[发明专利]一种基于生理信号的超前检测运动状态变化的方法及系统

权利要求书

1.一种基于生理信号的超前检测运动状态变化的方法，其特征在于，包括以下步骤：

S1、采集三种生理信号；所述三种生理信号包括大脑血红蛋白信号、下肢表面肌电信号和下肢步态参数；

S2、对采集的三种生理信号进行预处理；

S3、对预处理后的三种生理信号计算特征参数；其中，所述大脑血红蛋白信号的特征参数为TKE能量算子或大脑功能网络拓扑属性，所述下肢表面肌电信号和下肢步态参数的特征参数均为TKE能量算子；

S4、对三种生理信号计算的特征参数进行同步观察，统计三种生理信号检测到的运动状态发生变化的初始时刻的先后顺序。

2.如权利要求1所述的基于生理信号的超前检测运动状态变化的方法，其特征在于，TKE能量算子的计算公式如下：

其中，x_t表示t时刻的信号值，x_t+1和x_t-1分别表示t+1时刻和t-1时刻的信号值。

3.如权利要求1所述的基于生理信号的超前检测运动状态变化的方法，其特征在于，大脑功能网络拓扑属性计算如下：

A、根据大脑皮层分布位置划分脑区；

B、运用熵权法对同一脑区的不同通道重新分配权重和血氧值，计算两两脑区之间血氧信号的皮尔森相关系数；

C、通过皮尔森相关系数构建邻接矩阵；

D、基于邻接矩阵构建脑功能网络，并计算大脑功能网络拓扑属性；所述大脑功能网络拓扑属性包括脑网络密度和聚类系数。

4.如权利要求3所述的基于生理信号的超前检测运动状态变化的方法，其特征在于，步骤B包括：

B1、假设ROI脑区X包含N个通道，每个通道由M个采样点，首先，对每个通道中的采样点进行最大最小化处理：

其中，i＝1,2,…,M,j＝1,2,…,N,x_ij∈X；

B2、计算ROI脑区内各个通道采样点的概率值P_ij:

B3、计算ROI脑区内每个通道的信息熵e_j，数值范围在[0，1]内：

B4、根据信息熵，计算ROI脑区内每个通道的权重w_ij：

B5、根据每个通道的权重，计算ROI脑区的血氧信号Y_ROI：

Y_ROI＝∑_jx_ijw_j

B6、依次计算两两不同ROI脑区之间血氧信号的皮尔森相关系数R：

5.如权利要求4所述的基于生理信号的超前检测运动状态变化的方法，其特征在于，所述脑网络密度的计算公式如下：

其中，DEN为脑网络密度，M为网络中实际存在的边数，N为脑功能网络中节点的个数。

6.如权利要求4所述的基于生理信号的超前检测运动状态变化的方法，其特征在于，其特征在于，所述聚类系数的计算公式如下：

其中，C_i为聚类系数，k_i为节点i的邻居数目，E_i为节点i的k个邻居之间实际存在的边数。

7.如权利要求1所述的基于生理信号的超前检测运动状态变化的方法，其特征在于，所述对三种生理信号计算的特征参数进行同步观察，包括：

根据表面肌电设备和惯性传感器的采样频率与功能性红外光谱设备采样频率的倍数关系，将采集到的下肢表面肌电信号和下肢步态参数的数据量缩减至与大脑血红蛋白信号的数据量相等。