[发明专利]一种基于小波和非负张量分解的时频空肌肉协同分析方法

说明书

本发明公开了一种基于小波和非负张量分解的时频空肌肉协同分析方法，属于神经康复工程及运动机制技术领域，所述方法首先进行上肢运动过程中多通道表面肌电信号的同步采集和预处理；然后对预处理后的数据进行小波分解，对小波变换后的时频肌电信号，将同一动作的多通道时频信号构建成小波信号数据张量；通过预先设置分解层数，将分解后的三个矩阵和核张量相乘,得到重构数据张量，再计算拟合值FIT；再判断协同与非协同关系；最后判断协同肌的频谱分量。本发明从运动的产生与执行角度，探讨肌肉协同模型中协同肌在不同频段上的功能激活状态，有助于揭示神经系统功能的内在模式，能够为卒中患者运动康复过程提供生理依据。

技术领域

本发明涉及神经康复工程及运动机制技术领域，尤其是一种基于小波和非 负张量分解的时频空肌肉协同分析方法。

背景技术

据《中国脑卒中防治报告》可知，目前脑卒中发病率、死亡率较高，并且 脑卒中发病后，有75％的可能性导致不同程度的运动功能障碍。脑卒中患者最 常见的临床症状是对侧上肢偏瘫，表现为肌无力或挛缩、关节松弛等状态。如 何促进上肢运动功能恢复是康复医学关注的热点和难点。神经中枢系统(central nervous system,CNS)接受全身各处的传入信息，通过神经兴奋冲动传递至肌肉， 使肌肉兴奋，产生肌电信号(electromyographic,EMG)来产生运动。肌电信号包 含运动控制信息和肌肉响应功能信息，已成为分析肢体运动康复进展的有力手 段。

近年来，肌肉协同理论作为一种神经控制运动机制出现在神经科学研究中， 肌肉协同是神经中枢系统(central nervous system,CNS)控制肢体运动的形式， CNS产生控制指令激活某些肌肉组来完成相应动作。脑卒中患病后的导致肌 肉的运动协调状态改变，可能会形成一种新的运动模式。卒中患者与健康人相 比，对不同运动的肌肉协同特性存在差异。对肌肉协同作用的分析对探究人体 运动控制机制以及神经损伤等都具有显著意义；肌肉协同分析研究主要基于非 负矩阵分解，获取肌肉的激活模式和协同状态，为所有被测肌肉提供一个整体 的相对激活水平分析结果。但传统的非负矩阵分解只能体现单时间尺度的肌肉 协同信息，并不能体现在频域的协同特征。而肌电信号具有多域特征，因而探 究时频域协同特性能够全面了解患者的运动功能状况。

目前，关于脑卒中后肌间时频协同特性的神经控制机制，还缺乏足够的证 据。

发明内容

本发明需要解决的技术问题是提供一种基于小波和非负张量分解的时频 空肌肉协同分析方法，应用小波和非负张量分解提取潜在的肌肉协同特性，针 对被显著激活的肌肉对协同肌的频域特性，从神经驱动肌肉协同工作的角度， 探讨上肢运动肌间协同特性，旨在为运动功能康复评估提供研究方法和科学依 据。

为解决上述技术问题，本发明所采用的技术方案是：

一种基于小波和非负张量分解的时频空肌肉协同分析方法，具体包括以下 步骤：

步骤1，同步采集多通道肌电信号；

步骤2，采用数据处理软件对采集到的肌电信号进行预处理；

步骤3，对多通道肌电信号进行小波变换并构建小波信号数据张量；

步骤4，确定协同数目；

步骤5，对数据张量进行非负Tucker分解获得时频空肌肉协同特性；

步骤6，判断协同与非协同关系并判断协同肌的频谱分量。

本发明技术方案的进一步改进在于：步骤1中，采集与上肢腕部屈伸动作 相关的多通道肌电信号时，采集设备的分辨率设为l6bit，采样率为2000Hz； 采集信号前，被试坐在实验计算机前面，被试的肩部和肘部由上肢支架支撑， 前臂在水平位置，前臂与身体成90度；所有被试在计算机屏幕上显示的目标 图片的指导下用运动的最大自主收缩力完成手腕运动；同时采集腕部屈伸动作 下的多块肌肉的肌电信号。