气动腰部助力外骨骼在重复搬抬任务中对腰背疲劳的影响

为探讨辅助装置是否可以减少重复性搬抬任务期间下背部肌肉的活动或疲劳,开发了一种使用气动肌肉来减轻下背部压力的可穿戴动力辅助装置。记录受试者在15分钟内进行90次提升时竖脊肌的肌电图(胸椎第9椎和腰椎第3椎)、心率和Borg感知运动量表评分。结果发现,使用可穿戴式动力辅助装置进行搬抬前后,胸椎和腰椎竖脊肌的肌电波幅值分别增加32.45%和40.17%;不使用时则分别增加125.78%和85.90%。佩戴胸椎(2.72%vs7.45%)和腰椎(3.91%vs13.70%)竖脊肌辅助装置时,肌电图中位频率从提升开始到结束的下降幅度显著降低,心率和Borg量表评分的变化也显著下降(p<0.05)。结果表明,与不使用相比,使用可穿戴式动力辅助装置可减少背部肌肉收缩,这可能会减少整个搬抬过程中背部肌肉的疲劳程度。

基于双字典集的信号稀疏分解算法

为得到关于信号更为稀疏的表示,提出一种基于双字典集的信号稀疏分解算法。在算法过程中,建立如下两个字典集:已选字典集和待选字典集。该算法以重复加权提升搜索(RWBS)算法为基础,增加了一步更为严格的从待选字典集中选择最佳核函数的过程,故该算法在保留初始算法的优点的同时,可以产生更为稀疏的模型。通过仿真实验和真实数据实验验证了所提算法的性能。

地震信号稀疏分解的快速方法

稀疏化方法由于能够实现地震信号的高精度分解,已经成为重要的地震信号处理技术.目前地震信号稀疏分解常采用的方法是匹配追踪算法(Matching Pursuit,MP),但所得结果不够稀疏.针对此局限,提出了一种基于重复加权提升搜索算法(Repeated Weighted Boostmg Search,RWBS)的快速分解方法.首先,根据地震信号的频谱图缩小频率搜索范围;然后,将搜索算法RWBS与正交匹配追踪(Orthogonal Matching Pursuit,OMP)方法相结合,就得到一种快速的稀疏分解方法,将本文的方法应用到人工合成和实际的地震数据处理中,并与MP和OMP追踪算法作比较,说明采用本文方法进行地震信号分解在稀疏度和分解速度方面都有提高,仿真实验结果表明,与MP和OMP分解算法相比,在满足相同的分解精度条件下,RWBS算法不仅大大提高了分解的稀疏度,而且提高分解速度.与OMP算法相比较.基于RWBS的新方法分解所需的时间减少了约87%;与MP算法相比较,新方法分解所需的时间减少约50%.