主动肌和拮抗肌的针电极EMG信号中值频率关系研究

主动肌和拮抗肌的针电极ＥＭＧ信号中值频率关系研究杨基海孙路遥胡文军章劲松周平（中国科学技术大学合肥２３００２６神经肌肉系统的“共驱动”现象是当前肌电研究领域的一个重要理论课题。本文将正常人体肘关节的肱二头肌和肱三头肌分别作为主动肌或拮抗肌，在持续恒力...

EMG信号的计算机自动识别与处理系统

目的 建立EMG信号的计算机自动识别与处理系统 ,探讨该系统对各种神经、肌肉疾病肌电图诊断的临床价值 ;方法 系统利用各种信号处理技术 ,通过计算机提取轻收缩运动电位、重收缩波形 ,给出各特征参数 ;结果 该系统可快速、准确处理肌电信号数据 ,结合肌电图数值特征 ,给出诊断结果 ;结论 该系统设计科学、诊断快速、准确 。

基于sEMG信号的不同年龄下男性肌肉疲劳特性研究

表面肌电图(surface electromyography,sEMG)是记录肌肉肌力首选方法[1],利用表面电极技术从骨骼肌表面导出多个运动时所产生的电变化在时间和空间叠加,与肌肉的纤维组成、解剖结构及功能状态、运动单元数量、放电频率等都有密切关系[2-3]。根据医学研究,12-19岁人群被称为Adolescents;20-29岁人群被称为Vicenarian;30-39岁人群被称为Tricenarian[4]。

基于EMG信号的无声语音识别应用及实现

提出了基于肌电信号(EMG)的无声语音识别系统。由于该系统是通过EMG信号而非声音信号进行识别,因此可应用于高噪声环境和帮助失去发音能力的人实现无声交流,有着良好的应用前景。关于该系统的实现,提出了以下方法:实验时使用0-9十个中文数字,由受试者不发声地重复说出,从三块面部肌肉采集EMG信号;对EMG信号进行小波变换,获取变换系数矩阵后提取其能量值,构造特征矢量送入BP神经网络分类器分类。实验表明,基于小波变换的特征提取方法是一种有效的方法,适用于类似EMG信号的非平稳生理信号。

EMG信号的一种合成方法研究

利用改进了的肌电信号模型，完成了单纤维动作电位（ＳＰＡＰ）和运动单位动作电位（ＭＵＡＰ）的计算机模拟．以此为基础，结合肌肉组织的生理结构和肌电信号的产生原理，首先由多路ＳＰＡＰ信号经过符合生理特性的变换处理后，合成一路ＭＵＡＰ信号，然后考虑人体组织对肌电信号的衰减作用，对具有不同发放率的ＭＵＡＰ序列进行ＥＭＧ信号的合成．这种人工合成的ＥＭＧ信号有助于从理论上研究肌电信号的发放率和传导速度等特性，并将为肌电信号的分解给出一个合理标准．

划船运动员静力及动力性肌肉运动疲劳时肌氧含量的变化特征及对EMG参数的影响

研究目的:1)研究静力和动力性肌肉运动疲劳时肌肉氧含量的变化特点及其规律;2)了解静力性、动力性递增强度运动时EMG参数变化;3)探讨肌氧含量与EMG参数变化之间的关系,为肌肉疲劳时影响肌电-肌氧机制提供可能的理论基础。研究方法:1)肌氧含量的测试:探头纵向旋转让光源和检测器的轴线平行于股外侧肌外侧头大腿测定运动时肌氧含量的变化;2)肌电的测试:采用表面肌电图的测量,得出表面电图各指标参数;3)静力负荷等长收缩:通过力量传感器测出其最大肌肉收缩所对应的MVC;4)动力性负荷运动:采取功率自行车逐级递增负荷的测试方法作为肌肉的动力性运动,同步记录EMG参数,并在每一级负荷末30s采血测定血乳酸浓度。结论:静力性运动时E/T值大幅度增大的时间大多出现在肌氧停止下降之后,肌氧的降低程度与肌肉疲劳程度有关。动力性运动时血乳酸值随负荷而增加,IEMG的变化趋势与血乳酸相似,IEMG、Oxy-Hb、BL值三者呈非常显著性相关,表明肌肉疲劳时肌肉氧供和内环境的改变也是影响EMG信号的重要因素。

改进BP神经网络的EMG手指运动识别

在基于肌电信号(EMG)手指运动的模式识别中,稳定性和识别率是两个主要问题,为此提出了一种新的EMG模式识别算法。该算法采用现代信号处理理论中的AR模型和改进的BP神经网络相结合的算法,有效的解决了BP网络识别中落入局部极值问题。进行试验,将提取到的特征值输入MATLAB建立一个改进多层BP神经网络,识别三个不同类型的手指运动。实验表明,改进BP算法较传统BP算法获得了更高的识别精度,达到94%左右。

肌电信号分解的一种方法(英文)

肌电信号的分解是根据肌电信号形成的机理 ,还原出构成它的各个运动单位动作电位序列 (MUAPT)的过程 .本文首先采用匹配滤波的方法 ,对组成EMG信号的各个运动单位动作电位 (MUAP)进行检测和提取 .算法能自适应地更新匹配滤波器和标准MUAP模板 ,以跟踪MUAP在发放过程中的缓慢变化 .利用获得的基本MUAP模板 ,根据叠加波形与构成它的各MUAP波形之间面积关系 ,得出可能的MUAP组合 .然后再根据每个MUAP的发放特点 ,采用模糊算法 ,从而得到最终的结果 .还利用模拟肌电信号和真实肌电信号对分解算法进行了实验 。

基于肌肉电信号控制的假肢用机械手的设计

介绍了一种灵巧机械手的设计和控制,这种机械手可以作为多功能的上肢假肢.此机械手包含了手和手腕的设计.它的手部可以完成四种抓取模式(握,捏,侧握,侧捏),腕部可以屈曲和旋转.所有的这些动作仅有四个电机来控制.在尺寸优化的基础上,建立了食指的运动学模型并求出了食指运动学的正解和逆解.从而为进一步研究机械手的轨迹规划和控制问题提供了理论依据.最后,简要描述了肌肉电信号的产生以及如何利用肌肉电信号来控制该假肢的运动.

基于DTW算法的肌电信号手势识别方法

为了提高肌电信号手势识别算法的准确度,增强实时性,提出了一种基于动态时间规整(DTW)算法的手势识别方法,该方法利用肌电信号(EMG)对个体间的手势进行识别。首先,采用滑动平均能量的方法对原始的EMG信号进行数据分割,探测有效动作;其次,对于分割的数据段使用平均绝对值(MAV)来提取信号特征;最后,用DTW算法将8维的EMG信号融合并计算测试样本和模版的相似度,其中采用了DTW算法寻找规整路径的方法进行了模板制作,实现了个体间的手势识别。实验结果表明,使用DTW算法对肌电信号进行手势识别,其动作识别的准确率达到96.09%,该方法计算速度快,实时性强。

一种双路并行的大规模手势识别模型

文章以大规模手势为研究对象,提出一种基于肌电信号(electromyography,EMG)分支和惯性测量单元(inertial measurement unit,IMU)分支的双路并行手势识别模型。首先,设计双路并行模型来充分提取数据特征,EMG分支利用二维卷积神经网络设计双流结构,分别关注EMG信号的空间和通道变化,IMU分支在卷积长短时记忆(convolutional long short-term memory,ConvLSTM)网络基础上引入时间机制,将空间信息与时间信息融合;其次,对模型预训练并根据预训练模型进行参数微调,提高模型泛化性;最后,在500个常用的中国手语手势上进行测试,结果表明,该模型平均识别率为82.1%,与SignSpeaker和CG-Recognizer相比分别提高了21.0%和6.8%。

sEMG常用时频方法及其用于分析动态肌肉疲劳时的策略

表面肌电图（surface electromyography,sEMG）是获取肌肉疲劳信息的常用手段之一。目前分析sEMG的常用方法主要包括时域分析（time domain）、频域分析（frequency domain）和时频分析（time-frequency analysis）等。时域分析是指分析计EMG信号随时间变化的变量,如过零率（ZCR）、积分肌电（iEMG）、均方根振幅（RMS）

Multifractal analysis of surface EMG signals for assessing muscle fatigue during static contractions

This study is aimed at assessing muscle fatigue during a static contraction using multifractal analysis and found that the surface electromyographic (SEMG) signals characterized multifractality during a static contraction. By applying the method of direct determination of the f(α) singularity spectrum, the area of the multifractal spectrum of the SEMG signals was computed. The results showed that the spectrum area significantly increased during muscle fatigue. Therefore the area could be used as an assessor of muscle fatigue. Compared with the median frequency (MDF)―the most popular indicator of muscle fatigue, the spectrum area presented here showed higher sensitivity during a static contraction. So the singularity spectrum area is considered to be a more effective indicator than the MDF for estimating muscle fatigue.

The SVD of the EMG basis on the FFT of the Kaiser window

The EMG signal is a present field of research which is a driving force in sources of rehabilitating robots. The FFT with Kaiser Window was used in this paper to analyze the spectral characteristics of the EMG signal according to the characteristic of time changing and nonlinearity for the EMG signal and good results have been obtained. The singular value expressing the property of every EMG signal at each channel was taken out. It offered important data for the actual control of rehabilitating robots.

融合脑电与肌电信号分析的沙发靠背角度适老性测定

沙发的舒适度与腰腹部肌肉放松程度相关。长时间久坐腰腹部负荷增大,对于生理机能下降的老年用户有造成关节腰肌劳损等风险。本研究探究靠背倾角变化与适老性程度之间的关系,为获取适老性的靠背角度数值,以脑电图(EEG)、肌电图(EMG)信号作为疲劳度适老性的检验依据。通过自主招募19名老年被试,用无线脑电设备与表面肌电传感器针对EEG和EMG信号进行采集,探究沙发靠背倾角在105°,115°,125°以及135°下老年用户疲劳状况。结果表明:老年被试在进行靠背倾角实验时,EEG信号有显著波动,其中靠背倾角处于135°时β波段功率增长,疲劳度增加。EMG信号指标分析中,当靠背倾角处于125°状态时,受检测的8块肌群处于最放松状态,疲劳度缓解,靠背倾角在105°至135°转变过程中,肌群的疲劳度逐步转移,由小腿肌群转至背部肌群,过分倾斜会导致长时间背部受力以至肌肉酸痛无力。此次试验综合EEG与EMG信号得出靠背倾斜角度为125°最适合老年用户处于休闲状态使用。

用肌电信号实时控制虚拟机械手臂

研究了利用肌电信号来实时控制机械手的运动。采集人体上肢在垂直面上做屈伸运动时的肱二头肌和肱三头肌的肌电信号及关节角度信号,将经过处理的肌电信号和时间信号输入到一个神经网络预测器来预测关节角度。将预测的关节角度作为虚拟机械手的控制信号,控制机械手做与人相同的运动。试验结果显示,机械手的运动轨迹与人的上肢肘关节角轨迹的最大均方差小于2°,且具有很强的相关性,实现了肌电信号控制虚拟机械手的动画显示。

基于虚拟仪器技术的肌肉电信号测量系统

人类的肌肉电信号是一种相当复杂的微弱信号,根据肌肉电信号的特点,采用虚拟仪器设计开发了一套肌肉电信号的采集和处理系统,该系统采用自适应滤波器,基于LABVIEW和MATLAB编程完成。通过这一系统可以对肌肉电信号进行时域分析、频域分析和采集数据的管理。实验证明,该系统具有自动化程度高,测试灵活,信号采集准确可靠,数据处理能力强等特点。

基于肌电信号控制的手臂助力器研制

为满足劳动者在丘陵山区工作过程中对助力和减负的要求,设计一种基于肌电信号控制的手臂助力器。该助力器由固定结构、测量控制系统、动力系统三部分组成,通过体表肌电传感器检测由中枢神经系统传递给人体手臂肱二头肌和肱三头肌的肌电信号(Electromyography Signals,EMG),判断小臂运动方式,从而单片机控制电机推拉杆辅助小臂进行运动。经过实验与实际测试,该助力器最大有效辅助提升43.27kg的重物,并能准确灵活地实现助力功能要求。

基于肌电信号的肢体刚度特性

提出了一种基于肌电信号的上肢刚度仿真方法。将上肢运动简化为两自由度的关节运动,然后采集上肢在屈伸运动中肘关节处相关肌肉的肌电信号(EMG),并从中提取肌肉活跃度特征。在此基础上,利用Hill-type肌肉模型估算肌肉力进而计算肌肉刚度。最后,利用现有的人工神经网络模型计算上肢的肌肉刚度,并验证推算结果的可靠性。