基于复杂网络的肌电信号采集位置选取方法

摘要

本发明涉及基于复杂网络的肌电信号采集位置选取方法，其特征在于包括如下步骤：采集肌电信号；计算各肌电信号采集点连接关系，对步骤S1采集到的肌电信号进行预处理，计算n个肌电信号采集点之间的连接关系，构建复杂网络模型；分析网络特性，计算不同运动模式下的节点特性指标；确定肌电信号采集位置。本发明利用复杂网络分析下肢表面肌电信号，可以深入地分析各肌肉在下肢运动过程中的协调配合关系，与以前选择肌电信号幅值比较大的采集位置选取方法相比，可以确定与不同运动模式关系更紧密的肌群和电极放置位置，为肌电控制下肢康复辅具过程中的肌电选择提供理论依据。

主权项

一种基于复杂网络的肌电信号采集位置选取方法，包括以下步骤：步骤S1：采集肌电信号，选取与运动相关的n个肌电信号采集点，采集M种运动模式的一个运动过程的肌电信号，步骤S2：计算各肌电信号采集点连接关系，对步骤S1采集到的肌电信号进行预处理，计算n个肌电信号采集点之间的连接关系，具体步骤如下：步骤S21：选取肌电信号采集点a的EMG样本数据,采用移动时间窗进行处理，将其分为w个时间窗格；步骤S22：选取第g＝1种运动模式的肌电信号，进行预处理；步骤S23：选择肌电信号采集点a的EMG样本数据的第t个时间窗格，t＝1,2,…,w，设第t个时间窗格内的h个EMG样本数据为x_at＝{x_at(1)，x_at(2)，…，x_at(h)}，计算x_at的时域特征值和频域特征值，共l个特征值，分别为Y_at(1)，…，Y_at(l)，由特征值Y_at(1)，…，Y_at(l)组成第t个时间窗格的特征向量T_at：T_at＝[Y_at(1)，Y_at(2)，…，Y_at(l)]  (11)步骤S24：以步骤S23得到的第t个时间窗格的特征向量T_at为行向量，w个时间窗格的特征向量构建得到w×l的矩阵T_a：T_a＝[T_a1，T_a2，…T_aw]^T  (12)步骤S25：对步骤S24得到的矩阵T_a进行归一化处理，得到T_a'：T′_a＝[T′_a1，T′_a2，…，T′_aw]^T  (13)步骤S26：归一化之后，各肌电信号采集点a对应的第p个特征值为T_a'(p)，所有肌电信号采集点第p个特征值的构成一个w×n的特征矩阵M_p，其中p＝1，2，…，l，共构成l个特征矩阵；M_p＝[T′₁(p)，T′₂(p)，…，T′_n(p)]  (14)步骤S27：根据式(15)计算特征矩阵M_p的任意两列向量间的Pearson系数C_pij：$C_{pij}=\frac{\underset{t=1}{\overset{w}{\Sigma }}\left\{\right[M_{pi}\left(t\right)-<M_{pi}>]*[M_{pj}\left(t\right)-<M_{pj}>\left]\right\}}{\sqrt{\underset{t=1}{\overset{w}{\Sigma }}{[M_{pi}\left(t\right)-<M_{pi}>]}^2}*\sqrt{\underset{t=1}{\overset{w}{\Sigma }}{[M_{pj}\left(t\right)-<M_{pj}>]}^2}}---\left(15\right)$其中，C_pij为任意两个肌电信号采集点i和j间的第p个特征值的Pearson系数，M_pi和M_pj分别为第p个特征值的特征矩阵M_p的第i列和第j列，M_pi(t)和M_pj(t)分别为向量M_pi和向量M_pj的第t行元素，<M_pi>和<M_pj>分别为向量M_pi和向量M_pj的w个元素的平均值；步骤S28：计算任意两个肌电信号采集点i和j间的Pearson系数：$C_{ij}=\frac{1}{l}\underset{p=1}{\overset{l}{\Sigma }}{C}_{pij}---\left(16\right)$n个肌电信号采集点间的各Pearson系数构成一个n×n的对称矩阵C，C_ij为对称矩阵C中的元素；步骤S29：选取阈值TH，根据式(17)构造矩阵A：其中，A_ij为矩阵A中的元素，A_ij＝1表示任意两个肌电信号采集点i和j之间有连边，A_ij＝0表示任意两个肌电信号采集点i和j之间无连边；步骤S210：选取第g＝g+1种运动模式的肌电信号，重复步骤S22～步骤S29，至此得到各肌电信号采集点连接关系；步骤S3：构建复杂网络模型，其中各肌电信号采集点代表节点，步骤S2计算得到的各肌电信号采集点连接关系代表连边，构建出复杂网络模型；步骤S4：分析网络特性，选取度中心性DC_c、聚类系数CC_c和网络介数B_c三个复杂网络节点特性指标来分析步骤S3构建的复杂网络模型，计算不同运动模式下的节点特性指标；步骤S5：确定肌电信号采集位置，根据步骤S4计算得到的节点特性指标进行统计分析，确定与不同运动模式关系更紧密的肌电信号采集位置。