杨芳梅
- 作品数：9 被引量：43H指数：3
- 供职机构：燕山大学更多>>
- 发文基金：河北省自然科学基金国家自然科学基金更多>>
- 相关领域：医药卫生电子电信更多>>
- 一种基于运动视觉的车祸过程重现方法
- 一种基于运动视觉的车祸过程重现方法，基于运动视觉采用几何图形分割和基于运动动力学的目标跟踪技术实现车辆目标的重建与跟踪。采用分解图像关联矩阵的算法实现图像的匹配，有效的实现了图像匹配，降低算法的计算量。基于运动动力学的目...
- 张立国崔利洋杨芳梅金梅
- 文献传递
- 一种基于单目视觉的车辆重构算法
- 一种基于单目视觉的车辆重构算法，其步骤为：采用SIFT算子作为图像特征点的提取与匹配算法；采用基于标定物的摄像机标定方法，通过SIFT算子得到的特征匹配点计算摄像机的内参数和外参数；基于布尔图像的图像背景分割方法，将目标...
- 张立国崔利洋杨芳梅金梅
- 文献传递
- 基于神经肌肉功能耦合的脑肌电多尺度同步分析方法研究
- 大脑运动皮层的脑电信号(Electroencephalogram, EEG)和身体对侧肌肉组织的肌电信号(Electromyography, EMG)分别反映运动控制信息和肌肉对大脑控制意图的功能响应信息。同时，由于生理...
- 杨芳梅
- 关键词：肌电信号小波分解
- 文献传递
- 基于表面肌电非负矩阵分解与一致性的肌间协同-耦合关系研究被引量：8
- 2017年
- 肌肉协同模型是神经产生并控制运动的低维度结构,探讨不同动作任务下的表面肌电信号(s EMG)间的相干性分析,可以体现相应肌群的协同耦合关系,进而能从神经控制运动与肌肉相互配合协调的角度揭示运动产生与执行规律。组织8名年轻健康受试者(男女均半、20~24岁)进行上肢腕部屈、伸实验,采集动作时相应肌群的s EMG数据,引入非负矩阵分解(NMF)方法分析肌间协同性,并进一步对协同性较高的肌群采用一致性分析方法,研究信号beta(15~35 Hz)和gamma(35~60 Hz)频段的耦合强度关系,探讨腕部伸屈动作下不同受试者之间的协同-耦合性差异。结果表明:腕伸动作下,主动肌桡侧腕短伸肌(ECR)、指伸肌(ED)、尺侧腕伸肌(ECU)、肱桡肌(B)在协同模块W5中具有协同关系,且肌间耦合强度显著(P<0.05),beta频段与gamma频段一致性显著面积相差较大(1.261±0.966);腕屈动作下,分别在协同模块W_1W_4W_5中存在具有协同关系的肌肉对,且肌肉间耦合强度显著(P<0.001),在beta和gamma频段一致性显著面积相差较小(0.412±0.163),但主动肌桡侧腕屈肌、指浅屈肌间不具有协同性,耦合关系较弱。以上说明:神经控制运动的方式不同,体现为肌肉协同-耦合关系有所差异;在同一协同模块中,协同性较高的肌肉间耦合关系较强,揭示神经控制运动规律与肌肉相互配合方式;运用此方法进行肌间协同-耦合联合分析,可望深入揭示中枢神经模块化协同控制运动机制,进一步为运动障碍患者功能分析和评价提供科学依据。
- 谢平李欣欣杨春华杨芳梅陈晓玲吴晓光
- 关键词：表面肌电非负矩阵分解
- 基于多尺度传递熵的脑肌电信号耦合分析被引量：10
- 2015年
- 神经运动控制中脑肌电同步特征可以反映皮层与肌肉之间的功能联系.为定量研究脑电和肌电信号在不同时间尺度上的同步耦合特征,提出多尺度传递熵方法实现静态握力输出下的脑肌电耦合分析:对同步采集的头皮脑电信号(EEG)和表面肌电信号(EMG)进行多尺度化,计算不同尺度因子下EEG与EMG间的传递熵值,获取不同耦合方向(EEG→EMG及EMG→EEG)上的非线性脑肌电耦合特征;进一步计算功能频段下的显著性面积指标,定量分析不同尺度下皮层肌肉功能耦合强度的差异.分析结果显示,静态握力输出时beta频段(15—35 Hz)皮层肌肉功能耦合特征显著,且beta2频段(25—35 Hz)在不同尺度上EEG→EMG方向的耦合强度大于EMG→EEG方向,耦合强度最大值和方向间耦合强度差异显著值均出现于较高时间尺度.研究结果揭示:皮层肌肉功能耦合具有双向性,且耦合强度在不同时间尺度和不同功能频段上有所差异,可利用多尺度传递熵定量刻画大脑皮层与肌肉之间的非线性同步特征及功能联系.
- 谢平杨芳梅陈晓玲杜义浩吴晓光
- 关键词：脑电信号肌电信号
- 基于多尺度传递熵的脑肌电信号耦合分析
- 为定量研究脑电和肌电信号在不同时间尺度上的同步耦合特征,本文提出多尺度传递熵方法实现静态握力输出下的脑肌电耦合分析:对脑电信号(EEG)和肌电信号(EMG)进行多尺度化,计算不同尺度因子下EEG与EMG间的传递熵值,获取...
- 陈晓玲杨芳梅谢平杜义浩吴晓光
- 关键词：脑电信号肌电信号
- 文献传递
- 基于小波-传递熵的多时频尺度间脑肌电耦合分析方法
- 本发明公开了一种基于小波‑传递熵的多时频尺度间脑肌电耦合分析方法，所述方法包括脑肌电信号同步采集部分和信号处理部分，脑肌电信号同步采集部分包括脑电信号采集和肌电信号采集；信号处理部分包括信号预处理和脑肌电的小波‑传递熵分...
- 谢平杨芳梅张园园陈晓玲吴晓光张晋铭王霄
- 文献传递
- 基于小波‑传递熵的多时频尺度间脑肌电耦合分析方法
- 本发明公开了一种基于小波‑传递熵的多时频尺度间脑肌电耦合分析方法，所述方法包括脑肌电信号同步采集部分和信号处理部分，脑肌电信号同步采集部分包括脑电信号采集和肌电信号采集；信号处理部分包括信号预处理和脑肌电的小波‑传递熵分...
- 谢平杨芳梅张园园陈晓玲吴晓光张晋铭王霄
- 基于变分模态分解-传递熵的脑肌电信号耦合分析被引量：30
- 2016年
- 皮层肌肉功能耦合是大脑皮层和肌肉组织间的相互作用,脑肌电信号的多尺度耦合特征可以体现皮层-肌肉间多时空的功能联系.本文引入变分模态分解并与传递熵结合,构建变分模态分解-传递熵模型应用于脑肌间耦合研究.首先基于变分模态分解将同步采集的脑电(EEG)和肌电(EMG)信号分别进行时频尺度化,然后计算不同时频尺度间的传递熵值,获取不同耦合方向(EEG→EMG及EMG→EEG)上不同尺度间的非线性耦合特征.结果表明,在静态握力输出条件下,皮层与肌肉beta(15—35 Hz)频段间的耦合强度最为显著;EEG→EMG方向上脑电与肌电高gamma(50—72 Hz)频段的耦合强度总体上高于EMG→EEG方向.研究结果揭示皮层-肌肉功能耦合具有双向性,且脑肌间不同耦合方向上、不同频段间的耦合强度有所差异.因此可利用变分模态分解-传递熵方法定量刻画大脑皮层与肌肉各时频段之间的非线性同步特征及功能联系.
- 谢平杨芳梅李欣欣杨勇陈晓玲张利泰
