学位论文 > 优秀研究生学位论文题录展示

表面肌电信号分解算法及其在小儿脑瘫评诂中的应用

作　者: 姚博
导　师: 周逸峰; 杨基海
学　校: 中国科学技术大学
专　业: 生物医学工程
关键词: 表面肌电信号表面肌信号模型欠定盲源分离独立分量分析小儿脑瘫运动单位动作电位数目估计
分类号: R742.3
类　型: 博士论文
年　份: 2012年
下　载: 168次
引　用: 0次
阅　读: 论文下载

内容摘要

表面肌电信号(sEMG)是由肌肉兴奋时所募集的运动单位产生的一个个动作电位序列(Motor Unit Action Potential trains, MUAPT)在皮肤表面叠加而成,是一种非平稳的微弱信号。而肌电信号的分解则是其形成的求逆过程,从分解结果可以获得运动单位的募集发放信息和运动单位动作电位(MUAP)的波形信息,这是提供观察中枢神经系统各运动神经元活动状态的一种途径,由此可以获得神经肌肉疾病患者运动控制机制病理等变化的正确理解和解释。表面肌电信号分解是一项难度较大的研究工作,研究成果对于神经肌肉系统控制的基础研究和神经肌肉疾病的临床诊断具有重要的理论意义和应用价值。表面肌电信号是一种复杂的电信号,对其进行分解是一项难度很大的工作。本文首先进行了表面肌电信号的仿真研究,并在针对插入式肌电信号与表面肌电信号进行广泛调研之后,提出了两种实现表面肌电信号分解的新方法,同时通过对仿真信号和真实信号的实验研究,论证算法的可行性与有效性。另外,利用表面肌电信号对痉挛型脑瘫患儿的运动神经元发放特性进行了研究,旨在为脑瘫患儿的运动障碍评估提供一种量化指标。本文的主要工作和研究成果有：1. sEMG信号的仿真研究。根据表面肌电信号的生理层模型,实现了对表面肌电信号的仿真,用以提供验证肌电信号分解效果的仿真信号。重点讨论了检测电极与肌纤维的相对位置以及肌纤维的传导速度对单纤维动作电位产生的影响,同时提出了一种动态恒力的运动单元募集方案。sEMG信号的仿真根据真实采集方案进行了单电极和差分式电极两种电极方案的仿真,在一定程度上描述了sEMG信号的形成过程。2.针对盲源分离求解欠定混合方程存在的问题,提出将基于稀疏分量分析的欠定盲源分离算法用于肌电信号分解的实现方法。在去噪和稀疏化表面肌电信号的过程中,采用了一种基于遗传算法改进的匹配追踪算法,提高了稀疏化和去噪的效率；采用hough变换法进行混合矩阵估计,并提出一种空间退化方法优化了hough算法,减少了伪轴的产生；在聚类算法中,采用减法聚类实现了对混合矩阵的自动估计。实验结果表明,基于稀疏分量分析的欠定盲源分离方法可以较好的解决低收缩力下表面肌电信号的分解问题。3.提出了基于多维子空间聚类的独立分量分析实现表面肌电信号分解的算法。针对表面肌电信号在中度收缩力下难以估计源信号的难点,通过将多维的表面肌电信号投影在多维子空间中进行降维,获得中度收缩力下的表面肌电信号的局部混合结构,从而估计混合矩阵,并由此获得表面肌电信号源信号的估计值。同时进行仿真信号与真实信号的验证实验。在真实表面肌电信号的实验中,采用双源法进行对比实验。实验结果表明,本文算法对于中度收缩力的表面肌电信号分解具有明显的分解效果。4.提出利用肌电信号运动单位动作电位数目估计的方法研究痉挛型脑瘫患儿神经元的发放特性。小儿脑瘫患者的运动障碍分级和康复评估具有重要的临床价值。本文采用平滑非线性能量算子(SNEO)算法,对痉挛型脑瘫患儿表面肌电信号中的运动单位动作电位(MUAP)数目进行估计,并获得MUAP的平均发放间隔(IPI)。对十四名各不同运动障碍级别脑瘫患者的实验结果显示,其肌电信号MUAP的IPI与他们活动度的级别即运动障碍的程度呈正相关的关系,且具有明显的差异。实验结果表明本文方法的有效性,采用IPI参数能够反映脑瘫患儿的运动障碍程度。本论文研究得到国家自然科学基金项目“基于线性变化力采集和多通道时空信息的表面肌电信号分解”(30870656)的资助。

全文目录

摘要  5-7
ABSTRACT  7-12
第1章绪论  12-26
  1.1 肌电信号的生理学基础  12-17
    1.1.1 神经肌肉控制系统的基本构成  12-14
    1.1.2 动作电位的产生与肌电信号的形成  14-17
  1.2 肌电信号分解的国内外发展现状  17-22
    1.2.1 插入式肌电信号分解的国内外研究进展  17-19
    1.2.2 表面肌电信号分解的国内外研究进展  19-22
  1.3 肌电信号分解研究的意义  22
  1.4 本文的研究内容  22-26
第2章肌电信号的分解原理与方法  26-42
  2.1 肌电信号分解的原理  26
  2.2 基于相似性原理的肌电信号分解方法  26-30
    2.2.1 活动段检测  27-28
    2.2.2 活动段聚类  28-29
    2.2.3 叠加波形处理  29-30
  2.3 基于统计学方法的表面肌电信号分解方法  30-31
  2.4 肌电信号的采集与预处理  31-40
    2.4.1 肌电采集设备与采集方案  31-33
    2.4.2 肌电信号的预处理  33-40
  2.5 本章小结  40-42
第3章表面肌电信号的仿真  42-64
  3.1 引言  42-43
  3.2 肌肉的收缩过程  43-44
  3.3 单纤维动作电位的仿真  44-55
    3.3.1 单纤维动作电位的形成和模型  44-46
    3.3.2 单纤维动作电位仿真实验  46-55
  3.4 动作电位(MUAP)仿真  55-58
    3.4.1 动作电位形成过程  55-56
    3.4.2 动作电位形成仿真结果  56-58
  3.5 表面肌电信号(sEMG)仿真  58-62
  3.6 本章小结  62-64
第4章基于稀疏分量分析的欠定盲源分离用于表面肌电信号分解的研究  64-88
  4.1 引言  64-65
  4.2 SEMG信号的稀疏化方法  65-69
    4.2.1 匹配追踪(Matching Pursuit)算法  65-67
    4.2.2 基于遗传算法的改进型MP算法  67-69
  4.3 SEMG信号的欠定盲源分离  69-74
    4.3.1 sEMG的盲源分离模型  69-70
    4.3.2 基于Hough变换的混合矩阵估计  70-71
    4.3.3 hough变换算法的聚轴伪迹消除  71-73
    4.3.4 源信号的恢复与MUAP发放信息的检测  73-74
  4.4 实验结果与分析  74-85
    4.4.1 仿真实验的结果  74-78
    4.4.2 网格退化法对hough变换直线拟合的影响  78-79
    4.4.3 MP算法的去噪效果分析  79-82
    4.4.4 真实表面肌电信号处理结果  82-84
    4.4.5 实验结果讨论  84-85
  4.5 本章小结  85-88
第5章基于多维子空间聚类的独立分量分析方法应用于表面肌电信号分解的研究  88-108
  5.1 引言  88-89
  5.2 多维子空间聚类的独立分量分析方法的理论基础  89-92
    5.2.1 ICA概述  89-90
    5.2.2 表面肌电信号的ICA模型  90-91
    5.2.3 基于多维子空间算法的混合矩阵估计  91-92
  5.3 基于多维子空间的聚类算法  92-97
    5.3.1 白化预处理  93-94
    5.3.2 基于多维子空间的聚类算法  94-97
  5.4 实验结果与分析  97-106
    5.4.1 仿真实验的处理结果  97-100
    5.4.2 代价函数中参数σ对子空间聚类的影响  100-101
    5.4.3 代价函数中子空间维数K的确定  101-102
    5.4.4 真实信号处理结果  102-106
  5.5 本章小结  106-108
第6章运动单位数目估计在小儿脑瘫中的应用  108-120
  6.1 引言  108-109
  6.2 信号采集方案  109-110
  6.3 数据处理  110-113
    6.3.1 预处理  111
    6.3.2 活动段提取  111-112
    6.3.3 非线性能量算子  112-113
  6.4 实验结果与分析  113-118
    6.4.1 健康组  114
    6.4.2 痉挛型脑瘫Ⅲ—Ⅳ级  114-116
    6.4.3 痉挛型脑瘫Ⅱ—Ⅲ级  116-117
    6.4.4 痉挛型脑瘫Ⅰ—Ⅱ级  117
    6.4.5 不同阶段脑瘫患者与健康人腓肠肌发放间隔比较  117-118
  6.5 本章小结  118-120
第7章总结与展望  120-124
  7.1 本论文的主要工作和成果总结  120-122
  7.2 展望  122-124
参考文献  124-130
致谢  130-132
在读期间发表的学术论文与取得的其他研究成果  132

表面肌电信号分解算法及其在小儿脑瘫评诂中的应用

内容摘要

全文目录

相似论文