申请/专利权人：杭州电子科技大学

申请日：2020-09-27

公开（公告）日：2024-02-02

公开（公告）号：CN112130668B

主分类号：G06F3/01

分类号：G06F3/01;A61B5/00;A61B5/389;A61B5/397

优先权：

专利状态码：有效-授权

法律状态：2024.02.02#授权;2021.01.12#实质审查的生效;2020.12.25#公开

摘要：本发明公开了一种R藤Copula互信息的肌间耦合分析方法。本发明首先进行多通道表面肌电信号的同步采集与预处理，其次利用非参数核密度估计边际分布函数，再进行R藤Copula的简单矩阵表示及参数估计，同时估计R藤Copula互信息和R藤Copula条件互信息；最后进行肌间耦合分析。本发明提出的RVCMI和RVCCMI为肌间耦合分析提供了一种新的研究方法和科学的理论依据，具有良好的应用前景。

主权项：1.一种R藤Copula互信息的肌间耦合分析方法，其特征在于：该方法包括以下主要步骤：步骤1，多通道表面肌电信号的同步采集与预处理；具体为：在表面肌电设备的监控下，同步采集上肢上斜方肌、前三角肌、内侧三角肌、后三角肌、胸大肌、冈下肌、肱二头肌、肱三头肌上的N通道sEMG信号，采样频率为2000Hz，并对采集到的sEMG信号进行预处理；步骤2，非参数核密度估计边际分布函数；具体为：假设各通道sEMG信号是来自连续分布函数Fixi的同分布样本，T为时间序列的长度，i＝1,2,...,N，那么Fixi的非参数核密度估计为 其中，为概率密度函数；步骤3，R藤Copula的简单矩阵表示及参数估计；具体为：一个N通道sEMG信号的R藤结构由N-1层树T1,T2,...,TN-1组成，第i棵树的节点集记为Ni，边集记为Ei，i＝1,2,..,N-1，它们满足以下条件：树T1的节点集N1＝{1,2,...,N}，边集为E1；第i棵树Ti的节点集Ni＝Ei，即第i棵树的节点集是第i-1棵树的边集；如果树Ti中两条边在树Ti+1中用边连接，那么这两条边在树Ti中必须有一个共同的节点；下面，建立一个N维R藤统计模型：设N通道sEMG信号x1,x2,...,x8构成的随机向量为X＝{x1,x2,...,x8}，其中第i个变量xi的边缘密度函数为fi，则随机向量X的联合概率密度函数表示为 其中，Ei中的边e＝je,ke|De，je和ke是与边e相连接的两个节点，De是条件集，cje,ke|De表示边e对应的Pair-Copula密度函数，Fxje|xDe和Fxke|xDe为由条件集De决定的服从[0,1]均匀分布的转化变量；在定向图模型的基础上，采用基于下三角矩阵的R藤矩阵RVM计算和模拟R藤；在R藤矩阵RVM确定之后，采用赤池信息准则从众多的Copula函数集中选择最优的Pair-Copula函数，在确定最优的Pair-Copula函数后，利用极大似然估计法估计各Pair-Copula函数中的参数；步骤4，估计R藤Copula互信息和R藤Copula条件互信息；具体为：就连续分布而言，两个随机变量X，Y之间的互信息MI定义为 其中，fx,y是X和Y的联合概率密度函数，fx和fy分别是X和Y的边缘概率密度函数；条件互信息CMI定义为 CMI表达的是以第三个随机变量Z为条件的两个随机变量X，Y之间的MI；将R藤Copula密度函数代入MI和CMI的表达式中，即可得到RVCMI和RVCCMI 其中，x1,x2,...,xm表示m个观测变量，z1,z2,...,zn表示n个条件变量，ui＝Fixi，vi＝Fizi；步骤5，肌间耦合分析；在肌间耦合分析时，分为双通道和多通道分析：1令m＝2，计算RVCMI；同时令n＝6，计算RVCCMI，从而度量双通道肌间间接和直接的非线性耦合强度关系，即将其它6通道sEMG信号视作条件变量；2令m＝2，计算RVCMI；再令m＝7，n＝1，计算RVCCMI，从而度量多通道肌间间接和直接的非线性耦合强度关系，即将某一通道sEMG信号视作条件变量。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种R藤Copula互信息的肌间耦合分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD