上、右3个方向的运动,同时采集脑电数据和右手运动信息.通过小波时频分析确认与右手运动相关的脑电频带,并提取其小波分解系数作为特征,采用支持向量机进行特征分类,根据方向识别准确率分析提取特征的有效性.结果表明,运动脑电delta和theta频段的小波系数特征可以有效区分右手不同方向的运动,方向识别准确率的均值接近65%,并且用准备阶段特征分类的结果普遍优于运动阶段特征,因此,在手运动之前诱发的脑电活动含有丰富的运动信息,可用于脑-机接口系统提取上肢主动康复训练的控制命令.     

拮抗肌对的自回归滑动平均模型的参数分析

将自回归滑动平均模型运用于肘关节桔抗肌对的肌电信号分析中，利用该模型所提供的丰富的参数，来研究在同一关节上的拮抗肌对的疲劳关系．模型中的一些自回归系数和肌疲劳程度具有相似的变化趋势．而且，对于同一伸展或屈曲过程，关节上的拮抗肌的疲劳参数要大于主动肌的参数．