康复机器人能够帮助中风偏瘫患者以及行动不便的老人进行运动康复训练,促进其运动功能的康复。本文针对一种应用牵张反射原理的下肢康复机器人,研究了诱发和非诱发反射运动训练模式下肌电、脑电信号的处理和识别,分析了康复机器人运动诱发对神经活动的影响。论文的主要工作如下:(1)搭建了多模态生物信息采集平台,以健康研究生作为受试者,完成诱发运动和非诱发运动两种运动模式下的肌电信号(Electromyographic Signal,EMG)和脑电信号(Electroencephalogram,EEG)采集工作。对脑电信号带通滤波处理,得到8-30Hz有效频率段的脑电信号。(2)针对传统信号分解时,会存在模态混叠的现象,以及传统分解信号算法出现过分解或分解不充分的问题,本文应用变分模态分解(Variational Mode Decomposition,VMD)算法对信号分解,得到最佳K值的信号固有模态分量。(3)利用希尔伯特变换计算信号边际谱及瞬时能谱,以幅值均值、幅值方差和瞬时能量均值为两种训练模式的肌电特征,判别在诱发训练中是否产生牵张反射。提取不同尺度因子下的样本熵,选取熵值最大且区分度最明显的多尺度样本熵(Multi Scale Entropy,MSE)作为脑电信号的非线性动力学特征;以幅值均值、幅值方差、瞬时能量均值和多尺度样本熵作为脑电信号特征。(4)针对传统的支持向量机无法确定初始化参数问题,本文应用灰狼算法(Grey Wolf Optimizer,GWO)优化支持向量机,得到优化后的输入惩罚因子和核函数,运用优化后的支持向量机对国际BCI竞赛数据中运动想象脑电信号识别,体现出更高的识别率。(5)在运动诱发脑电信号分析中,对5位受试者诱发运动训练和非诱发运动训练下的脑电信号实验研究。运用传统的支持向量机对不同特征集的脑电信号识别是否产生牵张反射,对识别结果统计分析得出最优识别率的特征集和分类器。实验结果表明本文方法能够对运动诱发的脑电信号进行有效分析。