张 娜 李 可

(山东大学控制科学与工程学院，济南 250061)

引言

手是人体的运动执行器官之一，在人类的日常生活中发挥着非常重要的作用。手有许多自由度，这使它在与环境互动时具有灵活性，但同时也使它的控制更加复杂化[1]。大量的实验证据表明，肌肉间的协调运作模式是中枢神经系统简化手部复杂控制的一种解决方案。目前，肌肉协同或协调已广泛应用于神经肌肉控制机制或神经相关疾病的研究。例如，Wakeling等认为，肌肉协调是肢体运动功率和机械效率输出的关键[2]；Cheung等通过探究运动皮质区域病变患者上肢多个肌肉的肌肉协同模式，指出肌肉协同模式可以作为中风或创伤患者的生理标志并指导其康复[3]；此外，肌肉协调亦可应用于骨骼机器人的设计与控制[4]。但肌肉收缩是高度耦合且随机的过程，对于不同抓握类型和不同收缩力水平下多块肌肉的协调性机制仍尚未探明。

时间序列的分析，如肌电(surface electromyography, sEMG)信号，是了解神经肌肉系统本质的重要途径。但是，由于sEMG信号是一种非线性、非平稳性的时间序列，所以对其进行量化需要合适的分析工具。近些年，以时间序列为基础的复杂网络分析方法已经成为分析复杂动态系统的一种非常强大的方法[5-6]。与一般的分析方法相比，复杂网络可以对复杂动态系统的空间信息进行可视化和定量化分析，进而对动态系统的结构、行为和功能进行更加深入的探究。将时间序列转换为复杂网络方法有多种，如基于符号动力学的方法[7]、可视图网络[8-9]、循环网络[10]以及递归网络(recurrence network, RN)[11]等。……