篮球跳投动作上下肢肌激发顺序和用力大小的肌电分析

为了研究篮球跳投动作中各肌肉的激发顺序和用力大小,采用表面肌电仪和SONY摄像机同步记录了篮球运动员完成原地跳投动作时上下肢肌的表面肌电信号,观察了定量运动训练时肌肉的疲劳情况．结果表明：跳投动作上下肢肌肌电活动开始与结束的激发顺序各不相同,在整个跳投动作中,腓肠肌后段在各组中作用最大,其次是手伸肌群和肱三头肌;上肢肌群比下肢肌群的作用大．结论验证了“用力顺序”是“自下而上”的观点;运用肌电技术的研究方法能够准确测试篮球运动中各肌肉的激发顺序和作用大小．     

表面肌电信号(SEMG)分析在生物力学领域中的应用

表面肌电信号是一种使用表面电极来探索和记录肌肉表面电活动的技术。肌电信号在生物力学领域中主要被用来作为肌肉开始激活的指标,同时作为肌肉收缩产生力量以及肌肉内部产生疲劳的指标等。表面肌电信号作为研究肌肉的一种方法,告诉我们肌肉是否被激活、激活的程度大小和疲劳时激活的程度等。旨在着重讨论生物力学领域中的一些特定的表面肌电信号分析方面中的比较类型分析和频率疲劳分析问题。     

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.     

基于小波变换的表面肌电信号去噪方法

表面肌电信号是通过表面电极记录下来的神经肌肉活动时发放的生物电信号,它反映了神经、肌肉的功能状态。表面肌电信号在临床医学、运动医学、康复医学、神经生理学、电生理等领域被广泛应用。本文所研究的肌电信号是在右下臂上采集到的一组表面肌电信号,通过小波变换等方法对肌电信号进行去噪处理。实验表明,该方法能够有效的去除肌电信号的噪声,为下一步的信号分析打下良好的基础。     

基于肌电触发的上肢康复训练机器人的实现

在三自由度中央驱动式上肢康复训练机器人样机的基础上,通过提取患者的肌电信号,设计了一种肌电触发的助力训练控制方案,达到帮助上肢功能障碍患者进行助力康复训练的目的.运用多种电子技术,提取桡侧腕屈肌和尺侧腕屈肌这一对拮抗肌的表面肌电信号,结合运动系统的分层多核控制方案,实现对患者肌电信号的检测和处理,根据患者的运动意图提供相应的助力动作,实现肌电触发的助力训练模式.进行了肌电信号识别实验和速度调节验证实验,验证了肌电触发的速度可调式助力训练方案的可行性.     

新型腰背部运动训练系统及其效果检测

针对腰肌劳损、背部疼痛等腰背部疾病高发的问题,设计开发了1种腰背部运动训练系统。依据仿生学原理,通过模仿骑马的"8"字型动作,提出了该新型腰背部运动训练系统的技术方案,对机械结构和控制系统进行了设计。制作了新型腰背部运动训练系统的样机,进行了三维运动检测和表面肌电信号(s EMG)检测实验。结果表明,采用该新型腰背部运动系统进行运动训练时,腰方肌和竖背肌的积分肌电信号(IEMG)和肌电均方根(RMS)振幅为静坐状态时的3倍以上,具备有效调整腰背部肌肉运动特性的功能。     

基于表面肌电的人体与环境交互力预测

提出了一种基于人体表面肌电信号的交互力预测方法.该方法仅通过使用表面肌电信号,获取各肌肉的激活状态以表征其等长状态下的肌肉力,并输入前向人体动力学模型,对下压与推两个静态动作的交互力进行了预测.静力学模型中涉及到的参数通过贝叶斯线性回归算法获得.实验结果表明该方法所预测的交互力均方根误差在2.20N以下.     

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。     

基于辅助变量盲辨识方法的肌电信号识别分类

表面肌电信号(sEMG)是神经肌肉活动发放的生物电信号。本文从信号产生的根源出发,建立FIR模型,该模型的输入为信号源是不可测的,为了克服该不足本文提出采用盲辨识的方法辨识模型系数,以该系数作为表面肌电信号的特征,对6种手势动作识别分类,实验表明,该方法运算量小,分类能力较好。     

基于支持向量机的表面肌电信号动作模式识别

为更好地将表面肌电信号应用于智能轮椅的人机接口,提出了一种基于SVM的表面肌电信号动作模式的识别算法。采用一对一的方式构造SVM多值分类器,按照投票原则确定测试样本的类别归属,并与动作模式识别的核fisher算法和RBF神经网络算法进行了对比分析。实验结果表明,支持向量机(SVM)算法识别率更高,可以取得理想的学习效果和泛化性能,很好地解决小样本、非线性及局部极小值问题。     

基于SVM的表面肌电信号动作模式识别*

为更好地将表面肌电信号应用于智能轮椅的人机接口,提出了一种基于SVM的表面肌电信号动作模式的识别算法。采用一对一的方式构造SVM多值分类器,按照投票原则确定测试样本的类别归属,并与动作模式识别的核fisher算法和RBF神经网络算法进行了对比分析。实验结果表明,支持向量机(SVM)算法识别率更高,可以取得理想的学习效果和泛化性能,很好地解决小样本、非线性及局部极小值问题。     

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.     

关于高尔夫专业学生身体功能现状研究

通过文献资料法和实验法等研究方法,对临沂大学高尔夫专业学生身体功能现状研究进行了调查分析。在参阅大量相关资料基础上,以运动训练学理论、高尔夫挥杆技术分析及TPI体系(运用TPI的测试分析法来对学生身体功能现状进行测试,然后参考被试者高尔夫挥杆映像进行分析,对受限动作提出补偿方案和训练指导,提高训练质量)等理论专著为理论支撑,征询专家意见,初步了解临沂大学高尔夫专业学生的身体功能现状,深入研究分析提出训练方案和建议,提升学生进步空间,使学生球技水平达到更高的水平,了解自己的身体功能现状,研究与之对应的训练体系和动作模式,进而提升运动水平。     

速滑中腿部肌肉协调性同步肌电分析

为研究人体运动中腿部肌肉间的运动协调关系,提出了一种基于多肌电模型的同步肌电研究方法。该文以滑冰运动为例,采集了5名速滑运动员滑冰过程中腿部9块表层肌肉的肌电信号,分别建立每位运动员直道和弯道滑跑多肌电模型,并进行了多路肌电的同步相关性分析。分析结果表明:同一运动员完成相同动作时肌肉协调关系一致性好;而完成不同动作时的肌肉协调关系差异明显;不同运动员完成同一动作时,肌肉协调关系有较大差别。实验结果显示了同步肌电分析方法可以作为一种有效的量化评估肌肉间协调性的方法。     

基于径向基网络的表面肌电信号处理

利用AR模型对实验所采集到的原始二通道表面肌电信号（SEMG）加以分析,提取AR系数作为特征值,将其作为训练样本输入到RBF神经网络进行训练,用此网络对前臂的伸臂和曲臂两种运动模式的表面肌电信号进行模式分类。实验表明,基于径向基函数RBF神经网络分类准确率比BP神经网络更高,具有较强的鲁棒性和自适应能力,可以有效识别肌肉的单动作模式。     

基于双向长短时记忆神经网络的步态时空参数脑肌电解码方法

针对脑电(EEG)信号对连续步态轨迹解码结果与实际轨迹相关性低的问题,提出一种基于双向长短时记忆(BiLSTM)神经网络的步态参数解码方法。首先,构建基于双向长短时记忆神经网络的步态时空参数解码模型,根据脑肌电信号特性设计解码模型的超参数;其次,同步采集脑电、下肢运动相关肌肉的表面肌电信号(sEMG)和下肢关节运动信号,并对脑电和表面肌电信号的步态相关特征进行分析;然后,以多通道脑电和下肢运动相关表面肌电信号作为解码模型的输入,自动提取脑肌电融合信号中步态相关特征并构建膝踝关节运动轨迹与特征之间的非线性回归模型;最后,以多通道脑电作为解码模型的输入,构建步态相关脑电信号和表面肌电信号之间的非线性回归模型。实验结果表明：所提方法与传统支持向量机方法相比,对踝关节解码轨迹与实测轨迹形状相似性Pearson相关系数提高了0.12;与单独采用脑电、表面肌电信号和脑肌电信号平均绝对值特征融合信号进行解码方法相比,对踝关节解码轨迹与实测轨迹形状相似性Pearson相关系数分别提高了0.81、0.19和0.63。该方法可实现从脑电信号中对部分表面肌电信号波形的解码,解码波形和实测波形的平均Pears...     

基于表面肌电信号参数的人体上肢运动研究

根据检测得到的右上肢主肌肉群的肌电信号,探讨了人体右上肢主肌肉群的肌肉功能状态和男性与女性之间肌肉功能状态的差别.20位实验者右上肢完成13个基本动作,对三角肌、肱二头肌、肱三头肌、掌长肌和指伸肌五块肌肉进行肌电采集,用SPSS 14.0软件时特征参数平均振幅(AEMG)和积分肌电(IEMG)进行数据处理.结果表明:完成不同的日常生活活动,肌肉的活跃程度存在着一定的相似性和差异性;男性以增强指伸肌和三角肌为主,女性则以掌长肌和三角肌为主.实验数据可为老年人和残疾人康复训练及肌电信号控制提供一定的理论依据和指导作用.     

不同路况对人体下肢肌肉特征参数的影响

提高医疗康复辅具的智能化水平能够明显改善老年人等弱势群体的运动步态及肢体运动能力,以及增强他们的自理能力、社会参与能力.因此,有效地获取人体在不同运动模式下的步态信息并将其应用在智能动作辅助系统控制系统的设计上是目前需要解决的重要问题.肌电信号能够很好地反映人体在运动时的肌肉活动状态和功能状态,本文针对不同路况下人体下肢肌肉的表面肌电信号进行一系列实验研究.通过比较人体下肢主要肌肉群的特征参数,得出人体下肢存在优势侧和非优势侧的结论,且不同路况下的这种差别是不同的.此外,本研究还通过分析不同路况下行走时人体下肢4组主要肌肉群(股内侧肌(VMO)、胫骨前肌(TIB)、半腱肌(SEM)和腓肠内肌(MED))的特征参数变化,得知双下肢的肌肉特征参数随路况的变化而变化的具体参数特点.本研究揭示了在不同路况下行走时人体下肢主要肌群的活动状态和变化特征,可为有行走功能障碍的患者及老年人的医疗诊断、康复训练及康复评定提供依据,同时也为双足机器人/智能助行器的优化设计奠定了基础.     

一种肩颈部肌电信号识别的智能轮椅控制方法

为了实现利用肌电信号识别的智能轮椅系统控制,提出一种基于空域相关滤波的小波熵和近似熵特征提取与分类方法.通过分布在人体肩颈部的电极采集动作并产生多通道表面肌电信号,采用阈值比较与移动平均的数据分段方法确定活动段的起点和终点,在小波变换尺度间相关滤波的基础上提取活动段数据的小波熵和近似熵特征,设计具有二叉树结构的孪生支持向量机多类分类器,以完成5种动作模式的识别,并在预设的实验轨迹上对智能轮椅进行测试.结果表明,所提出的方法在人体头部左、右转以及双肩上提和左、右肩上提等动作模式下对肌电信号的识别率均达到88.75%.     

诱导脑部损伤患儿主动训练的电子手套

多数脑部损伤患儿患侧手指肌张力大,拇指呈内收状态,无法完成手指的张合动作,存在着手功能损伤。然而,临床上患儿手功能康复训练方式单调枯燥,不符合患儿的心理特点。该文设计了一种基于患儿心理特点的利用声、光信号诱导患儿主动训练的电子手套,并在中国康复研究中心进行了临床实验。实验表明:患儿患侧手指表面肌电信号的中位频率在康复训练后增大,说明用手套进行康复训练使患儿患侧肌肉耐力提高;静息状态下,患侧大鱼际肌与拇长伸肌表面肌电信号均方根与平均幅值在康复训练后减小,表明静息状态下大鱼际肌与拇长伸肌肌张力下降,患儿患侧手指运动控制能力增强。实验结果验证了该电子手套在脑部损伤患儿手功能康复训练中的有效性。