一种基于VMD与MSCNN的跨频段神经肌肉耦合分析方法

本发明提出了一种基于VMD与MSCNN的跨频段神经肌肉耦合分析方法，涉及生物信号处理技术领域，该方法首先通过VMD对EEG和sEMG信号进行频段分解，利用MSCNN提取每个频段的时频特征；随后，利用核化广义偏定向相干性(gPDC)对不同频段的神经‑肌肉信号进行耦合分析，深入探索跨频段间的复杂交互机制。此方法不仅能够捕捉同频段内的因果关系和耦合强度，还能够揭示跨频段的非线性耦合关系，克服了传统信号处理方法在分析跨频段交互机制时的局限性，以及同频段耦合分析所面临的不足。此外，该方法充分利用了深度学习模型在提取复杂耦合关系中的优势，从而为神经康复评估和神经调节机制的研究提供更加全面、精确的分析视角。