基于步态事件和sEMG的功能性电刺激起始点研究

足下垂患者步行过程中进行功能性电刺激可以帮助其恢复正常行走能力,而准确确定功能性电刺激的开启时间至关重要。文章针对该问题,利用步行过程中下肢的角速度和表面肌电信号(surface electromyography,sEMG),提出一种以步态事件与肌肉动作点之间延时关系为控制策略的足下垂步行过程中功能性电刺激准确开启的方法。根据步态信息和sEMG电信号特征对大腿处的角速度数据进行步态事件划分,试验结果表明步态事件划分得具有良好一致性;利用模糊熵算法对去噪后的sEMG信号进行肌肉运动起始点T muscle的判定,确定T muscle与脚尖离地(toe off,TO)之间的延时时间关系;结合所划分的步态事件特征点,确定电刺激起始点T on。该文为足下垂治疗中功能性电刺激开启时间点的确定提供了一种新的辨识方法。

基于sEMG信号几何特征的肌肉疲劳分类

为了更好地区分肌肉疲劳程度,本文通过小波变换的方法,分析不同频段中表面肌电(sEMG)信号的能量变化情况,提取信号几何特征,对肌肉非疲劳和疲劳状态进行区分。从几何边界区域中提取周长、面积、圆度特征,分析几何特征变化情况。同时,使用分类器对肌肉疲劳进行分类。实验结果表明:几何特征对肌肉疲劳状态有更加直观的区分效果。几何特征在肌肉疲劳前后有明显变化,相比传统时域、频域特征,具有更好的分类效果,对几何特征进行特征融合,能够有效提升分类准确度。

基于ISSA-VMD和二代小波的sEMG信号降噪研究

表面肌电(sEMG)信号是一种可以有效表征肌肉活动的弱生理信号,采集过程中易受到多种噪声干扰。为解决变分模态分解(VMD)参数经验设置的问题,并进一步消除sEMG信号中的噪声,提出了一种基于改进麻雀算法(ISSA)优化VMD和二代小波阈值法相结合的sEMG信号降噪法。首先,采用基于改进T混沌映射、自适应权重和麻雀数目动态变化的改进麻雀算法并将品质因子作为目标函数对VMD进行参数寻优,然后利用ISSA优化的VMD分解对预处理过的sEMG信号进行分解,通过谱相关分析区分信号分量和噪声分量,最后对信号分量进行二代小波阈值法降噪,得到降噪信号。结果表明:ISSA较SSA有效提高了VMD参数寻优能力;在不同噪声等级下,基于ISSA-VMD和二代小波硬阈值的降噪法的降噪性能优于二代小波和ISSA-VMD;基于ISSA-VMD与二代小波硬阈值降噪法处理实际sEMG信号,能有效去除噪声。

基于IMU与sEMG混合信号的实时手势分类算法研究

为了提高表面肌电信号(surface electromyography,sEMG)的手势分类准确率,通过惯性测量单元(inertial measurement unit,IMU)与采集姿态信号与sEMG的混合信号,提出了GRUBiLSTM双层网络的实时手势分类算法。第1层门控循环单元(gated recurrent unit,GRU)利用能量组合算子特征对混合信号进行突变点检测,定位运动态数据起始点;第2层双向长短时记忆循环神经网络(Bi-directional long short term memory,BiLSTM)使用能量核相图特征对运动态混合信号进行2个方向10种手势的分类。通过离线模型优化,分类算法识别时间低于40 ms,突变点检测精度88.7%以上,手势分类准确率为85%,信息传输率(informationtranslaterate, ITR)达到89.9 bits/min,与基于机器学习的分类算法相比,在准确率与计算效率上具有优势。

基于sEMG和变刚度控制的虚拟假手交互系统

为使虚拟假手在交互时具有柔顺性,实现了一种基于表面肌电(sEMG)信号和变刚度控制的虚拟假手交互系统。首先,采集人体前臂的sEMG信号并从中估计人手的刚度水平和关节扭矩;然后,通过变刚度阻抗控制模型估计虚拟假手的关节角度;最后,使用估计的关节角度控制虚拟假手与虚拟环境中的物体进行交互,交互过程中根据虚拟假手与物体的交互力对关节角度进行动态调节。实验结果表明:基于sEMG和变刚度控制的虚拟假手在进行抓握物体的交互任务时能在成功抓握物体的前提下产生较小的交互力,从而实现柔顺的交互。

融合表面肌电和姿势信息的轮椅绩效评价方法

目的为客观评价轮椅的使用效益,使用表面肌电设备测试轮椅使用过程中的肌电信号,并融合姿势信号IMU来构建人机评价模型。方法分别对轮椅的折叠、刹车方式及行驶坡度进行试验来评估轮椅的使用绩效,通过对比用力肌群间的疲劳状况来判定较为舒适的轮椅折叠及刹车方式。实验要求被试者在执行轮椅任务时,分别使用两种折叠方式和三种刹车方式不同的轮椅进行实验,并在操作动作任务过程中采集sEMG和IMU信号,在实验任务结束后填写NASA-TLX量表。结果根据模型的评价指标对实验数据进行了比较与分析,横向收折式折叠和凹口式刹车(手刹位于前方)的轮椅疲劳度低,在3~4°坡度范围下轮椅使用者的受力最小,较为舒适,从而验证了模型在轮椅人机评价上的可行性,为优化轮椅设计提供参考。结论人机评价模型适用于评估产品绩效,同时提出的融合表面肌电和姿势信息的轮椅绩效评价方法具有较高的精度和准确性,能够有效地评估轮椅使用者的绩效水平。

基于改进ResNet50的表面肌电信号手势识别

为了提高手势动作在类别众多且相似度高的情况下的识别精度,提出了一种基于连续小波变换和残差神经网络Res-Net50的表面肌电信号手势识别方法。首先对Ninapro DB2和DB3的原始表面肌电信号进行预处理和连续小波变换,得到Multi-sEMG Wavelet Map数据集,然后送入改进的ResNet50模型进行识别分类。实验结果表明,改进后的ResNet50网络模型在Multi-sEMG Wavelet Map DB2和DB3中17种手势动作的平均准确率分别达到了96.40%和94.11%,相比ResNet50网络模型方法提升了4.87%和5.83%。实现了手势动作在类别繁多、相似度较高的情况下的精准识别。为基于非侵入式传感器和机器学习控制的假肢手提供了新方案。

易筋经特定动作“卧虎式”治疗非特异性腰背痛的结构方程建模及相关分析

目的从身体、行为、心理三方面进行多学科整体干预,阐释非特异性腰背痛(non-specific low back pain,NSLBP)的内在机制。方法收集易筋经特定动作“卧虎式”治疗NSLBP的相关表面肌电(surface electromyography,sEMG)信号、三维步态分析系统信号、心理量表结论等,将收集数据通过结构方程方法分析、建模,形成“多裂肌-运动功能-生活质量”特征模型,以期阐述易筋经“卧虎式”训练治疗NSLBP的作用机制。结果NSLBP患者腰部L5~S1多裂肌sEMG信号与治疗前相比显著增加(P<0.05)。患者治疗后步幅、步频、步速、髋屈曲最大角度、膝屈曲最大角度均显著增加(P<0.05);支撑相、摆动相、踝跖屈最大角度均显著降低(P<0.05)。“卧虎式”训练前后患者SF-36评分生理、心理、精神、情感差异均有统计学意义(P<0.05);结构方程模型(structural equation model,SEM)表明平均肌电(average electromyography,AEMG)、步长对于Roland-Morris评分、SF-36评分均产生0.001水平的显著影响;AEMG、步长对于Roland-Morris评分、SF-36评分产生正向的影响关系;标准化载荷系数均大于0.6,模型拟合效果良好。结论SEM模型拟合效果良好,模型结果可靠,能够多层面有效阐述易筋经特定动作“卧虎式”治疗NSLBP的作用原理。

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0.0127,均显著优于传统单一算法,体现了较好的分类性能.

基于表面肌电信号的上肢康复机器人变阻抗控制技术研究

我国老龄人群肢体障碍者很多,运动康复技术是康复治疗的有效手段。但医患比例严重失调难以使得人人都能享受到康复医疗服务。康复机器人通过阻抗控制技术能够与人体进行一定的安全交互,但现有康复机器人多采用定阻抗控制,环境适应能力弱,难以应用于临床。针对上述问题,提出一种变阻抗控制方法,以采集使用者的表面肌电信号为输入条件,通过改进随机森林算法训练识别使用者上肢的运动角度。并配合末端力传感器,获得使用者的运动意图,再通过变阻抗控制器完成康复运动。搭建了实验平台,并对轨迹跟踪和康复训练能力进行验证与评估。结果表明所设计的控制器能够控制机器人完成康复运动。

肌肉疲劳的sEMG时频分析技术及其在工效学中的应用

表面肌电技术作为一种无损伤的实时测量方法 ,能够客观地反映肌肉活动水平和功能状态。本文主要对工效学中有关肌肉疲劳的sEMG现场评价技术发展过程中几种主要时频技术 ,尤其是幅频联合分析 ( jointanalysisofEMGspectrumandamplitude,JASA)技术做了简要介绍和初步分析与评价。同时也对sEMG的信号分析方法。

基于sEMG与足底压力信号融合的跌倒检测研究

跌倒已经成为一种普遍危害老年人身心健康的事故,需要得到及时救治。设计了一种基于表面肌电(s EMG)和足底压力信号融合的跌倒检测系统。提取s EMG的近似熵及基本尺度熵特征,并根据足底压力的变化规律,提取动作信号段的压力特征,通过D-S证据推理将肌电信号与足底压力信号的SVM决策融合获得综合判别结果。实验结果表明,该方法对跌倒与ADL的平均识别率达到了91.7%,优于单一信源识别结果。

基于sEMG的男子旋转推铅球运动员单支撑阶段肌肉用力特征研究

采用遥测肌电测试并结合影像解析,对我国优秀男子铅球运动员张竣旋转推铅球单支撑阶段的主要用力肌肉及其用力顺序、用力范围和主要用力肌肉之间的协调关系等问题进行了研究。研究结果表明,张竣单支撑阶段主要发力肌肉是左腿起支撑作用的肌肉(左腿股外侧肌和左腿腓肠肌)和维持身体姿势的肌肉(右侧背阔肌和右腿股二头肌);主要发力肌肉的用力顺序(左腿腓肠肌内侧→左腿股外侧肌→右腿股二头肌→右侧背阔肌中部)是按照由下往上、由左至右进行的;张竣单支撑阶段主要肌肉的用力范围(即肌肉横跨关节的角度变化值):肩髋夹角为26.3°～52.1°、左髋角为116.7°～168.7°、左腿膝关节角度为120.7°～156.3°、右膝角为79.2°～172.7°、右髋角为112.5°～143.5°;张竣在单支撑阶段右腿肌肉用力的协调性不好,主动肌(右腿股内侧肌)发力时,拮抗肌(右腿股二头肌)没有适时放松,影响了其肌肉做功的整体效果。

自行车运动员下肢肌肉sEMG特征及与输出功率的相关性

采用实验法,对运动员60 s全力蹬踏自行车下肢肌肉sEMG变化特征及与输出功率的相关性进行研究。结果显示:随着运动时间的延长和疲劳的加深,各肌肉表面肌电信号频域指标MF逐渐减小,MF与平均功率之间的相关性也达到显著性水平,提示其可作为评价自行车运动过程中运动员疲劳程度的指标。60 s全力蹬踏自行车运动后运动员股直肌和腓肠肌外侧肌肉MF值下降均特别明显,提示其在整个运动过程中的疲劳程度较深,可将其作为重点训练的肌群。

基于sEMG的按摩椅绩效人机评价模型实验研究

针对机械式按摩椅缓解肌肉疲劳的绩效,提出了基于表面肌电(sEMG)信号的人机评价模型。实验要求两名被试者在执行静力性标准俯卧撑(SPU)动作之间,分别采用静坐与按摩两种方式恢复肌肉疲劳,并在SPU过程中采集竖脊肌的sEMG信号。根据模型的评价指标对实验数据进行了比较与分析,结果表明,SPU后采用拍打按摩恢复对竖脊肌疲劳缓解的效果好于静坐恢复的效果,从而验证了模型在按摩椅人机评价上的可行性。

肌电控制虚拟现实游戏的腕部训练系统研究

针对传统腕部康复训练方法训练内容枯燥、用户参与训练的积极性低导致训练效率低的问题,设计了一种肌电控制虚拟现实游戏的腕部训练系统.采集腕部运动时的表面肌电信号,并通过肌肉协同原理解码出腕关节运动意图,用于虚拟现实游戏的控制;在虚拟现实游戏中引入随机干扰力,通过阻抗控制的方式实现与虚拟现实环境的交互,使得用户可以探索不同的运动控制方式.通过模型标定实验,验证了系统的可行性,并且开展了训练实验,通过评估任务的完成时间以及路径效率评估训练效果.实验结果表明,通过引入随机干扰力进行训练相对于无随机干扰力进行训练,任务的完成时间减少了24%,路径效率提升了26%,所设计的训练系统可以使得用户以更高效方法进行运动控制,提高了训练的效率.

基于人工鱼群算法优化SVM的手部动作sEMG识别

为了提高人体手部运动模式识别的准确性,提出了一种基于人工鱼群算法优化支持向量机(SVM)的模式识别方法。该方法对采集的表面肌电信号(s EMG)去噪后提取小波系数最大值作为特征样本,将提取后的特征输入到SVM进行动作模式识别,同时采用人工鱼群算法优化SVM(AFSVM)的惩罚参数和核函数参数,避免参数选择的盲目性,提高模型的识别精度。通过对内翻、外翻、握拳、展拳四种动作仿真结果表明:该方法与传统的SVM方法相比具有更高的识别率。

术前下肢肌肉锻炼对改善闭合性胫骨干骨折预后的影响及患者腓肠肌平均肌电值变化

目的探索术前下肢肌肉锻炼对改善闭合性胫骨干骨折预后的效果并同时基于可穿戴式表面肌电技术(sEMG)监测患者平均肌电值(AEMG)变化。方法前瞻性选择2021年5月—2023年1月因胫骨干骨折于惠州市中心人民医院行髓内钉内固定手术治疗的60例患者作为研究对象。随机分为研究组(n=30)和对照组(n=30)。研究组男性22例,女性8例;年龄38~59岁,平均45.8岁;对照组患者男性21例,女性9例;年龄40~58岁,平均44.9岁。道路交通伤35例,重物砸伤17例,高处坠落伤8例。两组患者在入院后均接受可穿戴式sEMG测量术前术后小腿肌群等长收缩时腓肠肌的AEMG,研究组患者进行术前踝泵运动,对照组不进行术前锻炼。对比两组患者术前,术后1、3、7 d VAS;术后住院期间下肢静脉血栓形成风险;远期功能恢复情况,包括完全负重活动时间、膝关节伸屈活动度(ROM)、踝关节伸-跖屈ROM、Johner-Wruhs评分、胫骨对位情况及两侧胫骨长度差;同时根据患者的可穿戴式sEMG的记录情况,记录骨折后(术前)1、3、5 d,以及术后1、3d、1周、1、3、6个月时腓肠肌的AEMG水平。结果随着治疗的进行,两组患者VAS呈显著下降趋势(P<0.05),术后1、3、7d两组患者VAS差异无统计学意义(P<0.05);术后3~7 d内两组患者均有不同程度的D-二聚体升高,但研究组升高的比例显著低于对照组(16.7%vs.43.3%,P<0.05);研究组患者完全负重活动时间显著短于对照组[(55.90±8.85)d vs.(60.28±9.33)d,P<0.05],研究组术后1、3个月的膝关节伸-屈ROM显著大于对照组(P<0.05);在骨折后5d,研究组患者腓肠肌AEMG水平显著高于对照组(P<0.05),在术后1、3 d、1周、1、3个月时,研究组患者的腓肠肌AEMG水平均显著高于对照组(P<0.05)。结论术前下肢肌肉锻炼可以加快闭合性胫骨干骨折患者术后康复进程,其在sEMG所记录到的AMEG变化具有更加明确的影响。这也表明基于可穿戴式sEMG技术监测患者AEMG并对其进行量化,以期在指导闭合性胫骨干骨折患者的下肢肌肉锻炼以改善预后具有较好的应用价值。

滤除SEMG工频干扰的数字陷波器设计

50Hz工频干扰是表面肌电信号(SEMG)的主要干扰源之一,消除工频干扰是表面肌电信号处理中的一项重要技术。鉴于原有模拟信号调理电路在工频消噪这一环节上的不足,设计了一种50Hz数字陷波器用以消噪,减小干扰。实验证明,采用基于窗函数法的FIR原理设计的50Hz数字陷波器能有效滤除SEMG中的工频干扰并基本不影响50Hz周围有效SEMG的获取。

融合注意力机制的多视图卷积手势识别研究

基于表面肌电信号(sEMG)的手势识别在人机交互中发挥着重要作用,然而,由于sEMG具有非线性和随机性,因此提升基于稀疏多通道sEMG的手势识别准确率难度较高。提出一种融合注意力机制的多视图卷积手势识别模型。首先使用200 ms滑动窗口提取经典的sEMG特征集构建多视图输入,其次利用高效通道注意力对多视图特征在通道维度进行加权,以强化有效特征同时弱化无效特征,最后通过多视图卷积从带有注意力权重的肌电特征中提取高层特征,利用高层特征融合模块对其进行融合以降低数据维度并提高模型鲁棒性。在NinaPro DB1、NinaPro DB5、NinaPro DB73个肌电公共数据集上进行训练和评估,结果表明,该模型在200 ms滑动采样窗口上的平均识别准确率分别为87.98%、94.97%和89.67%,整段手势动作的平均投票准确率分别为97.38%、98.41%和97.09%,平均信息传输率为1308.71 bit/min。与传统机器学习方法和近年来前沿的深度学习手势识别方法相比,所提模型在单模态肌电和多模态手势识别上均具有更高的识别准确率,验证了其有效性和通用性。