一种面向下肢康复的功能性电刺激器设计

功能性电刺激(FES)利用电压信号人工激活瘫痪肌肉来控制肢体的运动.针对FES刺激通道少、刺激参数不能连续可调的问题,设计了参数连续可调的用于下肢康复的多通道电刺激器,使用STM32作为主控芯片,整个系统主要由升压模块、参数检测模块、保护电路和人机交互模块等组成.仪器检测实验结果表明,该仪器输出波形准确,可用于电刺激康复训练.     

基于频带能量归一化和SVM-RFE的ECoG分类

针对基于运动想象(左手小手指和舌头)的皮层脑电(electrocortieographic,ECoG)信号的分类问题,对BC12005竞赛数据集Ⅰ中的ECoG信号使用频带能量(band power,BP)归一化算法提取运动相关电位(movement related potential,MRP)、μ节律和β节律的频带能量作为特征.针对特征提取后维数较高的问题,使用基于支持向量机的回归特征消去(support vector machinerecursive feature elimination,SVM-RFE)算法进行特征选择,通过对训练数据集使用lO段交叉验证(cross validation,CV)的方法寻找最佳特征组合,确定特征在维数为6时具有最低平均识别错误率,对测试数据集采用同样的方法和同样的组合进行特征提取,并使用线性支持向量机进行分类,分类正确率可以达到93%.     

肌电调制结合迭代学习控制的足下垂 FES 系统

足下垂是指由于神经控制功能障碍导致踝关节无法产生背屈以致足尖上抬不完全或不能的现象。功能性电刺激(FES)作为纠正足下垂步态的治疗方法,通过低频脉冲刺激胫骨前肌引起肌肉收缩,使踝关节产生背屈动作,达到矫正足下垂的目的。本文提出了基于肌电(EMG)调制和迭代学习控制(ILC)的FES输出强度调制方法,利用小腿角速度信号通过动态BP神经网络预测健康步态胫骨前肌肌电信号,以脚尖俯仰角作为反馈信号通过ILC输出参考肌电信号,与神经网络预测的肌电信号加权平均得到修正后的肌电信号,最后利用肌肉激活特性调制FES输出。实验表明开环肌电调制模式下的脚尖俯仰角仅有17°左右,而在闭环调制模式下,脚尖俯仰角最大角度达到了21°左右。本文设计的FES控制系统可以帮助足下垂患者进行康复训练。     

驾驶员脑电特征与手臂操纵驾驶行为研究

为了进一步研究脑电信号与驾驶行为的关系,通过脑电采集设备与惯性运动捕捉系统同时捕捉驾驶员脑电信号数据与操作手臂运动参数。分析驾驶员手臂驾驶方向盘的过程中,脑电信号的变化与操作手臂运动方向之间的关系。利用共同空间模式(CSP)与小波包分解(WPD)的方式,提取左右运动相关的C3和C4导联特征,结合手臂运动关节的加速度进行相关性分析。实验结果表明:在实际的驾驶行为中,左右转向过程,C3、C4导联出现持续的ERD/ERS现象,为脑机接口控制量化标准提供基础。     

基于LMD和模糊熵融合CSP的脑电信号特征提取方法

模糊熵算法在提取脑电信号特征时存在信号序列长度、步长等诸多参数不易调整的问题。提出一种基于局部均值分解、模糊熵以及共空间模式算法的特征提取方法:L-FECSP算法。首先,利用LMD算法将经预处理的运动想象脑电信号分解为多个PF分量,根据左右手运动想象脑电信号所处的频段选出包含α节律和β节律的PF分量。采用模糊熵算法提取已选择的PF分量的特征,使用共空间模式算法对得到的特征进行投影映射。最后,对比投影前后的特征向量,并选取其中最具区分度的特征输入到支持向量机中用于分类。采用BCI竞赛数据集进行实验,平均分类准确率达到95.30%,实验结果表明L-FECSP特征提取方法能够有效地区分左右手运动想象脑电信号。     

软质肘关节外骨骼的肌力矩估计与神经网络补偿协调控制

为辅助偏瘫患者进行多模式肘关节康复训练,研制了一种软质肘关节康复外骨骼机器人,并提出了一种基于人体肌力矩估计与自适应神经网络补偿的协调控制策略。利用表面肌电信号来识别人体的运动意图并调整康复训练轨迹,采用Lyapunov方法证明了控制算法的闭环控制稳定性。搭建了实时控制实验平台,并开展了基于运动意图的轨迹跟踪实验与自由主动训练实验。实验结果表明,所提控制策略能保证被动训练过程的轨迹跟踪精度,并且可以根据患者的运动意图调整主动训练过程的运动轨迹,实现不同强度的主动康复训练。     

手指活动相关脑磁图的时-频域特征分析

对皮层神经电生理信号进行时频分析是准确描述其信号特征的方法.为了研究手指活动相关脑磁图的时-频域分布特征,通过计算多通道脑磁图数据的时频功率表示(time frequency representations of power, TFRs),得到各通道数据在时频面上的能量分布;同时设计了一个基于Visual Basic和MATLAB的离线脑磁图数据处理的可视化软件以规范时频特征分析处理的流程.对一癫痫患者右手食指运动时记录的脑磁图数据进行处理,结果显示,患者对侧中央区和顶区皮层被显著激活,同侧中央区也有少数通道被激活.并且发现,皮层活动的10～25 Hz频率成分首先在-0.5～+0.3 s时间段表现为功率抑制,接着有强烈的功率增强活动显示,最显著的功率增强集中在0.4～0.7 s区间.初步的实验结果得到了手指活动相关神经活动在时-频域的表现,同时也为研究皮层活动在时域、频域以及空间的分布特征提供了方法.     

基于改进共空间模式与视觉反馈的闭环脑机接口

为提高脑卒中等神经损伤患者在下肢康复训练过程中的主动参与度,设计了基于人体下肢运动想象与视觉反馈的在线闭环脑机接口,并建立了基于互相关熵诱导度量与子频带分析的改进共空间模式算法,提高人体下肢运动意图的识别率。针对运动想象脑电信号信噪比低和难以精确识别等问题,在传统共空间模式算法基础上,利用互相关熵诱导度量准则改进其目标函数,实现了目标函数中距离项属性的动态调整,降低对噪声的敏感性,提高算法鲁棒性;利用脑电信号不同频段蕴含信息不同的特点,使用9个子频带滤波器对信号进行滤波,对每个子频带信号分别提取特征,并进行特征融合,建立基于互相关熵诱导度量与子频带分析的改进共空间模式算法。其次,基于人体下肢运动想象的脑控试验范式,收集下肢运动想象(空想、脚动和腿动)的脑电数据,采用支持向量机(SVM)建立分类模型,优化设计模型参数。在上述研究基础上,建立了以改进共空间模式为特征提取算法,SVM为分类器的脑机接口。进而,在被试执行运动想象的同时,通过虚拟现实场景中虚拟人物的肢体动作给予用户视觉反馈,构建了闭环的脑机交互系统。通过试验验证了改进共空间模式算法的有效性和闭环脑机接口的可行性,初步实现了闭环脑机交互接口。     

低频重复经颅磁刺激治疗中晚期帕金森病运动功能障碍及对运动皮质兴奋性影响

目的 :观察连续模式低频重复经颅磁刺激治疗不同类型帕金森的疗效并探讨帕金森病患者运动皮质兴奋性的变化。方法 :震颤为主型(tremor-dominant type,TDT),强直与运动迟缓为主型(akinetic-rigid type,ART),混合型(mixed type,MT)帕金森患者各20例,每一类型患者随机抽取10例分别进行真刺激和伪刺激治疗。首次连续模式低频重复经颅磁刺激干预前1天以及末次治疗后30分钟内,末次治疗2周后和4周后分别测定运动诱发电位监测下的静息运动阈值,并应用帕金森病评分量表(Unified Parkinson’s Disease Rating Scale,UPDRS)对患者临床运动功能进行评价。结果 :治疗前两组患者的UPDRS评分差异无统计学意义(P>0.05);末次治疗后30分钟、末次治疗2周后以及4周后,真刺激组UPDRS评分明显低于同组治疗前(P<0.05),伪刺激组UPDRS评分与同组治疗前比较差异无统计学意义(P>0.05)。真刺激组治疗后3个时点的UPDRS评分低于伪刺激组,组间差异有统计学意义(P<0.05)。两组患者治疗前与治疗后30分钟、治疗2周后以及4周后的静息运动阈值差异无统计学意义(P>0.05),两组间同一时点静息运动阈值差异无统计学意义(P>0.05)。结论 :重复经颅磁刺激治疗可改善帕金森患者运动症状,但运动诱发电位监测下的静息运动阈值无明显改变。     

下肢运动想象和运动执行的EEG节律特性研究

探索下肢运动想象(MI)和运动执行(ME)的神经机制以便能用于指导脑卒中患者神经康复,设计同一视频引导的下肢MI和ME比较实验,采集10名被试(6男4女)脑电数据,通过时频图、能量频域变化曲线图及ERD量化的方法对采集脑电(EEG)的节律特性进行对比分析。结果表明,在alpha和beta频段下肢MI和ME均产生ERD现象,其能量曲线变化趋势相近。下肢MI与ME的alpha特征频段重叠区为9~11 Hz,其beta特征频段重叠区为18~20 Hz。下肢MI和ME在alpha频段的平均特征频率分别是9.7、9.9 Hz,在beta频段平均特征频率分别是20.3、21 Hz。下肢MI与ME的特征频段重叠程度较大,其特征频率显著相关(p=0.00030.05,r=0.950.5),ERD均值也显著相关(p=0.00020.05,r=0.7550.5)。表明下肢MI和ME的EEG节律特性相似,可激活相似的神经网络,本文研究成果可为脑卒中患者下肢康复治疗提供相关EEG节律特性的有效评估依据。     

基于屏障 Lyapunov 函数的上肢康复机器人 自适应主动交互训练控制

针对上肢运动功能障碍患者进行辅助康复训练,搭建了一套上肢康复外骨骼机器人系统,并提出一种基于屏障Lyapunov函数的增广神经网络自适应导纳控制策略。首先,介绍了上肢康复外骨骼的机械机构及其控制系统。然后,推演了控制器的设计过程并进行了Lyapunov稳定性证明。最后,分别进行了不同控制内环的轨迹跟踪被动训练实验和不同导纳参数下基于人机交互力的主动交互训练实验,同时分析比对了主动训练时的人机交互力与轨迹偏差的变化关系。被动训练实验结果证明了增广神经网络对人机模型动力学的逼近效果,其轨迹跟踪峰值误差为模糊PID控制器的53%。主动交互训练实验证明了通过调整导纳参数可实现在相同训练任务下不同强度的康复训练以匹配不同康复阶段下的患者。     

功能性电刺激的仿生控制技术的研究与应用

功能性电刺激(FES)主要用于肢体残疾人的功能性恢复锻炼,而国内目前存在的FES康复系统大多不够智能化。针对这个问题,探索了基于脑机接口(BCI)和中枢模式发生器(CPG)的仿生FES控制方法,利用BCI识别上层控制命令发送给CPG生成相应模式,然后控制FES。实验结果表明,BCI-CPG联合控制FES的思想能够达到预期效果。     

基于脑肌耦合导联选择和最小生成树网络的 脑电特征提取

针对主动康复训练中的运动想象脑电识别问题,提出一种基于脑肌耦合导联选择的双层脑功能网络特征提取方法。 根 据脑肌耦合强度选择受试各动作下的核心导联,运用核心导联并结合神经生理学中关于运动感觉脑区的先验知识,构建运动感 觉核心导联区域网络并提取特征。 利用最小生成树全网络特点,将最小生成树脑网络的直径和平均离心率,以及核心导联区域 网络的平均节点度、平均聚类系数和平均路径长度,构筑最小生成树脑网络和核心导联区域网络相结合的全局和区域脑功能网 络综合特征。 选择支持向量机为分类方法,两类运动想象识别的平均正确率为 86. 96% ,证实了本文所提双层脑功能网络分析 方法有优良的特征表达能力,能有效提取神经-肌肉内在关联特征,为运动想象识别提供了一种新的思路。     

Fundamental problems in rehabilitation robots based on neuro-machine interaction

Study results in the last decades show that amount and quality of physical exercises,then the active participation,and now the cognitive involvement of patient in rehabilitation training are crucial to enhance recovery outcome of motor dysfunction patients after stroke.Rehabilitation robots mainly have been developed along this direction to satisfy requirements of recovery therapy,or focused on one or more of the above three points.Therefore,rehabilitation robot based on neuro-machine interaction has been proposed for the paralyzed limb training of post-stroke patient,w hich utilizes motor related EEG,UCSDI(Ultrasound Current Source Density Imaging),EM G for the robot control and feeds back the multi-sensory interaction information such as visual,auditory,force,haptic sensation to the patient simultaneously.This neuro-controlled and perceptual rehabilitation robot w ill bring great benefits to post-stroke patients.In order to develop such a kind of rehabilitation robot,some key technologies,such as noninvasive precise measurement and decoding of neural signals,realistic sensation feedback,coordinated control for both the rehabilitation robot and the patient,need to be solved.In this paper,some fundamental problems in developing and optimizing such a kind of rehabilitation robot based on neuro-machine interaction are proposed and discussed.     

ADDITIONAL DESIGN FEATURES OF A MASTER–SLAVE CONTROL SYSTEM WITH FORCE SENSING AND ENERGY RECYCLING FOR UPPER LIMB REHABILITATION ROBOTS

Traditional upper-limb rehabilitation robots usually realize force feedback with force sensors or impedance controllers. Otherwise, assistant or resistant force required in different training modes is given by the robot, which does not motivate the initiative of patients sufficiently. This article introduces a self-controlled upper-limb rehabilitation robot to implement force sensing without a force sensor or an impedance controller. The system supports bimanual exercises in different training modes with one limb providing a proper force for the contralateral limb. The above characteristics and the capability of master–slave motion tracking with a kind of energy recycling were verified with preliminary experiments.     

一种多功能下肢外骨骼机器人的设计与仿真分析

针对老年人以及下肢运动障碍患者的康复训练和运动代步的需求,设计了一种多功能下肢外骨骼机器人,利用辅助起立机构和腿部外骨骼实现对使用者下肢的康复训练。分别了建立外骨骼机器人单腿支撑阶段和双腿支撑阶段5杆模型,采用拉格朗日方法推导出动力学模型,计算各关节所需的理论力矩;建立虚拟样机模型进行动力学仿真,仿真数据与理论数据进行比较,验证了理论推导的准确性和外骨骼机器人设计的合理性,为后续电机选型提供了依据。     

基于LVQ神经网络的异步电动机故障诊断

应用小波包分析法和学习矢量量化网络对异步电动机的故障进行诊断。采用小波包分析法对采集的异步电机振动信号进行小波包分解,选取特殊频段的能量特征值作为LVQ神经网络的输入样本,通过训练,使构造的学习矢量量化网络能够反应能量特征值和故障类型的映射关系,从而达到故障诊断的目的。仿真结果表明,与常规方法相比,小波包分析法与LVQ网络结合构成的故障诊断分类器能更准确、更有效地实现异步电动机故障诊断。     

基于改进BP网络的SR电机转子位置间接检测研究

针对标准BP算法收敛速度慢,容易陷入局部极小的缺点,介绍几种改进措施.通过对比选择Levenberg-Marquardt优化方法并将其用于SR电机转子位置间接检测,采用两个神经网络分段来解决训练样本高度非线性问题.     

基于规则进化模糊系统的步行方向意图识别

为了准确识别下肢功能障碍患者自主步行康复训练过程中的方向意图,提出了一种能够兼顾使用者个体差异及安全状态的新型步行方向意图识别方法。首先论述了康复训练机器人结构及患者前臂对机器人支撑板的压力和步行方向意图的关系。为保证患者安全地向任意方向行走,提出根据膝盖旋转角度推理安全步态的先决条件下,基于距离型模糊推理算法设计具有稀疏前件规则库的步行方向意图识别方法;然后为减小因个体差异、非稳定模糊规则引起的识别误差,提出规则进化算法实时优化模糊推理规则库。最后将该算法进行了多方向模糊推理实验与步行康复训练机器人压力控制实验,实验表明该算法可以准确识别下肢功能患者的任意步行方向意图并提高了步行的安全性,提出的步行方向意图识别方法可以应用在下肢功能障碍人士的日常起居与康复训练中。