[发明专利]基于小波-传递熵的多时频尺度间脑肌电耦合分析方法

摘要

本发明公开了一种基于小波‑传递熵的多时频尺度间脑肌电耦合分析方法，所述方法包括脑肌电信号同步采集部分和信号处理部分，脑肌电信号同步采集部分包括脑电信号采集和肌电信号采集；信号处理部分包括信号预处理和脑肌电的小波‑传递熵分析方法。本发明具有可应用性、可采纳性，在康复医学领域具有重要的应用价值。

主权项

1.一种基于小波‑传递熵的多时频尺度间脑肌电耦合分析方法，其特征在于，所述方法的步骤如下：步骤1，采用64导Neuroscan设备同步采集脑电信号和肌电信号；步骤2，利用Neuroscan设备数据处理软件对采集到的脑电信号和肌电信号分别去除基线漂移、溢出、眼动和工频干扰，针对预处理后的实测数据构建脑电信号x(t)和肌电信号y(t)两组时间序列；步骤3，采用Daubechies类db4小波基函数对对脑电和肌电信号进行频谱分解，分析脑电信号和肌电信号不同时频尺度间的同步特性，定量描述脑肌间非线性耦合和信息传递特征； 具体步骤包括：①脑电信号x(t)进行小波变换，将小波变换应用于尺度划分之中；首先构造小波函数，公式如下：式中，Ψ(t)为母小波；k为Ψ(t)纵坐标方向的平移量，j表示信号的层数，j,k∈Z，Z为整数集；尺度参数为2^j，平移参数2^jk；t为时间指标；②然后对脑电信号x(t)进行7层频谱分解，得到小波变换系数小波系数C_j,k按照频率范围从高到低的顺序排列，提取第3、4、5、6、7层系数重构出gamma:32～64Hz、beta:16～32Hz、alpha:8～16Hz、theta:4～8Hz和delta:1～4Hz频段的信号：式中，为滤波器的品质因数；③重构信号x₁(t)、x₂(t)、x₃(t)、x₄(t)及x₅(t)分别对应脑电功能频带delta、theta、alpha、beta和gamma的信号；对于肌电信号y(t)进行上述相同的小波变换过程，得到y_m(t),m＝1,2,3,4,5，分别对应肌电delta、theta、alpha、beta和gamma频段的信号；④基于传递熵计算方法，构造x(t)到y(t)的小波‑传递熵WTE_x→y，公式如下：式中，u为预测时间；p(·)为变量之间的联合概率；分别表示脑电和肌电delta、theta、alpha、beta、gamma分量的延迟向量；为的预测序列；WTE_x→y则表示脑电信号EEG的x_i(t)分量到肌电信号EMG的y_m(t)分量间的传递熵值；同理信号y(t)到x(t)的小波‑传递熵WTE_y→x的表达式为：式中，为的预测序列；WTE_y→x表示EMG的y_m(t)到分量到EEG的x_i(t)分量间的传递熵值；传递熵值越大，说明在此频段间皮层肌肉耦合越强；传递熵值越小，说明在此频段间皮层肌肉耦合越弱；步骤4，对运动状态下的脑肌间非线性耦合和信息传递特征进行分析。