本发明提供了脑卒中运动功能评价模型建立方法、评价方法及系统，通过对体现脑电和肌电信号的神经肌肉系统功能状态进行采集，将采集的脑电信号和肌电信号进行多层次脑肌电耦合特征提取，并对多个神经肌肉耦合指标筛选，构建可视化运动功能评价模型；利用该可视化运动功能评价模型，进而得出可视化运动功能评估结果。本发明与现有技术相比，从多个方面进行了生理信号的采集，从病理机制和多信息融合角度对脑卒中患者运动功能状态进行客观全面的数字评估，使得到的数据更科学准确。

本发明公开了一种基于快速序列视觉呈现下的脑电信号特征提取方法，该方法考虑了RSVP脑电信号在不同节律能量分布不均且在gamma节律上具有显著的时‑频‑空能量特征，将gamma节律脑电信号分解为多个时、频子成分，采用共空间模式方法对每个子成分的多通道信号进行空间滤波，采用线性判别分析算法分别对各个子成分进行加权整合，从而得到RSVP脑电信号gamma节律的时‑空‑频特征集来实现RSVP范式下的目标图像识别，能有效提高RSVP范式下图像识别的准确率。

本发明提供了一种基于多源域自适应的跨用户手势识别方法，尤其是肌电惯性手势识别方法，属于人工智能的人机交互技术领域，包括：S1：通过传感器获取多个被试前臂的肌电信号和惯性信号，构建多源域数据集；S2:对S1步骤中得到的肌电、惯性信号进行预处理与数据处理；S3：构建共有特征提取器，获取时序特征；S4：构建域特征提取器，进行域特有特征对齐；S5：构建域分类器，进行域分类器对齐；S6：计算多领域自适应方法的损失估计，将S3获得的数据送入模型中，对模型进行训练直到模型损失函数不再提升，保存模型。

本发明是一种面向多通道脑肌电耦合分析的多元全局同步指数方法，能够从全局角度探究两组多维信号间关系，可应用于多模态信号分析中，评估大脑和肌肉不同区域信息交流的同步强度。首先，对脑肌电数据预处理并提取频段信息；其次，构建数据集并利用网格划分，统计网格中数据点出现频率计算互信息，并标准化处理得到同步系数，构建相关矩阵；然后，通过矩阵运算去除自相关，计算特征值并在标准化后求取熵值，得到多通道脑肌间全局同步指数。该方法从构建系统间相关矩阵出发，克服了系统差异性，保留了系统间的信息传递，实现了从整体上分析区域内的脑肌电同步关系，在分析多通道脑肌间同步关系或其他类型多维信号关联关系时具有良好应用前景。

本发明提供了一种基于运动想象‑脑机接口和虚拟现实的康复训练系统及方法，利用脑电信号采集设备实时采集受试者康复过程中的脑电信号，并对所述脑电信号进行预处理；对经过预处理的脑电信号进行特征提取，基于提取的特征建立运动想象意图识别模型；开发以第一人称视角和第三人称视角的训练运动场景，经VR头盔渲染训练运动场景；受试者在VR环境下选择两种不同的视角进行训练，受试者根据提示进行运动想象，当识别到受试者想象时，场景中对应的肢体完成相应的动作；通过对受试者的脑电信号进行脑网络分析得到的受试者运动想象有关脑区激活程度的量化指标，对康复训练进行评分，并生成康复报表。本发明能够达到良好的康复训练效果。

本发明公开了一种用于飞行员驾驶状态自适应调整的方法，涉及疲劳和注意力分析预警技术领域。本发明的上位机主要负责接收脑电信号、肌电信号和血氧饱和度，同时进行注意力集中度和疲劳状态的评估，并将评估结果发送给下位机；本发明的下位机可以采集脑电信号、肌电信号和血氧饱和度，同时接收上位机的评估结果，控制微电流刺激手环中的电刺激控制器产生电刺激，帮助飞行员驾驶状态自适应调整。本发明将在高空环境下飞行员的血氧饱和度与肌电信号进行信息融合，提高疲劳状态评估的科学性和准确性，并过微弱的电流刺激，调整飞行员长时间驾驶导致的疲劳状态，提高其操作飞机时的注意力集中度，进而预防和减少飞行事故的发生。

本发明提供一种神经肌肉信息交互模型构建及参数辨识优化方法，其包括构建神经肌肉信息交互模型和基于多层次耦合特征的参数辨识及优化。当有外界信号刺激时会使大脑神经元动作电位变化，进而引起相应肌肉运动单元动作电位的变化；当有外界感觉信号输入时，会由中介体传回大脑，从而产生感觉反馈传入信号。接着基于实测信号建立多层次特征指标，并构建基于多层次耦合特征指标的目标函数；然后基于无迹卡尔曼滤波(UKF)方法对神经肌肉信息交互模型进行参数辨识；最后以实测脑电和肌电信号能量谱为目标，基于混合粒子群算法对所辨识参量进行优化选取。本发明从神经元层面研究大脑与肌肉间多层次功能耦合连接机制，对运动控制系统机制研究有一定科学意义。

本发明提供一种基于肌电和肌氧信号的运动功能监测管理方法，其包括：同步采集不同动作模式下的多通道肌电和肌氧信号；对肌电及肌氧信号进行预处理；对预处理后的信号进行特征提取；构建多模态特征指间回归分析模型，对特征指标之间进行回归分析，研究两两指标之间的关系；构建基于多模态特征指标间的肌肉‑血管状态监测模型，实现对运功功能的客观描述和精准监测。本发明拓展研究多模态关联及耦合分析方法，从肌肉协同特性、组织血氧代谢及肌肉‑血管的非线性耦合特性等层面，构建有效刻画多层次耦合特性的单模态及跨膜态耦合特征指标，综合描述肌肉‑血管间的多层次信息交互特性，实现运动功能的多层次有效刻画和精准监测管理。

本发明公开了一种基于脑电特征迁移学习的驾驶状态检测方法及系统，包括：采集被试用户的脑电信号，对所述脑电信号进行预处理，提取特征构建第一目标特征集；从多组第一源数据集中筛选疲劳特征集和情绪数据集，组合成第二源特征集；通过第一迁移学习算法进行实例迁移，得到第三源特征集；基于第三源数据集和第一目标数据集使用第二迁移学习算法进行特征迁移学习，得到第四源特征集、第二目标数据集；使用第四源数据集构建多分类判别模型，将第二目标特征集输入多分类判别模型，得到被试用户的驾驶状态结果。本发明在保证准确率的同时减少了样本标注的繁琐工作，大大提高分类识别的鲁棒性和准确性。

本发明公开了一种基于神经功能康复主动训练的评估系统及方法，属于康复训练技术领域，该系统中，定性评估模块基于肢体动作处理模块对肢体动作采集模块采集的肢体动作进行分类识别，并与Brunnstrom量表比对，得到Brunnstrom分期结果；肌电评估模块基于肌电数据处理模块对肌电信号采集模块采集的肌电信号进行处理得到的肌肉能力图进行肌电评估；脑电评估模块基于脑电数据处理模块对脑电信号采集模块采集的脑电信号进行处理得到的脑地形图和脑区能量变换图进行脑区评估；康复评估模块将Brunnstrom分期结果、肌电评估结果以及脑区评估结果相结合进行康复评估，得到康复评估报告。本发明通过脑电、肌电、姿态多信息融合的评估方法能够较为准确、科学地对患者康复状态进行评估。

本发明提供一种基于肌电和惯性信息的手部训练及评估方法，步骤如下：S1、根据不同的训练强度，设计两种虚拟训练场景；S2、将delsys的肌电惯性采集模块分别与第一侧和第二侧进行连接，并将采集的肌电惯性信号传输给上位机；S3、在进入虚拟训练场景之前，将S1中虚拟训练场景的动作训练提示进行分类器的训练；S4、将S2采集的第一侧的肌电信号通过S3进行预处理和特征提取，并送入S3训练好的区分动作的分类器中，生成相应的动作指令；S5、将S4生成的动作指令传输到康复机械手中，完成对应的动作；S6、对S5训练好的动作完成训练后的结果进行评估。本发明利用第一侧第二侧协同运动，结合康复机械手辅助第二侧进行抓握训练，加速手部康复速度和康复效果。

本发明提供一种面向轴承故障识别的CNN模型可视化优化方法，具体实施步骤如下：首先，使用轴承故障试验台的振动加速度传感器采集测试轴承的不同状态下驱动端和风扇端的高频振动加速度信号数据；然后，对轴承振动加速度信号数据做预处理，并划分为训练集、测试集和验证集；接着，搭建轴承故障识别CNN模型，并初始化，将样本图像与标签作为训练样本来训练完整的卷积神经网络模型，并记录完整的卷积神经网络模型中各层相关参数和超参数信息；最后，将轴承故障识别CNN模型可视化，并对可视化模型结果进行分析评估，并依照优化方法优化模型结构。本发明使用了三种可视化的方法，同时得到了基于可视化的参数优化方法和基于可视化判断网络模型的方法。

本发明公开了一种基于粒子群算法的神经元群模型参数自适应优化方法，其步骤包括：S1：初始化粒子群，设置粒子群算法基本参数，设置每个粒子的参数组合搜索范围，设置神经元群模型基本参数；S2：计算初始粒子群中每个粒子的适应度值，根据粒子适应度值初始化粒子个体极值和全局极值；S3：更新粒子速度和位置；S4：计算新的粒子适应度值，更新粒子个体极值和全局极值；S5：判断是否满足最大迭代次数，是则输出全局最优粒子，否则返回步骤S3；步骤S6：根据步骤S5输出的全局最优粒子，获得脑电频段的最优参数组合。本发明提供了一种便捷高效的神经元群模型参数调节方法，增加了参数辨识准确性，缩短了调节时间。

本发明公开了一种人体多生理参数采集的可穿戴装置。根据本发明的穿戴装置具体能够包括采集模块主体、采集电极及佩戴装置。其中，采集模块主体能够包括参数采集传感器，嵌入式微处理系统，无线传输模块，电源模块及设备指示灯；采集电极是可与采集模块主体分离的；并且，佩戴装置是可与采集模块主体拆卸的，并且佩戴装置设置有与采集模块主体相连接的底座。根据本发明的穿戴装置能够采集人体肌电信号、脑电信号、脉搏波信号及惯性信号等多个生理参数。并且，根据本发明的穿戴装置具有采集端电极可移动、可拆卸、且固定性好，以及电极线连接稳定，并且佩戴装置能够适于人体多位置佩戴等优点。

本发明公开了一种基于复杂改进多尺度传递熵的脑肌电耦合分析方法，包括：采集脑电信号和肌电信号、并对采集到的脑电信号和肌电信号分别去除基线漂移、溢出、眼动和工频干扰；采用复杂改进粗粒化过程对脑电和肌电信号进行频谱分解，分析脑电信号和肌电信号不同时频尺度间的同步特性，定量描述脑肌间非线性耦合和信息传递特征；对脑肌间非线性耦合和信息传递特征进行运动功能分析。本方法利用复杂改进多尺度传递熵分析脑肌电信号信息传递特性，定量描述脑电信号与肌电信号不同时频尺度间非线性耦合及信息传递特征，有助于探索大脑皮层与肌肉之间的功能联系。

本发明涉及一种基于多尺度多变量传递熵的多通道脑电耦合分析方法，属于非线性动力学因果系统及大脑感觉运动网络研究的技术领域，其包括以下步骤：一、采用32通道的Neuracle设备采集多通道脑电信号；二、采用matlab软件对采集到的脑电信号分别进行去除基线漂移、肌电干扰、眼动干扰和50Hz工频干扰的预处理；三、采用粗粒化分析方法对多通道脑电信号进行20个不同的尺度分解；四、采用多变量传递熵方法分析不同尺度下的脑电信号在不同时频间的耦合特性，定量刻画不同脑区间非线性耦合和信息传递特征。本发明具有能够描述大脑运动感觉皮层间的非线性特征，并深入探索大脑不同区域间的耦合强度及信息传递的效果。

本发明公开了一种基于多场景诱发的MI‑BCI系统及其控制方法，所述MI‑BCI系统包含声音文字、图片视频、3D生活场景、虚拟游戏场景4类目标导向型运动想象诱发场景，从不同角度深度诱导受试者进行运动想象；训练中实时采集大脑运动区多通道EEG信号，经过信号预处理、特征提取、PSO‑SVM意图识别后将结果输出到虚拟场景中进行交互控制，形成一个闭环反馈训练系统。通过评估运动区神经激活程度大小绘制动态脑地形图，为受试者提供反映大脑激活状况的可视化神经反馈。根据当前神经活跃程度大小对训练场景进行自适应切换调整，保证受试者持续处于运动神经最大程度激活状态，以提高系统的识别率。

本发明公开了一种结合肌肉激活度与深度学习的功能性电刺激闭环调控方法，将肌肉激活度分析和深度学习中的LSTM模型结合起来，设计开发了基于肌肉激活度与LSTM的功能性电刺激闭环调控方法，该方法可以根据对肌电信号实时分析得出肌肉状态并自动学习合适功能性电刺激参数，使得患者在健康侧握拳动作时可以根据肌肉激活度变化自动调整功能性电刺激参数，使功能性电刺激下的患侧与健康侧握力大小趋于一致；并且LSTM模型会随着输入数据集的增多不断学习优化输出的电刺激参数，解决了功能性电刺激临床治疗上不能根据用户肌肉状态实时调整自身参数、参数调整完全凭借经验、患者参与度不高和不能主动康复的问题。

本发明公开了一种基于皮层肌肉网络的运动功能重建动态模型构建方法。基于多节点互联和同步触发技术，利用高密度脑电‑肌电采集设备，实现高密度脑电和肌电信息采集，并对其进行分级预处理；基于超图学习构建多维广义复杂网络模型，从而获取高阶网络指标；构建数据关联映射模型，基于自动编码器获取皮层‑肌肉功能网络特征编码向量，基于特征转换器和线性掩码单元将其转换为生理状态特征；通过皮层‑肌肉网络显著结构生成器生成稀疏皮层‑肌肉功能网络显著结构，实现皮层‑肌肉功能网络动态模拟模型构建及可视化呈现。本发明从大脑和皮层肌肉网络的关联性出发，研究皮层‑肌肉功能网络演变规律，对理解皮层‑肌肉功能耦合及协同机制具有重要意义。

本发明公开了一种可穿戴的手指关节角度位移数据同步采集系统，属于可穿戴数据采集设备领域；包括穿戴单元、数据采集单元、数据处理单元。其中角度传感器、位移传感器同步采集患者手指运动过程中各个关节的角度数据和对应手指的位移数据，将采集到的模拟信号通过A/D转换器转换为数字信号后传输至STM32单片机，进而STM32单片机对传进的数据进行滤波后通过无线传输模块将数据传送到上位机。上位机对数据进行处理并建立关于手指各个关节协同作用时的角度数据和位移数据的数据模型，以便于开发出针对于特定患者手部病情的康复辅具，这样的针对性辅具能够帮助患者手部进行高效康复，避免对患者手部的运动障碍部位造成二次伤害。

本发明提供了一种基于同频和跨频信息交互的多层脑网络模型构建方法，包括脑电信号多层频带的有效提取、多层频带间功能连接指标计算、多层脑网络模型构建及可视化。首先同步获取能够体现大脑功能状态的多通道脑电信号，定义电极位置为网络节点，基于小波包分解对预处理后的信号进行频带划分；其次，基于锁相值计算多层脑网络的边，进而构建多通道脑电信号同频段内邻接矩阵和跨频段间的网络连接矩阵；再次，以特征频带为分层依据构建多层脑网络模型，进一步结合图论法对层内和层间网络特征进行可视化呈现并计算。本发明从多通道脑电信号的同频带内和不同频带间的同步关系进行综合分析，有助于深入理解大脑运动功能状态的网络结构和拓扑特征。

本发明是一种面向多通道脑肌电耦合分析的多元全局同步指数方法，能够从全局角度探究两组多维信号间关系，可应用于多模态信号分析中，评估大脑和肌肉不同区域信息交流的同步强度。首先，对脑肌电数据预处理并提取频段信息；其次，构建数据集并利用网格划分，统计网格中数据点出现频率计算互信息，并标准化处理得到同步系数，构建相关矩阵；然后，通过矩阵运算去除自相关，计算特征值并在标准化后求取熵值，得到多通道脑肌间全局同步指数。该方法从构建系统间相关矩阵出发，克服了系统差异性，保留了系统间的信息传递，实现了从整体上分析区域内的脑肌电同步关系，在分析多通道脑肌间同步关系或其他类型多维信号关联关系时具有良好应用前景。

本发明提供一种基于脑肌电交叉频率耦合的运动功能监测管理方法，其包括步骤：同步采集脑电信号EEG和肌电信号EMG；对采集到的脑电信号EEG和肌电信号EMG分别去除基线漂移、溢出、眼动和工频干扰；研究脑电信号EEG和肌电信号EMG间的交叉频率耦合分析，获得不同运动状态下大脑皮层与肌肉之间关系，选用交叉频率耦合中的四种主要方法，即相位‑相位耦合PPC、相位‑幅度耦合PAC、频率‑幅度耦合FAC和频率‑频率耦合FFC，通过对四种不同类型的耦合方法分析，构建基于多模态特征指标间的神经肌肉系统运动功能监测模型，进行四种方法的关联性研究，从而得到较为精准的分析结果，进而研究运动功能产生的生理机制，实现神经肌肉系统运动功能监测的有效管理。

本发明提供一种融合脑电与功能近红外光谱技术的脑功能监测管理方法，步骤为：对脑电和脑血氧信号进行同步采集；对采集的信号分别进行去除伪迹干扰的预处理；分别获取脑电‑脑电耦合特征指标MSMVTE、脑血氧‑脑血氧耦合特征指标DFC和脑电‑脑血氧耦合特征指标CIF；进行指标数据的归一化处理，得到标准化的耦合特征指标；分别计算两两指标间的皮尔逊相关系数ri及显著性系数pi；构建脑功能监测模型，分析各耦合特征指标间相关性的强弱及相关的显著性程度，对脑功能状态进行监测管理。本发明融合EEG与fNIRS技术，综合二者空间和时间分辨率的优势，有助于深入、全面地认识大脑在运动过程中脑活动的神经机制，实现大脑功能监测的有效管理。

本发明涉及一种融合机械手和功能性电刺激的手功能康复双闭环调控系统，属于康复医疗技术领域，包括肌电‑惯性信号同步采集及数据预处理模块、手部精细动作特征提取及意图解析模块、手运动功能监测及智能评估模块、可穿戴机械手自适应控制模块、功能性电刺激动态调控模块、信息传输及数据库模块以及可穿戴康复手硬件。本发明充分考虑患者的主观意图和运动能力，融合康复机器人的被动康复及神经调控的主动康复优势，解决现有手部康复策略及系统的训练模式简单、人机交互和个体适应性差、康复训练效果不理想等问题，有助于加速神经可塑性功能恢复及康复进程。

本发明涉及智能椅技术领域，提供了一种基于肌电和惯性信息分析的智能椅控制系统、智能椅以及控制方法，该控制系统包括肌电惯性信号采集与处理部分、硬件与软件部分、肌肉及坐姿评定部分；肌电惯性信号采集与处理部分由数据采集模块和信号处理模块组成；硬件与软件部分由模式构建模块和预警功能模块组成；肌肉及坐姿评定部分由肌肉及坐姿评定模块组成。本发明利用人体肌电与惯性信号并结合现有坐姿标准，帮助用户及时调整自身状态进而避免久坐危害，为用户提供久坐时身体状态报告并反馈合理健康建议。

本发明提出一种双主动控制模式的手部康复训练装置及训练方法，通过脑电采集设备实时采集大脑运动想象区的脑电信号，经信号预处理、特征提取、分类识别后将结果发送至虚拟场景进行交互，控制场景中模型手的移动；当模型手到达指定位置后变为握拳状态，此时，采集患者健侧肌电信号，经信号预处理、特征提取、分类识别后将结果以指令形式通过蓝牙发送给可穿戴康复机械手，通过健侧的肌电信号带动患侧可穿戴康复机械手抓握，辅助受试者进行康复训练，实现脑电和肌电相结合方式进行手部康复训练。本发明通过主被动式的康复训练加速了受试者大脑受损运动区功能的重塑和手部康复速度与康复效果，提高患者手部康复训练的主动性。