编辑推荐：
本文对三种时频分析（TF）方法——基于短时傅里叶变换（STFT）的谱图、连续小波变换（CWT）和噪声辅助多元经验模态分解（NA-MEMD）——在帕金森病（PD）大鼠模型非平稳股二头肌（BF）肌电（EMG）爆发信号分析中的应用进行了系统性评估。研究旨在为复杂肌电信号提供互补的分析策略，以揭示疾病相关的神经肌肉功能重组，并为康复工程等领域提供潜在的生物标志物。
2. 材料与方法
2.1. 股二头肌肌电活动
本研究分析了6-羟多巴胺（6-OHDA）诱导的帕金森病（PD）模型大鼠的肌电（EMG）爆发信号。实验使用成年雄性Wistar大鼠（N=24），其中5只为对照，19只接受右侧黑质致密部单侧6-OHDA神经毒性PD模型造模。造模有效性通过皮下注射阿扑吗啡（0.25 mg/kg）诱导的旋转测试确认，仅旋转圈数超过30分钟内100圈的大鼠被纳入研究。在造模确认后，对动物进行慢性EMG电极植入，并在跑步机上记录自由运动大鼠左后肢（对侧）的肌电信号。记录在造模后特定阶段（第3-6周）进行。信号采样频率为2000 Hz，放大增益为60 dB，并进行模拟带通滤波（30-500 Hz）和50 Hz陷波滤波。
2.2. 步态时相与诱发肌电活动
通过视频记录获取后肢运动学序列，识别步态周期中的站立相和摆动相。图1通过示意图描述了Wistar大鼠自发运动时步态周期时相与股二头肌（BF）激活的关系。图中展示了原始BF肌电信号、一个完整步态周期内信号的展开视图、后肢位置序列以及以百分比表示的步态周期示意图，其中叠加了BF肌电的平均激活窗口，突出了其在从站立末期向摆动相过渡中的作用。
2.3. 时频方法
2.3.1. 基于短时傅里叶变换的谱图
谱图是一种广泛使用的非平稳信号时频表示，源自短时傅里叶变换（STFT）。STFT通过对信号x(t)施加一个时间窗ω(t-τ)，然后计算加窗后信号的傅里叶变换，来研究信号x(t)的频谱随时间演化。其中，τ表示时间窗的中心，f表示频率。STFT的平方模被称为谱图。
2.3.2. 连续小波变换
连续小波变换（CWT）是另一种线性时频表示，它通过将信号与一组经缩放和平移的母小波函数进行卷积来分析信号。与STFT相比，CWT提供了变化的时频分辨率，高频时时间分辨率高，低频时频率分辨率高，适用于分析具有多尺度特征的信号。
2.3.3. 噪声辅助多元经验模态分解与希尔伯特谱分析
噪声辅助多元经验模态分解（NA-MEMD）是一种自适应信号分解方法，旨在将多通道信号分解为一组称为本征模态函数（IMFs）的分量。该方法在存在噪声和强烈非平稳性的情况下分离振荡分量，同时保持通道间的多变量相互依赖性。随后对每个IMF应用希尔伯特变换，可以估计瞬时频率、能量和其他动态属性，这些属性在肌电信号中信息丰富，因为肌电信号是多个生理发生器（如具有不同发放频率和募集策略的运动单位）活动的叠加。
3. 结果
3.1. 时频方法的比较性能
研究评估了三种时频方法在捕捉EMG爆发信号瞬态频率内容变化、提取特征在爆发间的稳定性以及这些特征反映肌肉激活生理意义方面的有效性。结果表明，时频分析方法揭示了关于爆发结构的互补信息。线性方法（STFT和CWT）的谱图提供了全局频谱重组模式，而NA-MEMD则揭示了传统表示中可能隐藏的局部和瞬态动力学。
3.2. NA-MEMD的适应性优势
NA-MEMD对非线性和非平稳成分表现出更强的适应性。它能够分解肌电信号，分离出可能与不同生理过程（如神经元同步、中枢驱动调制或运动单位募集和发放频率的变化）相关的潜在振荡模式。尽管每个IMF的直接生理解释仍是开放性问题，但对这些自适应模式的分析为肌电爆发信号的时频表征提供了有前景的方法学途径。
3.3. 帕金森病模型中的特异性发现
在6-OHDA诱导的帕金森病模型中，研究发现多巴胺能变性会引起EMG频率调制的相位依赖性和尺度特异性改变。这表明，整合多尺度时频指标可作为识别神经肌肉重组功能生物标志物的有前景策略。该模型揭示了在动态任务中优先出现的肌肉激活改变，突显了在复杂、高度可变的频谱轮廓下分析EMG爆发信号的重要性。
4. 讨论与结论
本研究的主要贡献有三点。首先，对用于表征高度非平稳EMG爆发的线性时频表示（STFT谱图和CWT）和自适应分解方法（NA-MEMD结合希尔伯特谱分析）进行了系统的比较评估。其次，证明了这些方法提供了互补的见解。最后，表明多巴胺能变性诱导了EMG频率调制的相位依赖性和尺度特异性改变，支持将多尺度时频指标整合为识别神经肌肉重组功能生物标志物的策略。
总体而言，这些发现凸显了时频分析作为评估肌肉功能的方法学工具的价值，并为在EMG爆发表现出复杂和高度可变频谱特征的研究中选择分析策略奠定了坚实基础。该方法学的进展不仅对疾病模型中的实验神经科学有重要意义，还可能延伸至神经工程和康复技术等转化应用领域。
