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.     

臂部桡神经的应用解剖

目的为临床手术时提供桡神经的解剖学资料.方法在44例成人尸体上肢标本上观察臂部桡神经的行经.结果桡神经进入桡神经沟时位于胸大肌腱止端内侧(2.23±0.24)cm,喙突下方(11.21±0.42)cm.结论胸大肌腱止点纵行切开骨膜可避免损伤桡神经上段;沿骨膜向远侧分离可避免损伤桡神经中段;沿肱肌中线分开肱肌至骨膜下可避免损伤桡神经下段.     

浅谈蝶泳运动员力量训练

由于蝶泳的技术主要集中于躯干、腿及臂三个部分,因此运动员需要加强腰腹、下肢和上肢专项力量训练。通过陆上训练和水中训练的方式增强运动员的腹直肌、斜方肌、背阔肌、三角肌、肱三头肌、肱二头肌、胸大肌及胸小肌等原动肌的力量素质。并且将陆上训练的素质要转变为水中的力量才能提高游泳成绩,相比之下,水中力量训练的效果更直接。     

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.     

肌肉组织疲劳过程的超声衰减特征

基于超声波在生物软组织中的传播机理以及肌肉疲劳过程中组织厚度、弹性等特征的变化,研究了超声衰减特性与肌肉疲劳过程的相关性,理论分析了超声波幅度随肌肉疲劳的变化规律。设计针对右肱二头肌的实验,探讨了激励声波在逐渐疲劳的组织中传输的响应规律。同步采集表面肌电信号,研究肌肉疲劳过程中肌电信号与超声衰减特征的相关性。理论分析及实验结果表明,在肌肉疲劳过程中,随着疲劳程度的增强,超声波传输后平均能量幅度逐渐减小,其减小趋势满足指数衰减规律,同时同步采集的表面肌电信号均方根值呈线性增加趋势。     

桡神经前臂段浅层肌支的定位观察

目的：为给前臂部创伤修复及肌瓣移植提供形态学依据。方法：采用解剖剥离测量方法，对25具（共50例）成人上肢标本的桡神经浅层肌支进行自身比例定位研究。结果：①桡神经发出的各肌支主要以2支型出现率最多；②桡神经发出的各肌支主要集中于上肢的Ⅵ段；③桡神经发出的各肌支进入各肌门的区位，均有倾向于以神经干为轴心近距离分布的规律。结论：确定了桡神经肌支的危险区段和危险区位，有利于开展带神经血管蒂肌瓣移植的肌支类型。     

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.     

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．     

一种基于sEMG信号的手势识别方法研究

随着机器人技术的发展,利用表面肌电(surface electromyography,sEMG)信号进行动作识别成为研究的热点.针对sEMG与手部动作关系复杂且实际应用困难的问题,该文提出一种基于BP(back propagation)神经网络的模式识别系统,可通过指浅屈肌和肱挠肌的2路sEMG信息源,识别手部6种不同姿态.该研究采用1阶数字低通无限脉冲响应滤波器提取信号包络,并利用能量特征值进行端点检测,选取短时能量、过零率和12阶线性预测系数进行模式识别.实验结果表明:该方法可以达到90%以上的识别正确率,具有一定的实际应用前景.     

提高扭转振动信号分析精度的方法研究

在采用三点卷积幅值修正方法和比值校正法大幅度提高扭振稳态信号幅值分析精度的同时,针对发动机升降速过程中扭振时变信号存在低频滚振干扰,不能采用转速跟踪分析直接进行分析的特点,提出了将一次采样样本所包含的整周期数扩大一倍,加Ｈａｎｎｉｎｇ窗进行转速跟踪分析的方法,消除了低频滚振的影响,大大提高了升降速过程扭振各谐次幅值分析精度．仿真研究和应用实例证明,除瞬态分析时所分析的第一谐次幅值有较大的误差外,其余谐次幅值精度都很高,其中对稳态信号分析误差小于１％．     

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。     

基于自适应形态小波的轧机电气信号压缩方法

针对非线性、非平稳信号的数据压缩问题,提出了一种基于自适应形态小波的轧机电气信号压缩方法.结合电气信号的形态特征,采用中值算子作为形态小波的更新算子对信号进行分解,从而实现根据信号的局部形态特征,自适应地调整形态小波分解的更新算子.工业现场实际轧机电气信号的数据压缩实验证明:利用这种形态小波信号压缩方法,可以获得高压缩比的信号,并能保留信号的形态特征;同时,这种形态小波信号压缩方法运算量小,可以应用到实时性要求较高的在线监测系统中.     

新手方式与专家方式的共存通用

本文介绍了屏幕界面系统中兼顾专家用户和新手用户的共存通用操作方法和设计思想，并用Ｃ语言编程加以实现。     

支持向量机在表面肌电信号模式分类中的应用

采用小波变换的方法对实验采集的原始四通道表面肌电信号(sEMG)进行了分析,并提取小波分解系数的奇异值构建特征矢量,利用“一对一”分类策略和二叉树设计的多类支持向量机(SVM)分类器,很好地实现了对前臂8种运动表面肌电信号的模式分类,8种运动模式的平均识别率为98.75%.研究表明SVM分类准确率明显优于传统的BP神经网络、Elman神经网络和RBF神经网络分类器,且识别精度高,鲁棒性好,对肌电信号及其他非平稳生理电信号的模式识别,提供了一种具有良好应用前景的新方法.     

基于局域均值分解的轧制力响应频率提取

在轧制生产过程中,轧制力信号是用于轧件厚度控制的基本信号,该信号包含有大量其他信息,这些信息主要通过频率和幅值表示,其中频率信息也反映了轧机在轧制力传感器安装点处的综合响应。采用局域均值分解(LMD)时频分析的方法,先将频率信息的实测信号进行LMD分解,再利用希尔伯特变换求取各个乘积函数(PF)分量的瞬时频率,最后通过对多组轧制力传感器实测数据的求解得到该综合响应中各频率的大小。利用这一方法,对某厂1700mm五机架冷连轧四辊轧机第一机架的多卷轧制力传感器数据的频率信息进行提取,得到其响应的基频为8.5Hz,三倍频为25.5Hz。     

基于视觉和操作类脑电信号的脑力负荷分类

针对视觉和操作类任务，提出了一种基于脑电独立分量特征的脑力负荷分类方法.利用独立分量分析法从混合脑电信号中分解获得脑电信号的独立分量，再提取脑电独立分量的4个不同频段的能量特征，并对能量特征进行分类.基于脑电信号特征和脑电独立分量特征分别进行了脑力负荷分类实验，得到平均分类准确率分别为60.52%，86.14%，后者比前者提高了42.33%.     

采用迁移学习的表面肌电信号手势识别方法

为解决采用表面肌电信号(surface electromyography, sEMG)进行手势识别时电极贴片位移、受试者动作变化等复杂情况下分类识别准确率下降这一问题,提出了一种基于表面肌电信号与迁移学习的手势分类模型。首先对4通道表面肌电信号进行活动段提取与降噪处理,然后提取活动段信号的四种时域特征与两种频域特征。采用流形嵌入分布对齐(manifold embedded distribution alignment,MEDA)方法将源领域和目标领域的特征矩阵嵌入到格拉斯曼流形中进行流形特征学习,减小两域之间的数据差异,消除特征退化;同时根据自适应因子执行动态分布对齐,动态调整数据不同分布差异下边缘分布和条件分布的相对重要性。对多名受试者开展实验以验证所提方法的合理性,实验结果表明:所提方法与决策树(decision tree, DT)、支持向量机(support vector machine,SVM)、k临近(k-nearest neighbor,KNN)三种传统机器学习方法相比,识别准确率分别提高了13%、21%、9%。与未执行流形学习与动态分布对齐的联合分布适配(joint distribution adaptation,JDA)迁移学习方法相比,识别准确率提高了52%,达到93%。     

基于自适应Chirplet分解的偏瘫肌强直症状评估

为对偏瘫患者的痉挛性肌强直症状进行定量评价,设计了一种基于自适应Ch irp let(线性调频小波)分解的表面肌电信号处理方法。采集了15例偏瘫患者在上肢单关节神经康复机器人上做肘关节被动屈伸动作时肱二头肌的表面肌电信号。通过比较不同患者的最优Ch irp let时频参数,量化评价患者肌强直症状。结果表明:通过该方法得到的患者在出现肌强直症状时的肌纤维放电时间与患者相应的简式Fug l-M eyer运动功能评价(上肢)分数存在较好的线性关系,可以从一个方面反映偏瘫患者患侧上肢的运动功能。     

基于自适应Chirplet分解的偏瘫肌强直症状评估

为对偏瘫患者的痉挛性肌强直症状进行定量评价,设计了一种基于自适应Chirplet(线性调频小波)分解的表面肌电信号处理方法。采集了15例偏瘫患者在上肢单关节神经康复机器人上做肘关节被动屈伸动作时肱二头肌的表面肌电信号。通过比较不同患者的最优Chirplet时频参数,量化评价患者肌强直症状。结果表明:通过该方法得到的患者在出现肌强直症状时的肌纤维放电时间与患者相应的简式Fugl-Meyer运动功能评价(上肢)分数存在较好的线性关系,可以从一个方面反映偏瘫患者患侧上肢的运动功能。