基于双向长短时记忆神经网络的步态时空参数脑肌电解码方法

作者：魏鹏娜; 马鹏程; 张进华^*; 洪军

来源：西安交通大学学报, 2022, 56(09): 142-150.

• 脑电
• 表面肌电
• 双向长短时记忆神经网络
• 步态时空参数解码
• Pearson相关

针对脑电(EEG)信号对连续步态轨迹解码结果与实际轨迹相关性低的问题，提出一种基于双向长短时记忆(BiLSTM)神经网络的步态参数解码方法。首先，构建基于双向长短时记忆神经网络的步态时空参数解码模型，根据脑肌电信号特性设计解码模型的超参数；其次，同步采集脑电、下肢运动相关肌肉的表面肌电信号(sEMG)和下肢关节运动信号，并对脑电和表面肌电信号的步态相关特征进行分析；然后，以多通道脑电和下肢运动相关表面肌电信号作为解码模型的输入，自动提取脑肌电融合信号中步态相关特征并构建膝踝关节运动轨迹与特征之间的非线性回归模型；最后，以多通道脑电作为解码模型的输入，构建步态相关脑电信号和表面肌电信号之间的非线性回归模型。实验结果表明：所提方法与传统支持向量机方法相比，对踝关节解码轨迹与实测轨迹形状相似性Pearson相关系数提高了0.12;与单独采用脑电、表面肌电信号和脑肌电信号平均绝对值特征融合信号进行解码方法相比，对踝关节解码轨迹与实测轨迹形状相似性Pearson相关系数分别提高了0.81、0.19和0.63。该方法可实现从脑电信号中对部分表面肌电信号波形的解码，解码波形和实测波形的平均Pearson相关系数值接近0.5,证明从脑电信号中可解码出肌肉通道的表面肌电信号波形，为下肢外骨骼主动连续控制的应用提供了新思路。

• 单位
  西安交通大学