国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      基于神經電生理信號聯(lián)合分析的人體運動能力判別方法

      文檔序號:775033閱讀:261來源:國知局
      基于神經電生理信號聯(lián)合分析的人體運動能力判別方法
      【專利摘要】本發(fā)明公開了一種基于神經電生理信號聯(lián)合分析的人體運動能力判別方法,包括以下步驟:同步采集EMG、ECG信號;對ECG信號進行R波峰值識別得到HRV信號,再分別對各信號進行時域分析、頻域分析以及非線性分析;對肌電參數與心率變異性參數進行聯(lián)合分析,采用相關分析尋找具有顯著性的關聯(lián)參數對,研究運動能力和心臟負荷情況的關聯(lián)效應;提取EMG特征、HRV特征,以及計算EMG信號積分肌電值、均方根分別與HRV參數的相關系數;利用PCA主成分分析去除冗余信息,得到特征向量;將特征向量作為模式識別的輸入,從而進行運動能力的判別。本方法可有效地提高人體運動能力判別模型的準確性和簡便性,可為航天員的選拔提供依據。
      【專利說明】基于神經電生理信號聯(lián)合分析的人體運動能力判別方法

      【技術領域】
      [0001] 本發(fā)明涉及人體運動能力判別領域,尤其涉及一種基于神經電生理信號聯(lián)合分析 的人體運動能力判別方法。

      【背景技術】
      [0002] 人是在地球IG重力環(huán)境中進化和生活的,因此人體各生理系統(tǒng)的形態(tài)、結構和功 能都產生了適應IG條件的變化。當航天員進入太空后,長時間的生活在失重環(huán)境中(準確 的說是處于微重力狀態(tài)),流體靜壓消失,體液頭向分布會引發(fā)機體各生理系統(tǒng)出現一系列 的適應性變化,引起人體生理系統(tǒng)的明顯改變,例如:水和電解質代謝紊亂、心血管功能失 調、航天貧血癥等,尤其是對運動功能的影響,如肌萎縮、肌肉耐力的下降。從而導致航天員 工作績效的下降,進而影響整個航天任務的順利進行。除此之外,還可能影響到航天員從空 間返回到地面的再適應過程,其主要表現是立位耐力不良和運動耐力下降。因此,現階段急 需建立準確的人體運動能力變化的判別模型,提出一套能夠科學的評判人體運動能力的指 標,進而應用于航天員的選拔工作中,以及通過對人體運動能力分析評估,找到能夠降低失 重環(huán)境對于航天員健康以及工作績效影響的對抗方法。
      [0003] 人體運動功能主要表現在行走的步態(tài)和上肢的典型動作中。描述這些動作特征的 信息主要有運動學參數、力學參數和生物電信號三大類,從而進行功能評定。人體運動的動 力來自骨骼肌的協(xié)同收縮,肌電信號是肌肉自主收縮或電誘發(fā)收縮過程中產生的生理電變 化,其信息可以用來描述運動功能特征和分析運動的質量。
      [0004] 心率變異性是指人體心臟搏動周期存在的微小變異,通常情況下是指逐次心動周 期間體表心電圖R波間期的微小漲落。近年來研宄表明,腦的高級神經活動、中樞神經系統(tǒng) 的自發(fā)性節(jié)律活動、呼吸以及壓力、化學感受器活動等因素對心臟的自主神經系統(tǒng)進行調 制結果導致心率變異性(Heart rate variability,HRV)的產生。換言之,HRV信號蘊涵了 有關心血管系統(tǒng)神經及體液調節(jié)的大量信息,因而可以通過檢測測試者的心率數據,得到 許多有關自主神經系統(tǒng)平衡狀態(tài)的信息。心率變異性是衡量自主神經系統(tǒng)功能狀態(tài)的一個 重要指標,適當的體育運動可以增強自主神經系統(tǒng)的調節(jié)能力,HRV分析表現出了潛在的令 人注目的應用價值。
      [0005] 現階段科學研宄對于肌電和心率變異性的研宄都分別取得了較為矚目的成就,但 研宄者通常只是單方面的通過肌肉以及肌肉電信號的特征來對運動能力進行分析。由于航 天員長期處于失重條件這種工作環(huán)境,導致肌肉的長時間廢用,不僅會引起肌肉萎縮,還直 接影響到肌肉的工作能力和耐力,而且肌肉泵作用降低也可造成心血管功能下降。由此,從 心血管功能變化規(guī)律入手,與肌電特征聯(lián)合分析,可以為建立更為全面的運動能力變化判 別模型與評價方法提供新的思路。


      【發(fā)明內容】

      [0006] 本發(fā)明提供了一種基于神經電生理信號聯(lián)合分析的人體運動能力判別方法,本發(fā) 明通過尋找具有顯著性的關聯(lián)參數對,研宄運動能力和心臟負荷情況的關聯(lián)效應;利用主 成分分析愛(Principle component analysis,PCA)去除信息冗余后得到特征向量,作為后 續(xù)模式識別的輸入,從而進行運動能力判別,詳見下文描述:
      [0007] -種基于神經電生理信號聯(lián)合分析的人體運動能力判別方法,所述人體運動能力 判別方法包括以下步驟:
      [0008] 同步采集EMG、ECG信號;對ECG信號進行R波峰值識別得到HRV信號,再分別對各 信號進行時域分析、頻域分析以及非線性分析;
      [0009] 對肌電參數與心率變異性參數進行聯(lián)合分析,采用相關分析尋找具有顯著性的關 聯(lián)參數對,研宄運動能力和心臟負荷情況的關聯(lián)效應;
      [0010] 提取EMG特征、HRV特征,以及計算EMG信號積分肌電值、均方根分別與HRV參數 的相關系數;
      [0011] 利用PCA主成分分析去除冗余信息,得到特征向量;
      [0012] 將特征向量作為模式識別的輸入,從而進行運動能力的判別。
      [0013] 所述提取EMG特征、HRV特征,以及計算EMG信號積分肌電值、均方根分別與HRV參 數的相關系數具體為:
      [0014] 1)EMG特征提?。和ㄟ^對肌電信號進行時頻域分析得到積分肌電值、均方根、平均 功率頻率、中值頻率四個特征參數,分別記為特征向量Pl,P2, P3, P4 ;
      [0015] 2)HRV特征提?。河嬎憧偣β省O低頻、低頻和高頻的頻譜熵,分別記為特征向量 P5, P6, P7, P8 ;
      [0016] 3)EMG信號積分肌電值、均方根分別與HRV參數的相關系數,分別記為特征向量 P9, P10, Pll,P12, P13, P14, P15, P16〇
      [0017] 所述利用PCA主成分分析去除冗余信息,得到特征向量的步驟具體為:
      [0018] 對原始數據?_6進行標準化處理,得到矩陣P 然后求其協(xié)方差矩陣C 1W16;
      [0019] 對協(xié)方差矩陣進行特征根分解,得到特征根Λ及特征向量U,其中特征向量作為主 成分的坐標軸,構成新的矢量空間,每個特征根的大小代表每個主成分蘊含的信息量;
      [0020] 求原始數據在新坐標系中的投影F ;
      [0021] 求累積貢獻率;每個主成分的特征根大小代表其蘊含信息量的多少;
      [0022] 選定合適的累積貢獻率,使前d個主成分Fn"作為新的數據,替代原始數據P _進 行模式識別。
      [0023] 本發(fā)明提供的技術方案的有益效果是:本發(fā)明解決了人體運動能力劃分測量復 雜,準確率低的問題,提出利用EMG信號特征參數與HRV頻域特征參數聯(lián)合分析的方法,從 肌肉系統(tǒng)與心血管系統(tǒng)兩大方面入手,更為準確全面且針對性更強。與利用單一信號相比, 信息來源更豐富。并且利用PCA主成分分析去除冗余信息,保留了對人體運動能力劃分更 為敏感的參數特征,可以更準確,快速地進行劃分,可有效地提高人體運動能力判別模型的 準確性和簡便性。并且作為全面嚴謹的運動能力判別模型可為航天員的選拔提供依據。并 根據其運動能力情況在飛行前制定針對性的防護訓練任務,提高航天員在外太空的適應能 力;設計對抗運動,減緩飛行中微重力的不利影響,提升航天任務的有效執(zhí)行性。

      【專利附圖】

      【附圖說明】
      [0024] 圖1為一種基于神經電生理信號聯(lián)合分析的人體運動能力判別方法的流程圖;
      [0025] 圖2為心電信號R波識別示意圖。

      【具體實施方式】
      [0026] 為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚,下面對本發(fā)明實施方式作進一步 地詳細描述。
      [0027] 參見圖1,該基于多生理參數聯(lián)合分析的人體運動能力判別方法的流程為:首先 同步采集運動狀態(tài)下的肌電信號(Electromyography,EMG)、心電信號(Electrocardio, ECG),然后對ECG信號進行R波識別,如圖2 處為識別到的R波,進而得到心率變異性 (Heart rate variability,HRV)信號,再分別對各信號進行時域分析、頻域分析以及非線 性分析,并分別計算EMG特征參數與HRV特征參數的相關系數,尋找顯著關聯(lián)參數對,然后 利用PCA主成分分析去除冗余信息,得到特征向量作為后續(xù)模式識別的輸入,從而進行運 動能力的判別,下面對各個步驟進行詳細描述:
      [0028] 101 :同步采集EMG、ECG信號;對ECG信號進行R波峰值識別得到HRV信號,再分 別對各信號進行時域分析、頻域分析以及非線性分析;
      [0029] 肌電信號包含大量的人體運動信息,經過分析處理后,可對人體運動能力進行分 析。心率變異即逐次竇性心跳間期之間的微小漲落,直接受自主神經系統(tǒng)中的交感神經和 副交感神經的雙重支配。肌肉泵作用的變化會影響心血管功能,而心率變異性能很好的反 應心血管功能變化。
      [0030] 在本方法中,由于該兩個參數測量方法成熟,與其他生理參數相比能夠分別從心 血管系統(tǒng)與肌肉系統(tǒng)兩大方面更準確、敏感、全面的反應人體運動狀況,所以采用這兩種生 理參數有效融合來進行人體運動能力分析在實際應用中具有優(yōu)越性。
      [0031] 提取分析的目標肌肉肌電信號參數包括時域參數、頻域參數與非線性參數。
      [0032] 時域參數包括積分肌電值、均方根值。頻域參數包括平均功率頻率、中值頻率等。
      [0033] 積分肌電值(Integral electromyography,IEMG)
      [0034]

      【權利要求】
      1. 一種基于神經電生理信號聯(lián)合分析的人體運動能力判別方法,其特征在于,所述人 體運動能力判別方法包括以下步驟: 同步采集EMG、ECG信號;對ECG信號進行R波峰值識別得到HRV信號,再分別對各信號 進行時域分析、頻域分析以及非線性分析; 對肌電參數與心率變異性參數進行聯(lián)合分析,采用相關分析尋找具有顯著性的關聯(lián)參 數對,研宄運動能力和心臟負荷情況的關聯(lián)效應; 提取EMG特征、HRV特征,以及計算EMG信號積分肌電值、均方根分別與HRV參數的相 關系數; 利用PCA主成分分析去除冗余信息,得到特征向量; 將特征向量作為模式識別的輸入,從而進行運動能力的判別。
      2. 根據權利要求1所述的一種基于神經電生理信號聯(lián)合分析的人體運動能力判別方 法,其特征在于,所述提取EMG特征、HRV特征,以及計算EMG信號積分肌電值、均方根分別 與HRV參數的相關系數具體為: 1. EMG特征提?。和ㄟ^對肌電信號進行時頻域分析得到積分肌電值、均方根、平均功率 頻率、中值頻率四個特征參數,分別記為特征向量Pl,P2, P3, P4 ; 2. HRV特征提?。河嬎憧偣β?、極低頻、低頻和高頻的頻譜j:商,分別記為特征向量P5, P6, P7, P8 ; 3. EMG信號積分肌電值、均方根分別與HRV參數的相關系數,分別記為特征向量P9, P10, Pll,P12, P13, P14, P15, P16〇
      3. 根據權利要求1所述的一種基于神經電生理信號聯(lián)合分析的人體運動能力判別方 法,其特征在于,所述利用PCA主成分分析去除冗余信息,得到特征向量的步驟具體為: 對原始數據Pn"6進行標準化處理,得到矩陣P 然后求其協(xié)方差矩陣C 1W16; 對協(xié)方差矩陣進行特征根分解,得到特征根A及特征向量U,其中特征向量作為主成分 的坐標軸,構成新的矢量空間,每個特征根的大小代表每個主成分蘊含的信息量; 求原始數據在新坐標系中的投影F ; 求累積貢獻率;每個主成分的特征根大小代表其蘊含信息量的多少; 選定合適的累積貢獻率,使前d個主成分Fn"作為新的數據,替代原始數據P n#16進行模 式識別。
      【文檔編號】A61B5/11GK104490390SQ201410841357
      【公開日】2015年4月8日 申請日期:2014年12月30日 優(yōu)先權日:2014年12月30日
      【發(fā)明者】明東, 王春慧, 付安爽, 陳善廣, 焦學軍, 綦宏志, 何峰, 李凡, 王政 申請人:天津大學
      網友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1