基于神經(jīng)肌肉功能耦合的腦肌電多尺度同步分析方法研究.pdf

1、大腦運動皮層的腦電信號(Electroencephalogram, EEG)和身體對側(cè)肌肉組織的肌電信號(Electromyography, EMG)分別反映運動控制信息和肌肉對大腦控制意圖的功能響應(yīng)信息。同時，由于生理系統(tǒng)是跨越多尺度時空進行相互作用的復雜結(jié)構(gòu)，因此腦肌電多尺度同步分析能夠體現(xiàn)出運動過程中大腦皮層與肌肉組織之間不同層次的振蕩聯(lián)系，進而評價運動系統(tǒng)功能。該研究已成為運動神經(jīng)科學領(lǐng)域的熱點問題。
　　本文首先介紹了腦

2、電信號和肌電信號的產(chǎn)生及特點，分析了基于神經(jīng)肌肉功能耦合的腦肌電信號同步分析的研究進展，從而確定了本文的研究內(nèi)容：從腦電信號和肌電信號的非線性和多尺度特性出發(fā)，構(gòu)建腦肌電多尺度同步分析模型，定量刻畫不同尺度上、不同方向上的皮層肌肉功能耦合強度及信息傳遞量。
　　針對腦電和肌電信號的時間尺度特性，構(gòu)建多尺度傳遞熵分析模型定量描述不同時間尺度上腦肌電信號之間的功能耦合特征。同時定義了多尺度傳遞熵顯著面積指標，描述腦肌電在不同頻段內(nèi)的耦

3、合強度關(guān)系及差異。數(shù)據(jù)仿真結(jié)果顯示，多尺度傳遞熵能夠有效刻畫兩個系統(tǒng)不同方向間不同時間尺度上的信息耦合強度及傳遞量，驗證了算法的有效性。
　　由于腦電信號和肌電信號頻域特性突出，本文引入小波分解構(gòu)建小波-傳遞熵同步分析模型用于皮層肌肉時頻尺度上的功能耦合研究。進一步利用變分模態(tài)分解方法替代小波變換，自適應(yīng)提取腦電和肌電信號時頻尺度，提出了變分模態(tài)分解-傳遞熵同步分析方法。通過仿真數(shù)據(jù)分析表明，小波-傳遞熵和變分模態(tài)分解-傳遞熵方法