拮抗肌对的协同控制与EMG信号的中值频率关系

探讨在持续恒力收缩时,正常人体肘关节主动肌和桔抗肌的协同作用原理与它们的表面EMG信号中值频率(Median Frequency,MF)的变化趋势,研究它们的疲劳行为。十五个正常受试者的实验数据统计结果表明,拮抗肌的SEMG/MF高于主动肌;随着收缩时间的增加,主动肌和拮抗肌的MF几乎以相同的速率下降;收缩力越大,它们的两条拟合直线之间的距离、互相关系数、下降速率也越大;关节的角度的变化对上述结论似乎没有明显的影响。这些结论对屈曲和伸展模式都成立。利用人体组织的幅度衰减特性和频率衰减特性,神经肌肉系统的“共驱动”概念对上述结果进行了讨论。     

拮抗肌对的SEMG频率参数再研究

用ARMA模型研究了正常人体肘关节主动肌和拮抗肌表面肌电信号(SEMG)的模型参数、功率谱中的峰值频率F_m和对应于发放率的突起峰F_p,它们与以前研究得到的中值频率具有类似的变化趋势:重复收缩时SEMG信号的归一化中值频率NMF的初始值随重复次数的增加而下降,而NMF的下降速度随重复次数的增加而增加。     

基于互Wigner-Ville分布的表面肌电信号瞬时频率估计

当一块肌肉完成持续的收缩时,所记录的表面肌电信号的分析是一个用于评价局部疲劳进行性的有用的工具.在肌肉静态收缩期间,表面肌电信号功率谱的平均频率和中值频率常被用作肌肉疲劳的指示器.为了评价周期性动态收缩期间的局部肌肉疲劳,针对肌肉动态收缩时表面肌电信号的特点,提出了基于互Wigner-Ville分布的瞬时频率检测方法.通过一个类似于表面肌电信号统计性质的模拟的随机过程,评价了这一算法的估计误差.理论和实验证明,瞬时频率可以在较低的信噪比下很好地适合跟踪由于肌肉疲劳引起的频谱变化.     

不同强度快速伸膝运动对股四头肌肌电图平均功率频率和输出功率的影响

为研究不同强度快速伸膝运动对股四头肌群表面肌电信号（surface electromyography,s EMG）的平均功率频率（mean power frequency,MPF）下降率和伸膝平均输出功率下降率的影响及相关性,探讨了动态肌肉运动的中枢控制理论,以17名男性大学生为研究对象,让他们下肢负荷分别为105.8,140.9,176.4 kg时,以最快速度完成30次蹬踏运动.采集股四头肌s EMG信号和每次动作时间、距离,考察了3种负荷对股四头肌（外侧）、股四头肌（内侧）和股直肌MPF及输出功率的影响.结果显示：不同强度快速伸膝运动下股四头肌s EMG信号MPF随次数而下降,与以往静态研究相一致;MPF下降斜率没有差异;平均输出功率下降斜率有差异,在短时爆发力运动中,3个负荷输出功率分别呈现上升、不变和下降的趋势.     

基于肌音信号短时傅里叶变换的桡侧腕屈肌疲劳程度研究

肌肉疲劳是由运动引起的肌肉最大随意收缩力减小的现象,其研究可应用于生理医学的职业病预防或体育工程的运动员训练等方面。本文采用短时傅里叶变换对肌音信号进行处理,提取频域特征平均功率频率(Mean Power Frequency,MPF)和中值频率(Median Frequency,MDF),研究其与肌肉疲劳程度之间的关系。9名健康的男性志愿者参与了本次试验,采用等值于60%最大随意收缩力(MVC)的力产生恒力肌肉疲劳,同步记录每一位受试者桡侧腕屈肌的肌音信号,对提取的频域参数进行分析。将持续30s的肌肉疲劳过程分为6个时间阶段(每个阶段为5s),并对每个时间阶段内的MPF和MDF计算均值。结果表明,随着肌肉疲劳程度加深,肌音信号的MPF和MDF在每个时间阶段内的均值均呈现近似线性下降的趋势。在30s肌肉疲劳过程中,从第1阶段(1~5s)到第6阶段(26~30s),MPF均值下降了15.8%,MDF均值下降了26.1%。基于短时傅里叶变换提取的MPF和MDF指标能良好地反映疲劳敏感性和稳定性,在评定肌肉静态疲劳方面是较好的参考指标。本文采用的方法和得到的结果为后期更深入地使用肌音信号对肌肉疲劳程度进行量化研究提供了依据。     

不同水平游泳运动员泳凳训练的肌肉EMG光谱参数特征

骨骼肌表面EMG的光谱参数可以根据肌肉的疲劳度和运动单元的参与数量来评估肌肉的协调性。研究尝试通过检测游泳运动员在游泳凳上训练时,其肌肉表面EMG光谱参数和特征的变化,挖掘不同水平运动员在不同训练阶段竞技能力演化特征。实验测试记录了10名不同年龄、不同运动水平运动员骨骼肌表面的EMG光谱参数。结果表明,青少年运动员在整个训练过程中,肱三头肌长头的表面频率变化不明显,竞技能力水平呈稳定的上升趋势;高水平游泳运动员肱三头肌长头的表面频率变化明显,竞技能力水平和频率在减量阶段都增加,而在大强度训练之后减少。因此,光谱参数能够提供高水平游泳运动员在大强度训练期间以及在竞赛之前减量阶段神经肌肉系统疲劳度的相关信息。     

羽毛球运动员高远球技术动作上肢肌肉肌电分析

为了探讨高校高水平羽毛球运动员在做正、反手高远球技术动作时上肢主要肌肉(三角肌、背阔肌、腹外斜肌、肱二头肌、尺桡肌)的肌力特征。运用美国Delsys公司生产的无线GPS表面肌电测试仪对体育学院羽毛球运动员上肢主要肌肉进行了测试分析。结果表明:1)高远球技术动作参与运动的上肢肌肉发力最早的是三角肌、腹外斜肌和胸大肌,做功最大的是三角肌、肱二头肌和尺桡肌;反手高远球技术动作参与运动的上肢肌肉发力最早的是三角肌和背阔肌、腹外斜肌,做工最大的是三角肌、背阔肌和肱二头肌。2)无论是正手还是反手高远球技术动作,三角肌均为主要发力肌,做功最大,发力时间也最早。     

人体下肢表面肌电信号的检测与分析

人体步行时下肢肌电信号 (EMG)活跃 ,为研究步态周期内 EMG随路况的变化趋势 ,采用了下肢表面 EMG8通道检测装置进行了实验 ,对多人在 6种路况 (或步速 )下行走时的下肢 EMG进行了检测和分析。实验结果表明 ,步行时下肢肌肉活动有一定的规律性 ;各路况信号开始及持续时间、信号绝对值平均、中频等特征值区分明显 ,可以将其应用于智能肌电控制假肢路况模式辨识     

基于表面肌电信号的绝缘手套法带电作业人员上肢肌肉疲劳分析

绝缘手套法是配网带电作业的主要作业方式,为获取穿戴绝缘手套的带电作业人员上肢肌肉的疲劳特性及其诱发的肌肉骨骼系统疾患(work-related musculoskeletal disorders,WMSDs)的风险,开展了基于表面肌电信号(surface electromyogra-phy,sEMG)的绝缘手套法带电作业人员上肢肌肉疲劳评估研究.针对配网绝缘手套法的典型作业工况,搭建了绝缘手套法带电作业上肢的sEMG试验平台,采集受试者上肢(右手)各目标肌肉在是否穿戴绝缘手套下的sEMG信号;基于时域特征参数积分肌电值(integrated electromyography,IEMG)、均方根值(root mean square,RMS)及频域特征参数平均功率频率(mean power frequency,MPF)、中位频率(median frequency,MDF)对绝缘手套的上肢肌肉疲劳特征进行评估;基于支持向量机(support vector machine,SVM)构建了带电作业人员上肢肱桡肌疲劳状态识别模型.结果表明:穿戴绝缘手套作业时各目标肌肉更容易进入疲劳状态;穿戴绝缘手套作业时,作业人员上肢部位的肱桡肌、肱二头肌、肱三头肌、三角肌的疲劳程度依次递减,与仿真计算的分析结果一致;sEMG时域特征参数IEMG、RMS对作业人员上肢肌肉疲劳的表征效果要优于频域特征参数MPF和MDF;带电作业人员上肢肱桡肌疲劳状态识别模型总体平均准确率为86.56％,能有效识别上肢肱桡肌肌肉疲劳状态.     

基于表面肌电信号的上臂动作识别研究

分析上臂动作与上臂肌肉的关系,通过表面肌电信号正确识别上臂的动作,是实现上肢功能修复的关键.设计了上肢曲臂、伸臂、水平外摆、水平内收、手臂垂直外旋和手臂垂直内旋6个动作,分别同时记录三角肌、肱二头肌和肱三头肌的表面肌电信号,采用时域和频域的方法提取特征值,通过人工神经网络进行识别,识别率达到90%以上.结果表明,通过上肢肱二头肌、肱三头肌和三角肌的表面肌电信号识别上臂的运动是可行的,为应用生物电信号控制机械假肢和实现脊髓损伤功能障碍修复奠定理论基础.     

替代数据法在肌电信号分析中的应用

表面肌电信号是肌肉收缩时的电变化在皮肤表面的综合反映,根据表面肌电信号（ＥＭＧ）属于短数据量的时间序列的特点,提出了利用替代数据方法对ＥＭＧ信号的动力学特性进行了分析,研究表明,ＥＭＧ信号是非噪声的确定性信号,并具有确定性的非线性特性,为进一步分析其混沌动力学特性提供了客观依据。     

低成本人体步态在线检测系统

研究了一种由 CCD摄像机、三维测力台及表面肌电信号检测装置组成的人体步态在线检测系统。在该系统中图像、力和表面肌电信号都由一台计算机实时采集。采用普通监控用图像设备和边缘检测、模板匹配等方法识别运动图像中的标志点 ,降低了系统硬件成本和对测试背景的要求。初步应用结果表明 :系统同步性能好 ,空间分辨率小于0 .2 %。该系统不仅适合于临床进行步态分析 ,而且也可用作其他与人体运动姿态有关研究的检测平台。     

基于肘关节表面肌电信号的负载识别

针对大多数肌电信号只进行特定肢体动作识别而没有对肢体进行外加负载识别的问题,提出一种基于表面肌电信号(surface electromyography, s EMG)的负载识别方法。首先,采用4通道表面电极采集肘关节在不同负载下的s EMG信号;然后,利用时域、频域特征提取方法对s EMG信号进行特征提取构成特征向量;最后,利用支持向量机(support vector maching, SVM)、BP神经网络和RBF神经网络对特征向量进行分类识别。结果表明以时域特征值识别,SVM的识别效果最佳,准确率为96.2%;以频域特征值识别,BP神经网络的识别效果最佳,准确率为87.5%;以时、频域组合特征值识别,RBF神经网络的识别效果最佳,准确率为90.4%。可见通过s EMG信号进行负载识别具有一定的可行性,为s EMG信号的广泛应用奠定基础。     

EMG oscillator model-based energy kernel method for characterizing muscle intrinsic property under isometric contraction

This paper presents a new method for estimating the isometric contraction force and the characterization of muscle’s intrinsic property.The method,called the energy kernel method,starts with converting the electromyography(EMG)signal into planar phase portraits,on which the elliptic distribution of the state points is named as the energy kernel,while that formed by the noise signal is called the noise kernel.Based on such stochastic features of the phase portraits,we approximate the EMG signal within a rectangular window as a harmonic oscillator(EMG oscillator).The study establishes the relationship between the energy of control signal(EMG)and that of output signal(force/power),and a characteristic energy is proposed to estimate the muscle force.On the other hand,the natural frequencies of the noise and the EMG signal can be attained with the energy kernel and noise kernel.In this way,the direct signal–noise recognition and separation can be accomplished.The results show that the representativeness of the characteristic energy toward the force is satisfactory,and the method is very robust since it combines the advantages of both RMS and MPF.Moreover,the natural frequency of the EMG oscillator is not governed by the MU firing rate of a specific muscle,indicating that this frequency correlates with the intrinsic property of muscle.The physical meanings of the model provide new insights into the understanding of EMG.     

脑电信号中肌电伪差的实时去除方法研究

为了在线去除脑电信号中的肌电伪差,使用典型相关分析方法,分析了大量被肌电干扰和未被干扰的脑电(EEG)信号,得出了一个合理的自相关阈值.在时域上,肌电伪差和一般的噪声信号比较类似,有比较小的自相关值,在去除肌电伪差时,凡自相关值低于此值的分解成分被识别为肌电伪差.该方法很好地利用了这个特点,将肌电伪差分量与潜在大脑信号分离,然后依据剩下的分解成分重建"干净"的EEG信号.实验结果表明,典型相关分析法在去除肌电伪差时优于独立成分分析法,结合提出的自相关阈值在有效去除肌电伪差的同时,又能较好地保持潜在的大脑信号不变.     

手臂疲劳时表面肌电信号特征

为了解表面肌电信号(surface electromyography, sEMG)特征的变化规律,找出更加有效的疲劳特征参数组合,通过回归分析和皮尔逊相关系数分析的方法研究了6名受试者负重状态下,手臂表面肌电信号的时域、频域和时频域特征参数与主观疲劳感量表(rating of perceived exertion, RPE)之间的关系。结果表明:随着负重时间的持续,sEMG的时域特征均方根值(root mean square, RMS)和积分肌电值(integrated electromyography, iEMG)有上升趋势,频域特征平均功率频率(mean power frequency, MPF)、中值频率(media frequency, MF)有下降趋势,而时频域特征瞬时平均频率(instantaneous mean power frequency, IMPF)、瞬时中值频率(instantaneous median frequency, IMF)出现先短暂上升然后下降趋势。对各特征参数进行非线性拟合,发现RMS和iEMG幂函数拟合优于指数函数拟合,而MPF、MF、IMPF和IMF指数函数拟合优于幂函数。对联合特征参数进行多元回归分析,发现RMS与MF组成的回归模型判定系数R~2最大。可见RMS与MF相结合作为评估肌肉疲劳的联合参数更加合理有效。     

竞技体育中的变加速运动及其概念规范

研究了短跑的“收尾速度”模型.在收尾速度模型中,收尾速度vm与过程特征参量k成反比,而过程特征参量k不是个人参量.在讨论变加速运动问题时,我们建议使用科学的规范用语,比如:急动度,力变率.     

模型试验单孔爆破振动信号时频分析

以地下工程常见的直墙半圆拱形硐室为原型,借助胶结砂相似材料开展单孔爆破相似模型试验,并监测爆破过程中相似模型试件顶面的爆破振动信号,随后采用HHT法对3个方向爆破振动信号的时频特征进行分析。爆破振动监测表明,在3个方向爆破振动信号中,竖向爆破振动峰值最大,水平径向次之,水平切向最小。3个方向爆破振动信号IMF分量能量分布表明,爆破振动信号优势能量集中分布于主振频率所在的几个IMF分量。HHT分析表明,3个方向爆破振动信号集中分布在0.03~0.07 s时域内;爆破振动信号频域成分丰富,但其在频域内分布不均匀;对于水平径向,爆破振动信号集中分布在111~312 Hz频域内;水平切向集中分布在171~323 Hz频域内;竖向则集中分布在128~209 Hz频域内。