[发明专利]基于神经电生理信号联合分析的人体运动能力判别方法

权利要求书

1.一种基于神经电生理信号联合分析的人体运动能力判别方法，其特征在于，所述人体运动能力判别方法包括以下步骤：

同步采集EMG、ECG信号；对ECG信号进行R波峰值识别得到HRV信号，再分别对各信号进行时域分析、频域分析以及非线性分析；

对肌电参数与心率变异性参数进行联合分析，采用相关分析寻找具有显著性的关联参数对，研究运动能力和心脏负荷情况的关联效应；

提取EMG特征、HRV特征，以及计算EMG信号积分肌电值、均方根分别与HRV参数的相关系数；

利用PCA主成分分析去除冗余信息，得到特征向量；

将特征向量作为模式识别的输入，从而进行运动能力的判别。

2.根据权利要求1所述的一种基于神经电生理信号联合分析的人体运动能力判别方法，其特征在于，所述提取EMG特征、HRV特征，以及计算EMG信号积分肌电值、均方根分别与HRV参数的相关系数具体为：

1)EMG特征提取：通过对肌电信号进行时频域分析得到积分肌电值、均方根、平均功率频率、中值频率四个特征参数，分别记为特征向量P1，P2，P3，P4；

2)HRV特征提取：计算总功率、极低频、低频和高频的频谱熵，分别记为特征向量P5，P6，P7，P8；

3)EMG信号积分肌电值、均方根分别与HRV参数的相关系数，分别记为特征向量P9，P10，P11，P12，P13，P14，P15，P16。

3.根据权利要求1所述的一种基于神经电生理信号联合分析的人体运动能力判别方法，其特征在于，所述利用PCA主成分分析去除冗余信息，得到特征向量的步骤具体为：

对原始数据P_n*16进行标准化处理，得到矩阵P_n*16^*；然后求其协方差矩阵C_16*16；

对协方差矩阵进行特征根分解，得到特征根∧及特征向量U，其中特征向量作为主成分的坐标轴，构成新的矢量空间，每个特征根的大小代表每个主成分蕴含的信息量；

求原始数据在新坐标系中的投影F；

求累积贡献率；每个主成分的特征根大小代表其蕴含信息量的多少；

选定合适的累积贡献率，使前d个主成分F_n*d作为新的数据，替代原始数据P_n*16进行模式识别。