[发明专利]基于变尺度符号传递熵的多通道脑肌电耦合分析方法

摘要

本发明公开了一种基于变尺度符号传递熵的多通道脑肌电耦合分析方法，本发明首先同步采集不同握力动作时多通道脑电信号和相关肌肉组上的表面肌电信号。然后选择可变尺度参数对左、右手相同握力下的脑肌电信号进行符号化，并对符号化后的序列进行传递熵的计算。通过综合分析传递熵的平均值和标准差，以及计算所用时间，选择一个合适有效的符号化尺度参数进行后续分析。进一步对左手/右手动作、不同握力下、多个通道的脑电信号和对应的肌电信号进行符号传递熵分析和比较。最后根据脑电到肌电和肌电到脑电的传递熵变化情况，提出了脑肌电信号耦合强度的表示方法，客观定量的反映皮层肌肉和运动肌肉之间的耦合强度。

主权项

1.基于变尺度符号传递熵的多通道脑肌电耦合分析方法，其特征在于，该方法具体包括以下步骤：步骤一，获取人体上肢动作时的头皮脑电信号和表面肌电信号样本数据；步骤二，将获取的EEG和EMG信号设置多个尺度参数进行变尺度符号化处理；其中可变尺度符号化方法具体如下：可变尺度参数的符号化方法，它的符号个数与尺度有关，可动态进行调整，具体包括以下步骤：1、首先求出时间序列的最大值和最小值；2、设定一个可变符号化尺度的参数pieces，它表示将序列最小值到最大值划分为pieces+1份，最终的符号个数也就为pieces+1，pieces小于时间序列的长度，它的值大则表示划分精细，取值小则表示划分粗糙；3、然后对时间序列符号化，落入最小的区间设置符号为‑pieces/2，依次为‑pieces/2+0.5，依次类推，最大的符号为pieces/2；具体函数形式如(1)式所示：其中i表示时间序列的长度，S(i)代表符号化后的序列，min(x)和max(x)分别代表时间序列的最小和最大值，delta代表每次区间的增加量，其取值为步骤三，将符号化的脑肌电信号符号序列进行传递熵的计算，取多次的平均值、标准差和计算时间；选取EEG—>EMG传递熵的平均值介于0.40～0.60之间，EMG—>EEG传递熵的平均值介于0.15～0.30之间，标准差小于0.008，一次计算时间少于3.0s时的尺度参数进行后续的分析；其中传递熵的计算方法如下：假如给定两个时间序列X＝{x₁,x₂,…,x_T}和Y＝{y₁,y₂,…,y_T}，其中T是时间序列的长度，x₁、y₁分别是第一个观测值，x₂、y₂分别是第二个观测值，依次类推；我们可以得到Y到X的传递熵(TE_Y→X)和X到Y的传递熵(TE_X→Y)如(2)、(3)式：其中n为离散时间指标，τ为预测时间，p(·)代表概率分布；步骤四，利用选定的尺度参数对多个通道脑肌电信号进行符号化，并计算传递熵；步骤五，提出脑肌电信号耦合强度的表示方法，对皮层肌肉耦合性进行定量分析；其中耦合强度的表示方法如下：在分析脑肌电传递熵时发现大脑左右半球分界线上的FZ和CZ通道脑肌电传递熵在左、右手握拳时均没有明显变化；因此，为了定量表示明显变化通道符号化传递熵的变化特征以及分析脑肌电的耦合强度，提出以FZ和CZ通道脑肌电传递熵的平均值作为基线，以明显变化通道的传递熵值与基线的差值进行表示，其具体定义如式(4)和(5)：S_{TE(EEG‑＞EMG)}＝TE_{(EEG‑＞EMG)i}‑Mean_{(EEG‑＞EMG)}                  (4)S_{TE(EMG‑＞EEG)}＝TE_{(EMG‑＞EEG)i}‑Mean_{(EMG‑＞EEG)}                  (5)其中S_{TE(EEG‑＞EMG)}表示，脑电到肌电的耦合强度，S_{TE(EMG‑＞EEG)}表示，肌电到脑电的耦合强度；TE_{(EEG‑＞EMG)i}表示，脑电到肌电变化明显通道i的传递熵，TE_{(EMG‑＞EEG)i}表示，肌电到脑电变化明显通道i的传递熵；Mean_{(EEG‑＞EMG)}表示FZ和CZ通道脑电到肌电传递熵的平均值，Mean_{(EMG‑＞EEG)}表示FZ和CZ通道肌电到脑电传递熵的平均值。