目前,皮层肌肉耦合研究已经成为脑科学和康复评估领域的热点。在人体运动的神经控制过程中,大脑皮层和运动神经肌肉组织两大体系内部以及相互间的作用构成了皮层肌肉耦合关系。大脑运动皮层的脑电信号(EEG)和肢体对侧肌肉组织的肌电信号(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。对不同运动模式下的脑肌电信号进行时频域同步特征分析,可以帮助理解皮层肌肉间的功能耦合特征及神经信息传递机制,也可以为构建客观量化的康复功能评价提供理论依据。本文首先介绍了 EEG与EMG信号的基础知识,然后对皮层肌肉耦合及分析方法的发展现状进行分析,从而确定本文的研究内容:基于传递熵、相干性方法、广义偏定向相干性、Copula-GC等同步分析方法对健康人和脑卒中病人的皮层肌肉功能耦合特征进行时频域联合分析。具体工作如下:(1)在方法原理层面上对多变量时间序列频域同步分析方法进行研究,包括多变量自回归模型和扩展多变量自回归模型下的相干性,偏相干性,定向相干性,广义偏定向相干性方法,然后用仿真数据验证了算法的有效性,为下一步研究开展打下坚实的理论基础。(2)针对传统的相干性分析法不能有效描述肌间耦合方向与非线性耦合特征,同时无法排除间接连接的影响,提出了一种基于传递熵和广义偏定向相干性的肌间耦合分析方法。采集上肢运动过程中的EMG信号,时域上进行传递熵分析,频域上进行广义偏定向相干性分析,并且与传统相干性分析方法进行比较。实验结果表明,所提方法可以有效揭示上肢运动过程中的肌间耦合与信息传递特征。(3)针对传统的格兰杰因果关系(GC)只能描述信号间耦合的线性关系,难以定量分析非线性、高阶等复杂的因果关系,提出了一种基于Copula-GC的时频域同步分析方法。招募了5名脑卒中患者和5名健康志愿者形成对照组,同步采集不同握力情况下受试者的EEG信号和EMG信号,然后应用该方法研究和分析大脑皮层与对侧肌肉间的耦合特征、信息传递方向及显著性差异。实验结果表明,所提方法可以定量刻画大脑皮层与肌肉之间的非线性同步特征,从而为康复评估提供生物标记。