基于表面肌电的工人上肢肌肉疲劳试验研究

当人体进入疲劳状态时,表面肌电信号会发生相应的变化。为了探讨工人在持续上肢作业时肌肉疲劳对人体肌电信号的影响,针对疲劳与肌电信号的关系提出评价肌肉疲劳的数学模型,选取10名健康受试者进行机械操作与重物搬举作业。同时,使用表面肌电测试分析仪对肌电信号进行实时监测,采用方差分析、t检验和非线性拟合方法对疲劳与肌电信号的关系进行分析。结果表明,肌电信号的波动程度对生理疲劳有显著变化,上肢肌肉疲劳程度越重,其肌电信号恢复至正常值越久。非线性拟合结果显示,上肢肌肉疲劳的发展趋势呈现出"S型"的趋势。据此提出,疲劳失稳期前让受试者休息,可以减缓或延迟生理疲劳的发生。     

基于经验模态分解建模法的肌肉疲劳检测

针对表面肌电信号的非平稳特性,采用自回归(auto regression,AR)模型对表面肌电信号进行分析,对短时间内的表面肌电信号的肌肉疲劳迅速做出判定。首先对表面肌电信号进行经验模态分解,得到本征模态函数和趋势项,然后对趋势项进行零化处理,再对本征模态函数分量进行重构处理,重构后的信号可视为均值为零的平稳信号,最后将去势化的信号建立自回归模型,采用基于该模型的第一个时变参数(first time-varying parameter of auto regression modle,ARC1)作为检测肌肉疲劳灵敏度的快速指标。用疲劳前后的相关特征值的灵敏度波动比(sensitivity to variability ratio,SVR)来表征肌肉疲劳的灵敏度,较平均功率频率对疲劳反应灵敏度要高。该方法通过表面肌电信号对肌肉疲劳检测时,具有时间短、灵敏度高以及将表面肌电信号细微特征信息放大、便于识别等优点。     

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.     

基于经验模态分解建模法检测肌肉疲劳研究

本文针对表面肌电信号的非平稳特性,采用自回归模型（auto regression,AR）对表面肌电信号进行分析,对短时间内的表面肌电信号的肌肉疲劳迅速做出判定。首先对表面肌电信号进行经验模态分解,得到本征模态函数和趋势项,然后对趋势项进行零化处理,再对本征模态函数分量进行重构处理,重构后的信号可视为均值为零的平稳信号,最后将去势化的信号进行建立自回归模型,采用基于该模型的第一个时变参数（first time-varying parameter of auto regression modle,ARC1）作为检测肌肉疲劳灵敏度的快速指标。用疲劳前后的相关特征值的灵敏度波动比（sensitivity to variability ratio,SVR）来表征肌肉疲劳的灵敏度,较平均功率频率对疲劳反应灵敏度要高。该方法通过表面肌电信号对肌肉疲劳检测时,具有时间短、灵敏度高和将表面肌电信号细微特征信息放大、便于识别的效果等优点。     

草原公路行车驾驶员肩部表面肌电信号分析

内蒙古草原具有线形特殊,景观单调等特点,长时间在草原公路行车时极易引起肌肉疲劳。通过检测驾驶员肩部斜方肌的表面肌电信号,使用MPF指标并结合主观问卷调查评估在草原公路驾驶过程中的驾驶员肩部肌肉疲劳。结果表明6名驾驶员的MPF随着驾驶时间延长呈现波动下降趋势,但仅有17%的驾驶员主观感觉到肩部疲劳。实验结束后驾驶员肩部肌肉疲劳累积加重。     

基于超声图像的运动肌肉疲劳研究?

分析了运动肌肉疲劳前后肌肉形态结构参数的变化,为运动肌肉疲劳评价提供参考.文中应用B型超声技术,测量9名男性志愿者在递增负荷功率自行车运动疲劳前后下肢肌肉的肌肉厚度、羽状角并对其进行分析.结果表明功率自行车运动疲劳后,不同被测肌肉的肌肉厚度、羽状角较疲劳前显著增加(P0.05),其中大腿股外侧肌、股内侧肌的厚度变化率、羽状角变化率较大.得出了运动肌肉疲劳前后肌肉的肌肉厚度和羽状角发生变化,提示其可结合传统的表面肌电信号评估肌肉疲劳.     

肌肉疲劳过程中电诱发表面肌电信号的小波分析

分析由电刺激腓肠肌得到的表面肌电信号(Surface electromyography, SEMG),研究肌肉疲劳过程中表面肌电信号的特征,采用小波分析的方法,选择与M-波形状相似的小波函数,对其两个半波进行小波变换,分别分析两个半波在时域波形的拉伸程度,确定以小波变换尺度为主要依据的肌肉疲劳指数,实现疲劳状态的定量描述.该方法克服了傅里叶变换在时域中没有分辨率,信号在某一时刻变化将影响整个频谱特性的缺点,确定了特异性和可靠性良好的表征肌肉疲劳的SEMG指标,为进一步应用这些指标评价肌肉功能状态提供理论依据.     

基于ReliefF-NOSCA-AdakNN的肌肉疲劳识别技术研究

针对竞技体育训练中的肌肉疲劳监测问题,提出了一种基于ReliefF-NOSCA-AdakNN（RNA）的表面肌电信号（sEMG）特征提取和分类算法. 该算法结合了特征和类别之间的相关性分析和启发式搜索算法,对高维特征进行了有效的筛选和分类. 将RNA算法应用于经过滤波处理的肱二头肌肌电信号数据,对不同疲劳状态进行了识别和分类. 实验结果表明,提出的RNA算法在平均分类准确率和标准差方面分别达到了83.88%和0.012 7,均显著优于传统单一算法,体现了较好的分类性能.     

基于超声透射法的组织特性谱分析

针对生物组织的超声诊断问题,基于超声透射法在生物组织中的传播机理,分析了超声在生物组织中的传输衰减特征与生物组织特性及超声频率参数间的关系,提出了超声波在生物组织中传输衰减的理论计算公式。经过计算比较,实验值与理论计算接近,该理论公式可以应用于对生物组织状况的分析。通过超声透射法对生物组织进行实验检测,证实了理论公式定量评估组织状态的有效性,同时表明基于超声透射法的谱分析对组织的可辨识度高,提高了超声对生物组织结构状态诊断的有效性。     

认知行为信号处理与模式识别

该研究报告以驾驶舱设计为背景和出发点,通过对驾驶舱设计理念和布局规则的深入理解,结合人因学理论以及特定的飞行操控,将飞行员的肌电信号特征作为研究对象,通过信号的分解、相关性分析、选择、组合4个过程,选择合适的信号处理和模式识别的方法,从信息学角度揭示飞行操控中肌电信号的状态特征,并结合生理学、人因学、飞行器设计等理论得出飞行员的操作绩效,使飞机驾驶舱内的仪器仪表、操纵驾驶杆等合理有效地放入驾驶舱且满足飞行员的要求,形成一系列行之有效的信号处理体系,最终为驾驶舱的设计提供指导或参考,以及为驾驶舱适航符合性验证提供帮助。研究过程通过搜集前人的肌电信号分析方法,在传统的傅里叶变换,时域指标和频域指标,小波变换等等方法的运用,发现这些方法在静态疲劳检测方面有很好的结果,但是运用在动态疲劳检测中效果不佳。随着希尔伯特黄变换的提出,EMD在生物信号处理、结构检测等非稳态、非线性信号上有很好的运用。该研究比较了EMD与EEMD在肌电信号分解中的性能,提出基于EEMD和Hilbert变换的动态疲劳评价方法。实验证明基于平均瞬时频率的疲劳指标很好的表征动态肌电信号的疲劳趋势。实验结果显示,我们提出的动态肌电信号疲劳特征指标(瞬时平均频率),可以监测飞行员生理疲劳参数的实时状态。并且基于现有的信号处理体系信号分解—相关性分析—分量筛选—分量重构,在揭示肌电信号物理意义并将其运用在理论研究和工程实践中都十分适合,为解决高维、多类、大量的数据(包括生物信号、飞行数据等)的采集,并进行信号分解后,结合相关性分析,提取出其中有意义、需要重点研究的分量,进行信号重组突出研究。