脊髓损伤等中枢神经系统损伤导致的运动功能障碍是当今临床治疗上的世界性难题。运动功能障碍给病人带来严重的生活困难和心理障碍,给家庭和社会造成了长期沉重负担。但是,到目前为止临床上还没有切实有效的治愈办法。有报道表明,解码大脑运动控制机制,研制智能假肢系统,能够为帮助运动功能障碍人士重新获得运动能力提供新的思路。其中,采集和分析大脑皮层运动区(Primary Motor Cortex,M1)的神经元脉冲信号是解码大脑运动控制机制的前提,也是开发新一代神经元智能假肢的核心要求。目前,神经元智能假肢主要着重于上肢研究,已有很多相关的成果。特别是采用以递归贝叶斯等算法为基础的神经网络技术,解码与上肢运动相关的大脑皮层神经元脉冲信号的研究获得了巨大的成功。但是,基于下肢运动的脑皮下神经元的研究面临技术上的挑战。一方面,大脑皮层管理下肢运动的区域在中央沟和顶缝交汇处的前面,此处富含血管,为外科手术禁区,提取神经元信号难度极大,危险极高。另一方面,关于下肢运动研究的可行性实验设计方案并不完善。所以,应用神经元的单个神经冲动解码下肢运动的工作还尚未发表。本课题为研制具有高性能的智能假肢系统,为重建下肢截瘫患者的运动能力带来了新的思路。本课题首先设计了记录电极的方法,通过斜插的方式避免下肢运动区域的血窦区,成功地在猕猴脑下肢运动区获取了单个神经元的放电信号。针对目前下肢运动神经元的机制研究的不足,设计了猕猴“站-立-坐”行为任务范式,通过虚拟现实平台在虚拟视觉引导下要求猕猴进行“站-立-坐”等下肢自主运动。随后,应用微电极多通道技术对大脑皮层下肢区域神经元发放进行了探测,获取与“站-立-坐”等运动相关的神经元脉冲发放信号。同时,本课题通过外科手术,在2只猕猴大脑皮层的下肢运动区埋植微电极阵列,追踪神经元脉冲信号,并同步记录猕猴下肢运动的运动轨迹(Kinematics)和主要肌肉的电信号(Electromyography,EMG)。最后,借鉴解码上肢运动的经验,分别应用KF(Kalman Filter)算法和UKF(Unscented Kalman Filter)算法,将下肢比目鱼肌、胫骨前肌、半腱肌、股直肌、趾长伸肌、趾长屈肌、踇长屈肌和大收肌等主要下肢肌肉的EMG幅值作为系统状态,观测大脑运动皮层神经元的实时活动,根据神经元动作电位发放频率预测下肢肌肉EMG幅值。与此同时,还运用KF和UKF两种算法对右腿踝关节的运动轨迹、运动速度和加速度进行了重构。研究结果表明,一共有1598个神经元与“站-立-坐”运动相关,其中有294个神经元(18.4%)编码站立的启动,310个神经元(19.4%)编码站起(Stand up),104个神经元(6.5%)编码站着(Standing),205个神经元(12.8%)编码坐下(Sit down)。对比KF算法和UKF算法,KF对系统状态的估计自带线性特性,UKF算法引进了滤波粒子原理,通过采样取点和无迹转化,以逼近概率分布的方法融入非线性特性,解决了KF算法中肌肉与大脑神经元之间所具有的线性关系,进一步提高了神经元电活动的解码效应。UKF算法比KF算法的相关系数(Correlation Coefficient,CC)值和信噪比(Signal to Noise Ratio,SNR)值分别高出9.05%和17.37%,揭示UKF算法比KF算法预测主要下肢肌肉的EMG信号更为准确,也具有更高的稳定性。在对运动进行重构时,尽管KF算法的运动轨迹、运动速度和加速度的个别值优于UKF算法,但从总体上来看,UKF算法仍要比KF算法更适用,并以较高的精度实现了下肢末端运动轨迹的重构。