肌电信号分解的一种方法

肌电信号的分解是根据肌电信号形成的机理,还原出构成它的各个运动单位运作电位序列（ＭＵＡＰＴ）的过程。本首先采用匹配滤波的方法,对组成ＥＭＧ信号的各个运动单位动作电位（ＭＵＡＰ）进行检测和提取。算法能自适应地更新匹配滤波器和标准ＭＵＡＰ模板,以跟踪ＭＵＡＰ在发放过程中的缓慢变化。利用获得的基本ＭＵＡＰ模板,根据叠加波形与构成它的各ＭＵＡＰ波形之间面向关系,得出可能的ＭＵＡＰ组合。然后再根据每个ＭＵ     

NEMG信g运动单位动作电位的分类研究

提出了一种对于构成针电极肌电信号(NEMG)的不同形状的运动单位动作电位(MUAP)进行分类的新方法．该方法采用小波变换(WT)的多尺度分析提取表征MUAP特性的时-频特征，再用无导师-有导师混合模式识别网络完成对输入样本的学习和分类．实验结果表明，这种方法对不同波形的MUAP具有较强大的分类能力，整个分类过程完全人工干预，且所需的时间不多，可以应用于临床实际，为神经肌肉疾病的诊断提供实时、有效的信息。     

基于独立向量分析的表面肌电信号分解研究

提出一种适用于表面肌电信号分解的变步长的独立向量分析梯度算法,根据表面肌电信号(s EMG)的生理学特性,将独立向量分析(IVA)模型应用到卷积混合肌电信号的频域分离中,提取隐含在s EMG信号中的运动单位动作电位信息。并将该方法与独立分量分析(ICA)方法的分解性能分析比较。实验结果表明,基于IVA盲源分离技术的分解方法能得到较明显的分解效果。     

本文是由中国工程院院士王威琪教授审查、推荐的.

建立肌电信号模型,并进行计算机仿真研究,是研究从复杂肌电信号中提取特征参数新算法性能的基础. 利用一种有效的肌电信号模型,对正常运动单元、纤维缺损单元和缺损后恢复3种情况下的单元动作电位进行了计算机仿真研究,通过比较单极和双极针电极时单元动作电位的时域和频域特征,解释了单元动作电位产生的机理,得到了表征单元动作电位的敏感特征参数.     

运动单元动作电位的计算机仿真研究

建立肌电信号模型,并进行计算机仿真研究,是研究从复杂肌电信号中提取特征参数新算法性能的基础,利用一种有效的肌电信号模型,对正常运动单元,纤维缺损单元和缺损后恢复3种情况下的单元动作电位进行了计算机仿真研究,通过比较单极和双极针电极时单元动作电位的时域和频域特征,解释了单元动作电位产生的机理,得到了表征单元动作电位的敏感特征参数。     

EMG信号的一种合成方法研究

利用改进了的肌电信号模型，完成了单纤维动作电位（ＳＰＡＰ）和运动单位动作电位（ＭＵＡＰ）的计算机模拟．以此为基础，结合肌肉组织的生理结构和肌电信号的产生原理，首先由多路ＳＰＡＰ信号经过符合生理特性的变换处理后，合成一路ＭＵＡＰ信号，然后考虑人体组织对肌电信号的衰减作用，对具有不同发放率的ＭＵＡＰ序列进行ＥＭＧ信号的合成．这种人工合成的ＥＭＧ信号有助于从理论上研究肌电信号的发放率和传导速度等特性，并将为肌电信号的分解给出一个合理标准．     

采用小波变换和高斯过程的肌电信号模型预测

根据表面肌电信号的生物电信号特点,采用小波变换和高斯过程建模的方法对表面肌电信号进行建模和预测.对非线性的表面肌电信号利用拟合能力强大的高斯过程进行建模,预测效果较好,但所需运算时间长.针对其运算时间长的缺点进行改进,将预处理后的表面肌电信号小波分解,对分解后的系数高斯建模,然后重构.实验结果表明:该改进方法在响应时间和预测误差方面效果明显.     

基于差分阈值与模板匹配的心电R波提取算法

心电信号(electrocardiogram,ECG)是人体最重要的体征信号之一,R波是心电信号中最明显的特征参数.R波的正确提取是计算心率、分析心率变异性等其他参数的基础.以一阶差分为基础,结合模板匹配算法,在匹配的过程中采用阈值比较和匹配系数的心电R波检测方法,提高了R波检测的准确率.实验表明,该算法能够快速准确地检测心电信号数据中R波特征值.     

基于双向长短时记忆神经网络的步态时空参数脑肌电解码方法

针对脑电(EEG)信号对连续步态轨迹解码结果与实际轨迹相关性低的问题,提出一种基于双向长短时记忆(BiLSTM)神经网络的步态参数解码方法。首先,构建基于双向长短时记忆神经网络的步态时空参数解码模型,根据脑肌电信号特性设计解码模型的超参数;其次,同步采集脑电、下肢运动相关肌肉的表面肌电信号(sEMG)和下肢关节运动信号,并对脑电和表面肌电信号的步态相关特征进行分析;然后,以多通道脑电和下肢运动相关表面肌电信号作为解码模型的输入,自动提取脑肌电融合信号中步态相关特征并构建膝踝关节运动轨迹与特征之间的非线性回归模型;最后,以多通道脑电作为解码模型的输入,构建步态相关脑电信号和表面肌电信号之间的非线性回归模型。实验结果表明：所提方法与传统支持向量机方法相比,对踝关节解码轨迹与实测轨迹形状相似性Pearson相关系数提高了0.12;与单独采用脑电、表面肌电信号和脑肌电信号平均绝对值特征融合信号进行解码方法相比,对踝关节解码轨迹与实测轨迹形状相似性Pearson相关系数分别提高了0.81、0.19和0.63。该方法可实现从脑电信号中对部分表面肌电信号波形的解码,解码波形和实测波形的平均Pears...     

基于模板匹配和神经网络车牌识别技术的研究

提出了一种基于模板匹配和神经网络相结合的车牌字符识别算法.采用二维经验模式分解算法(BEMD)对图像进行去噪处理,用Sobel算子进行边缘检测,使用累计直方图和低分辨率图进行特征提取,利用模板匹配法对车牌进行粗识别,对于模板匹配不可识别或难于识别的字符改用BP神经网络进一步识别.实验结果表明,车牌的识别率和识别速度都有所提高.     

基于DSP的假肢手肌电信号控制系统的设计

介绍了一种基于DSP的肌电信号采集、分析系统。根据肌电信号的特点,以DSP嵌入式系统为控制核心,采用AgCl电极作为肌电信号传感器,可以实现6通道肌电信号的采集。该系统通过信号放大、滤波电路的设计,结合信号处理算法的开发实现,完成了6个电机控制信号的输出,最终实现了欠驱动肌电控制假肢。仿真结果表明,该系统的动作识别准确率可达96.66%。     

去势对成年雄性斑胸草雀HVC神经元电生理特性的影响

鸣唱控制系统的高级发声中枢HVC（high vocal center）是发声运动通路和前端脑通路的始端，是发声行为的起始控制脑区，亦可接受听觉信号的输入及反馈，是鸣禽鸣唱调控最为重要的脑区.以往研究表明,雄激素及其代谢产物对鸣禽鸣唱控制有重要作用.去势显著改变鸣禽体内激素含量，进而影响鸣禽鸣曲稳定性，但其具体机制尚未阐明.我们运用全细胞膜片钳记录法，在离体细胞水平研究了去势引起的雄激素水平降低对HVC不同神经元电生理特性的影响.研究结果显示,去势组与对照组相比，投射神经元HVCRA，HVCX膜输入电阻减小，膜时间常数降低，动作电位后超极化幅值升高及达到峰值时间延长，表明雄激素可以提高两类投射神经元的兴奋性. 综上所述，雄激素可以一定程度上提高HVC神经元的兴奋性，雄激素可增强HVC对发声运动通路（vocal motor pathway,VMP)的控制，抑制前端脑通路(anterior forebrain pathway,AFP)来实现维持鸣曲的稳定.     

引入模仿的多方演化少数者博弈模型

提出并研究了一种新的多方演化少数者博弈模型。在该模型中,经纪人可以通过模仿改变自己的决策。不同于原始的EMG模型,现在的模型规定处于最少方的经纪人加一实分,处于最多方的经纪人减一实分,处于中间方的经纪人获得R（-1〈R〈1）实分。随着R的不同,经纪人的行为从小心谨慎向极端转变。数值结果表明,通过模仿演化使得经纪人的自组织行为得到强化,可以明显提高系统的协作。     

EMG oscillator model-based energy kernel method for characterizing muscle intrinsic property under isometric contraction

This paper presents a new method for estimating the isometric contraction force and the characterization of muscle’s intrinsic property.The method,called the energy kernel method,starts with converting the electromyography(EMG)signal into planar phase portraits,on which the elliptic distribution of the state points is named as the energy kernel,while that formed by the noise signal is called the noise kernel.Based on such stochastic features of the phase portraits,we approximate the EMG signal within a rectangular window as a harmonic oscillator(EMG oscillator).The study establishes the relationship between the energy of control signal(EMG)and that of output signal(force/power),and a characteristic energy is proposed to estimate the muscle force.On the other hand,the natural frequencies of the noise and the EMG signal can be attained with the energy kernel and noise kernel.In this way,the direct signal–noise recognition and separation can be accomplished.The results show that the representativeness of the characteristic energy toward the force is satisfactory,and the method is very robust since it combines the advantages of both RMS and MPF.Moreover,the natural frequency of the EMG oscillator is not governed by the MU firing rate of a specific muscle,indicating that this frequency correlates with the intrinsic property of muscle.The physical meanings of the model provide new insights into the understanding of EMG.     

Multiple dynamic representations in the motor cortex during sensorimotor learning

The mechanisms linking sensation and action during learning are poorly understood. Layer 2/3 neurons in the motor cortex might participate in sensorimotor integration and learning; they receive input from sensory cortex and excite deep layer neurons, which control movement. Here we imaged activity in the same set of layer 2/3 neurons in the motor cortex over weeks, while mice learned to detect objects with their whiskers and report detection with licking. Spatially intermingled neurons represented sensory (touch) and motor behaviours (whisker movements and licking). With learning, the population-level representation of task-related licking strengthened. In trained mice, population-level representations were redundant and stable, despite dynamism of single-neuron representations. The activity of a subpopulation of neurons was consistent with touch driving licking behaviour. Our results suggest that ensembles of motor cortex neurons couple sensory input to multiple, related motor programs during learning.     

Instant neural control of a movement signal

The activity of motor cortex (MI) neurons conveys movement intent sufficiently well to be used as a control signal to operate artificial devices, but until now this has called for extensive training or has been confined to a limited movement repertoire. Here we show how activity from a few (7-30) MI neurons can be decoded into a signal that a monkey is able to use immediately to move a computer cursor to any new position in its workspace (14 degrees x 14 degrees visual angle). Our results, which are based on recordings made by an electrode array that is suitable for human use, indicate that neurally based control of movement may eventually be feasible in paralysed humans.     

面神经核对呼吸节律的影响

实验选用健康成年SD大鼠,观察大鼠面神经核内的非运动神经元的放电样式以及电刺激面神经核对呼吸节律的影响,以探讨面神经核是否参与呼吸调节.在面运动神经元逆行溃变的面神经核内可记录到呼吸相关神经元(RRNs),单脉冲刺激面神经核可引起膈肌肌电的瞬时抑制,在吸气早、中期短串刺激面神经核可延长吸气时程,吸气后期刺激引起吸气终止,呼气相刺激可延长呼气时程,连续刺激面神经核可抑制吸气.