静态负荷诱发肌肉疲劳后恢复期sEMG信号变化规律

目的:探讨肌肉疲劳过程中sEMG功率谱变化与H+的关系以及可能存在的其它影响因素。方法:利用肌肉进行疲劳收缩结束后,短时间内肌肉pH值尚无明显改变的特性,观察恢复期30s内sEMG功率谱的变化规律。八名男性受试者,以肱二头肌为目标肌肉,负荷强度为60%MVC,静态持续负荷至疲劳点后,在恢复期以同样负荷分别观察2s、4s、6s、8s、10s、20s、30s时的sEMG信号特征。结果:肱二头肌在以60%MVC静态疲劳负荷过程中MPF呈线性下降。在疲劳负荷后的恢复期,MPF恢复极其迅速,运动结束后仅2s,MPF已恢复到整个下降范围的26.5%;至30s,MPF已恢复到整个下降范围的87.7%。结论:由[H+]增加引起的肌纤维动作电位传导速度下降不是决定sEMG功率谱左移的唯一因素,提示sEMG功率谱左移可能与神经源性的中枢机制的作用有关。

等长负荷诱发肱二头肌疲劳过程中sEMG信号变化

本研究比较了等长负荷诱发肱二头肌疲劳过程中sEMG信号时域和频域指标变化的特异性、有效性和可靠性。研究发现 :( 1)频域指标在肌肉疲劳过程中均呈明显的直线递减型变化 ,而时域指标的变化则有较大的变异 ;( 2 )频域指标时间序列曲线的斜率不受受试者皮下脂肪厚度和肢体围度的影响 ,而时域指标则易受影响 ;( 3)频域指标时间序列曲线的斜率与负荷持续时间明显相关 ,而时域指标的相关不明显。

动态运动诱发腰部脊竖肌疲劳过程中sEMG信号变化特征

本研究的目的在于观察动态运动诱发腰部脊竖肌疲劳过程中 s EMG信号线性分析指标MPF和非线性分析指标 L em pel- Ziv复杂度和近似熵的动态变化规律 ,确定能够较好地运用于脊竖肌功能评价的 s EMG指标。研究结果表明 ,动态运动过程中 ,腰部脊竖肌 s EMG信号的MPF和 L em pel- Ziv复杂度均呈明显的线性规律下降 ;70 %的受试者的近似熵呈先升后降型变化 ;以 MPF下降来预测腰部脊竖肌功能水平的外部效度优于 L empel- Ziv复杂度。研究结果提示 ,s

等长负荷诱发腰部脊竖肌疲劳时sEMG的变化

本研究探讨了等长负荷诱发腰部脊竖肌疲劳过程中 s EMG信号的时、频指标变化规律和特点。研究发现 :时域指标在肌肉疲劳过程变化的特异性较差 ,而频域指标的特异性较好 ,且其时间序列曲线的斜率与等长负荷持续时间呈明显统计相关。研究结果表明 ,s

基于sEMG与K-means聚类的上肢痉挛状态定量评定方法

为解决临床痉挛状态评定主观性大,信度效度待提高的问题,提出基于表面肌电(surface electromyography,s EMG)信号与K-means聚类的上肢痉挛状态定量评定方法。结合时频域分析与非线性动力学分析方法,利用s EMG信号希尔伯特-黄变换(Hilbert-Huang transform,HHT)边际谱熵判定牵张反射肌电阈值(stretch reflex onset,SRO);取SRO后固定长度s EMG信号均方根(root mean square,RMS)个体差异消除后得到的均方根差值(RMS difference,RMSD)评定痉挛状态,利用K-means聚类算法对RMSD分类以重新评估痉挛状态。实验数据表明HHT边际谱熵能够准确识别SRO(识别率:95%),且在背景含尖锐毛刺噪声以及短时信号处理上表现出很好的性能;RMSD与改良Ashworth量表(modified Ashworth scale,MAS)评分显著相关(test:r=0.843,r2=0.711,p<0.01;retest:r=0.836,r2=0.699,p<0.01),重测信度良好;基于K-means聚类算法的痉挛状态等级与RMSD相关性为(test:r=0.946,r2=0.895,p<0.01;retest:r=0.942,r2=0.887,p<0.01),且各组之间差异性显著(p<0.01)。实验结果表明,该方法可为上肢痉挛状态评定提供一种客观定量的分析手段,相比于MAS能更好的定量评定与细分痉挛状态。

神经肌肉电刺激诱发的下肢运动疲劳信息检测与处理技术研究

限制神经肌肉电刺激(NMES)广泛应用的一个主要因素就是由其诱发的肌疲劳。设计NMES诱发下肢运动条件下的肌疲劳检测系统。分别进行膝关节角度的检测和表面肌电信号(sEMG)的频谱分析。研究表明,平均频率(MNF)、中值频率(MDF)及AR时变参数模型参量是评价NMES诱发肌疲劳的可靠指标,并且AR模型具有显著的高分辨灵敏度,最大变化率为90.23%,大于平均频率的43.82%和中值频率的55.49%,为NMES使用过程中诱发肌疲劳的准确评价和反馈寻找到一种可行的方法。

表面肌电检测中消除工频干扰的方法

从硬件和软件数字信号处理方面介绍了表面肌电检测中消除工频干扰的方法,硬件上采用了共模屏蔽驱动电路,模拟陷波器;数字信号处理方面应用自适应数字陷波器和谱内插的方法。模拟陷波器和数字陷波器由于消除工频干扰的同时也去除了信号成分,一般只在简单生物反馈中使用。谱内插的方法是在假设真实信号的50Hz成分可以通过内插法由相邻的频率成分估计出,这样就可以消除工频干扰,而且即使工频干扰的相位发生变化也可很好的消除其影响。

表面肌电信号的降噪处理

表面肌电信号是一种易受多种噪声影响的生物电信号,其中以工频干扰、基线漂移、白噪声等干扰尤为严重。通过分析噪声干扰的特点,结合表面肌电信号特征,选取频谱插值法在频域内消除了工频干扰;利用形态学滤波的开闭运算得到基线漂移特征,从而滤除了基线漂移;基于经验模态分解(EMD)得到的本质模态函数分析消除了白噪声。实验结果表明:上述滤波方法在不损坏有用信号的前提下,可以实现较为满意的滤波效果。

HHT方法在人体下肢表面肌电信号分析中的应用

针对表面肌电信号是非线性非稳态信号的特点,为了得到信号的有效特征并对信号特征进行有效分析,采用HHT(Hilbert-Huang Transformation)分析方法,通过经验模态分解将信号分解为一组内蕴模态函数。基于各内蕴模态函数的频率特征的分析,对它们进行HHT变换建立表面肌电信号的时间-频率-能量三维Hilbert谱,进而得到信号的边际谱。文中给出基于经验模态分解阈值消噪方法,和小波阈值方法相比,其消噪效果明显,在抑制噪声的同时,能够较好保留信号边缘和细节信息。初步实验表明HHT方法为表面肌电信号的特征提取和模式识别提供了可靠的依据,具有很好的应用前景。

基于STM32处理器的表面肌电无线采集装置设计

为了可靠获取人体运动意图,对假肢、外骨骼机器人进行有效控制,评价助力效果,设计了一种基于STM32处理器的无线肌电采集装置。介绍了装置的前端调理硬件电路、无线传输和上位机数据处理的设计方案,给出了工频滤波算法及表面肌电信号的简单特征提取方法。这种表面肌电采集装置具有通道数目多、实时性强、数据传输距离远、精度高、操作简便等优点。如果将采集装置构成表面肌电采集阵列,可用于复杂手势的识别。

隧道防水工钉枪作业局部肌肉负荷与疲劳预警的分析与研究

目的 利用表面肌电描记(surface electromyography,sEMG)技术探究隧道防水作业典型肌肉负荷水平与肌肉疲劳间的关系,为客观评定肌肉疲劳提供方法依据。方法 2023年4月,采用现场实验方法,从隧道防水施工现场选择9名钉枪作业人员,使用sEMG方法采集其防水作业全流程中肱桡肌、肱二头肌和肱三头肌的表面肌电信号,并通过问卷调查其主观疲劳感觉(rating of perceived exertion,RPE)分值,分析目标肌肉时域、频域指标和RPE分值的关系,利用联合频谱振幅分析法(joint amplitude and spectrum analysis,JASA)对受试对象局部肌肉疲劳情况进行分析。结果 9名受试对象相同疲劳程度(以RPE分值计)下的肌电数据符合正态分布(P> 0.05)。随RPE分值逐渐上升,对应肱桡肌标准化均方根值(percentage of maximal voluntary electrical activation,MVE)呈先上升、再下降又快速上升的趋势,肱二头肌的肌电MVE呈波动上升的趋势,而肱三头肌肌电MVE呈先下降、再快速上升又下降的趋势;随RPE评分逐渐上升,对应肱桡肌、肱二头肌的肌电中位频率(media frequency,MF)呈先上升、再下降的趋势,肱三头肌的肌电MF呈波动下降的趋势。不同RPE分值组肱二头肌、肱桡肌、肱三头肌的肌电MVE、MF差异均有统计学意义(P <0.01)。肱桡肌在RPE分值为10分、15分和17分时出现疲劳;肱二头肌在RPE分值为13分、14分、16分和17分时出现疲劳;肱三头肌在RPE分值为11分、12分、13分、14分和15分时出现疲劳。结论 表面肌电的时域和频域信号通过JASA法判别受试对象当前肌肉疲劳状态与主观RPE分值调查有一致性,但表面肌电技术在实际作业场景中应用尚存在问题,仍需要进一步探究。