[发明专利]基于时变Copula互信息的肌间耦合分析方法

权利要求书

1.基于时变Copula互信息的肌间耦合分析方法，其特征在于：该方法包括以下主要步骤：

步骤(1)，表面肌电信号的同步采集以及预处理；

具体为：在表面肌电设备的监控下，同步采集腕屈和腕展运动过程中上肢肱二头肌和肱三头肌上的2通道sEMG信号；

利用切比雪夫Ⅱ型带通滤波器将上述sEMG信号划分到不同特征频段上：theta(4～8Hz)、alpha(8～15Hz)、beta(15～30Hz)、低gamma(30～45Hz)和高gamma(45～60Hz)；

步骤(2)，经验分布函数估计边际分布；

假设各频段上的2通道sEMG信号和是来自连续分布函数u_i和v_i的同分布样本，N为时间序列的长度，i＝1,2,...,5表示5个特征频段，那么u_i和v_i的经验分布函数估计为

其中，I为示性函数；

步骤(3)，典型极大似然估计时变Copula函数参数；

所述的时变Copula函数参数采用时变Normal Copula函数和时变SJC Copula函数；

步骤(4)，模型拟合优度检验；

采用Akaike信息准则衡量拟合优度，所述的拟合优度为构建的时变Copula模型对肌间耦合关系的拟合优度；

步骤(5)，计算时变Copula互信息；

根据互信息与Copula熵的等价关系，时变Copula互信息MI定义为

其中u,v为边际分布函数，为时变Copula熵；

步骤(6)，肌间耦合分析

根据Akaike信息准则的最小原则，从两种时变Copula函数中挑选出拟合效果最佳的时变Copula函数，采用步骤(5)计算得到的时变Copula互信息度量不同腕部动作、不同特征功能频段上的肌间线性和非线性耦合强度，时变Copula互信息值越大，肌间耦合强度越高。

2.根据权利要求1所述的基于时变Copula互信息的肌间耦合分析方法，其特征在于：时变Copula熵计算如下

其中，E[·]表示求期望，c_time-varying为时变Copula密度函数，为边际分布函数的估计，为时变Copula函数参数的估计。