文摘
为了使用表面EMG信号自动检测肌肉疲劳状态,肌肉运动疲劳的研究方法智能扫描检测系统提出了基于表面EMG和面肌10受试者疲劳前后的信号特征提取。建立了时变参数自回归模型。通过引入勒让德基函数、线性的非平稳过程的参数识别转化为线性定常系统的参数识别。结合相关指数,最优勒让德基函数维时变系统的参数估计,然后可以获得最好的模型拟合效果,和定常参数由最小二乘法得到解决。使用的变化率第一时变参数自回归模型的研究进展之前和之后的疲劳指数检测肌肉疲劳敏感,双尾测试是用来比较平均功率频率(MPF)和中值频率(MF)的速度变化。结果表明,改变的研究进展,强积金,MF之前和之后的疲劳 , ,和 ,分别是41%和25%。的变化率ACR1显著高于强积金和MF ( )。面肌电信号检测肌肉疲劳时信号,测量时间短,灵敏度高的优点。它可以用于在线实时分析的肌肉疲劳,提供一个潜在的分析工具对肢体肌肉拉伤,康复,工效学评估。
1。介绍
运动性肌肉疲劳的指的是生理现象,运动使肌肉产生最大随意收缩力或临时减少输出功率(1]。其机制是极其复杂的,涉及多种生理过程,如中央马达驱动,神经肌肉接点兴奋收缩偶联,和肌肉能量代谢。近年来,与肌电图技术的发展,利用肌电图记录和研究肌肉疲劳已成为越来越普遍生理学方法,如图1。肌电图技术具有无创、实时和多目标测量2]。肌电图的研究可以揭示肌肉疲劳的机制,例如,判断疲劳在体育实践和指导培训。这是特别适合测量在运动时肌电图的变化,和肌电图会逐渐被用于体育科学研究的许多方面。肌电图信号的分析主要包括时域和频域分析。肌电图的时域分析可以为我们提供放电时间,总排出量、放电频率、振幅和放电电极下的各种肌肉纤维,特别是在运动技术的分析。EMG频域分析可以为我们提供以下信息:我们可以知道放电能量的集中趋势在一定频率、不同类型的肌肉纤维,动员和神经肌肉功能的变化之间的关系和放电频率的变化。澄清工作机制和神经和肌肉的功能状态,最好的方法是应用时间域和频率域分析同时,尤其是后者。在静态工作状态,更一致的结论是,振幅iEMG值从初始状态到疲劳状态随疲劳程度的加深,以及频域的功率谱值转移到低频率。此外,显然是获得特定范围的频率的降低。他们得出的结论是,左移值对应的谱峰频率最大的(9到18赫兹)。 In addition to the change in the recruitment form of fast and slow muscle fiber components during skeletal muscle contraction, i5s may also be caused by the hyperpolarization of muscle cell membrane potential caused by the increase of pH value in muscle tissue, resulting in the outflow of K+ in cells. K+ outflow will block the hyperpolarization of cell membrane potential and reduce the excitability of muscle cells and the conduction velocity of muscle fibers, resulting in the transfer of muscle discharge frequency to low frequency band [3]。然而,我们不排除这种可能性:根据当前研究,肌肉组织有低通滤波的功能。在肌肉收缩时,肌肉的长度缩短,厚度增加,记录电极之间的距离和移动单元增加,导致一些高频信号的滤波和低频信号的比例的增加,导致光谱的低转移。
2。文献综述
Er和Erk发现肌肉活动是一个复杂的运动中枢神经系统的控制下。肌肉疲劳通常指的暂时下降的最大工作能力或最大收缩能力系统[4]。风扇和其他人已经表明,有不同意见的运动性肌肉疲劳的机制很长一段时间(5]。事实上,本等人发现,人体是一个复杂的有机体,和各种系统和器官不是孤立的,但相互联系和限制了神经系统的调节下6]。疲劳的本质是横桥的功能弱化的肌肉纤维和矩阵网络,导致肌丝滑的弱化。Shaoting和其他人发现,ADP / ATP三重管结构增加,导致钙吸收的降低矩阵网络。表面EMG信号是生物信号记录在神经肌肉系统指导下的活动从皮肤表面电极。它有不同程度的相关活动状态和肌肉的功能,所以它可以反映神经肌肉系统的活动在一定程度上(7]。Lindinger凯恩斯发现,肌电图测量通常使用三个电极,两个电极放置在部分动作电位和放大,可以测量和第三电极接地电极。前放置电极,测量部分的体毛应该刮掉,皮肤应该用细沙和绝对乙醇清洗,和导电胶应该用来减少皮肤电阻的影响在肌电图信号8]。大多数学者认为,表面电极的位置应尽可能靠近腹部中心获得最大的菱形肌EMG信号。盾和其他人相信坚持肌肉收缩的几何中心电极和电极沿着纵轴方向的肌肉纤维,EMG信号测量是最可靠的,2 - 3厘米的两个电极收集,和地面线是连接到一个相对稳定的地方当靠近电极移动,所以收集的EMG信号是最稳定的9]。希腊和其他发现表面电极可以全面反映这部分肌肉的活动。肌电图收集表面一维时间序列信号(10]。的叠加电极表面变化在时间和空间引导电极触动多个移动单元。从生理的角度来看,唐等相关肌肉的纤维成分和解剖结构,电机的数量单位参与活动在不同功能和活跃的国家,不同的电机单元的放电频率,同步运动单位活动的程度,和运动单位的招聘模式11]。脂肪组织对测试结果的影响是更大的肌肉放松时肌肉的运动,但这并不影响双方的对称。EMG信号可以来自随机收缩和电子感应。随机收缩EMG信号的和许多运动单位动作电位。在电子感应,Sunayana和其他人发现,由于外部刺激,运动单位动作电位产生一个精确的同步诱发反应,即M波。这个录音的方法可以帮助我们确认最肤浅的运动单位,哪个更迅速比随机收缩引起的肌肉疲劳,和获得的EMG信号少改变和更稳定的12]。格拉博夫斯基等人发现,近年来,随着计算机的快速发展,肌电图的定量分析成为可能。面肌信号分析包括时域分析和频域分析(13]。口和张相信其检测具有无损、实时、多目标测量(14]。面肌信号分析手段和方法找到面肌电信号的变化规律和特征信号通过信号分析的理论和方法。时域分析可以为我们提供放电时间、放电总额、放电频率、放电振幅,肌肉纤维等,特别是在体育运动分析技术。频域分析可以为我们提供以下信息:不同类型的肌肉纤维的动员,neuromuscles的能源供应状态,排放浓度的趋势是在某一个频率。在实际应用程序中,时域和频域分析应该同时使用。
3所示。方法
10健康男性受试者,没有历史的上肢肌肉拉伤,正常的身体质量指数,不参与任何暴力活动实验前应在24小时内。实验在实验之前,每个主题收到通知,签署了知情同意,并进行了实验操作训练。实验是在医学工程重点实验室进行的。在实验之前,实验室温度调整到279°C,删除主题的珠宝,把电极片中间的右上肢肱二头肌。每组的受试者的右手向上,上臂平行于身体,前臂和上臂肘之间的角度是90°。持有1.5公斤哑铃,开始等长收缩,直到受试者主观觉得肌肉疲劳不能继续。收集和记录数据的早期和晚期阶段的右上肢肱二头肌疲劳。由于大年龄的差异和个体在每个主题,要求哑铃的重量和电极放置位置必须是一致的15]。实验设备和材料:在实验之前,准备实验设备和材料,包括计算机、无线表面EMG采集系统(包括1 DTS EMG传感器1 DTS桌面接收盒,1双电极夹,5 V直流充电线,迷你USB数据线,弹性固定带)和1、2电极片,酒精,棉签,主题信息。品牌是Noraxon,模型是面肌电信号传感器信号采集系统,和mr3 6版本软件。使用无线肌电图信号传感器表面。使用一次性Ag / AgCl电极片。时间常数设置为0.05 s,采样频率为1500赫兹。一次性电极表贴根据肌肉模型,和电极之间的间距表是20毫米。因为面肌信号相对较弱,有用信号分布在0 ~ 500赫兹的频率范围,和主要能源是分布在50 ~ 150赫兹的频率范围。表面EMG信号检测到身体表面电极主要包括工频干扰(50赫兹),基线漂移,心电图干扰(5 ~ 20 Hz)。这些噪音严重影响表面质量的EMG信号(16]。为了提高面肌电信号的有效成分信号和抑制噪声和工件,有效消除噪声对面肌信号的后续处理非常重要。20 ~ 500 Hz巴特沃斯带通滤波器用于消除基线漂移和心电图的干扰,和巴特沃斯带阻滤波器用于消除50 Hz工频干扰。有肌肉活动的差异不同的科目。为了统一比较不同参数特征值对疲劳特性的影响,有必要对规范化表面EMG信号(17]。
在这个实验中,自回归模型(AR)描述了一个“短期稳定”随机过程。的观测值此时的随机过程与观测值在这之前的时间。用p-order自回归模型参数的计算公式如下所示公式:
在哪里是基于“增大化现实”技术的自回归系数和参数( )模型; 的长度是采样数据;是一个平稳白噪声过程;是观测值,是观测序列的值。
由于EMG采集设备的采样频率是1500 Hz,时变系统参数变化太快,和自适应算法的收敛性是有缺陷的。因此,使用基函数展开法(18]。基函数展开法用于识别时变系统。是时变系数表示为一组基函数的线性组合?看到以下方程:
在哪里时不变系数的扩张,基函数,基函数的扩展维度。
然后,方程(2)可以写成
利用基函数展开,识别的问题时变系数的时变模型公式(1)转换成的识别 常数参数,即原始的非平稳过程的参数识别转化为线性时不变系统的识别(19]。模型是用矩阵形式表达后,估计价值时不变参数由最小二乘法,解决如以下公式所示:
频域分析是分析面肌电信号的特征信号的频率。该方法获得的光谱或功率谱面肌短时傅里叶变换后的信号。共同分析参数的频域分析是强积金和MF。因为强积金和曼氏金融是基于短时傅里叶分析,他们的时间和分辨率是固定的。然而,对于表面肌电的信号,当频谱分布范围宽,很难找到一个合适的时间窗口分析,也就是说,他们的时间和频率分辨率较低。
通过比较和分析的变化率(CR)的疲劳指数疲劳前后的三个方法,我们可以确定哪些特性参数值指数肌肉疲劳反应具有较高的灵敏度,并进一步解释这方法适用于描述肌肉疲劳。相关特征参数值的变化率前后疲劳定义在以下公式:
在哪里和在疲劳值,是疲劳后的值。
计算后,表面的强积金EMG信号之前和之后的疲劳是208.34和149.35赫兹,分别和MF 132.98和104.75赫兹,分别。强积金变化率从方程(5)是-28.68%,MF改变率是-21.66%。因为强积金和曼氏金融是基于短时傅里叶变换的原理,他们长时间采样,实时性能差和决议。为了比较三种方法的敏感性和肌肉疲劳,下面的强积金和MF特征值计算是基于数据的长度 点( )。基于时变AR模型的特点,如采样时间和快速反应时间短,可获得相应的时变参数,利用时变参数AR模型来处理 点( )数据之前和之后的疲劳。计算后,表面EMG信号的研究进展之前和之后的疲劳是-2.35和-3.79,分别。从方程(获得改变的研究进展5)为37.39%。时变自回归模型方法分析了表面EMG信号的最小均方误差拟合的角度来看,它克服了缺点的低频古典谱估计的分辨率和方差表现不佳。与短时傅里叶变换分析相比,它克服了问题,面肌信号的采样时间足够长为传统的频域提取参数。的采样频率1500赫兹和512点的时间窗口作为一个例子,最短也需要的数据 当计算强积金和MF参数。
数据分析模块采用Excel 2013的软件。这两个跟踪 - - - - - -测试分析方法用于分析每个参数的灵敏度影响的统计差异特征值疲劳反应,也就是说,分析每个参数特征值的统计差异的特征影响肌肉疲劳程度。统计变化率数据的步骤:测试应当首先,也称方差同质性测试。 - - - - - -测试中使用的两个示例 - - - - - -测试。的目的 - - - - - -测试来确定是否使用两个样本方差相等 - - - - - -测试或两个样本异方差性 - - - - - -测试。如果一个尾随的两倍的价值测试大于0.05,它表明两方差之间没有显著差异,然后双样本方差相等测试使用。否则,两个样本异方差性 - - - - - -测试被选中。
4所示。实验和讨论
图2肱二头肌的表面EMG信号图显示一个典型的主题。可以看出表面EMG信号的振幅之前和之后的肌肉疲劳往往会增加,这反映了越来越多的运动单位参与活动从肌肉收缩到疲劳,这是反映在表面EMG信号的振幅的增加在肌肉疲劳(20.]。
(一)
(b)
图3显示相关指数l通过估算第六阶AR模型基于一个典型的主题变化的基函数展开法和基函数的尺寸,和勒让德基函数的最优尺寸获得从方程(10)21]。从图可以看出3基函数的维数 ,参数识别效果波动小,趋于稳定。大量的实验表明,参数识别的效果是最好的时候 和 。
(一)
(b)
图4显示了一个典型的主题的时变参数辨识结果基于勒让德展开法。可以看出,勒让德扩张方法可以更好地跟踪信号由于其良好的当地特色,和识别结果是相对顺利,特别是没有突然改变的参数位置(波峰和波谷22]。因此,勒让德扩张方法具有理想的识别效果。
(一)
(b)
表1显示对象之前和之后的疲劳特征值疲劳。实验结果表明,10组得到了时变参数。每组的第一个参数AR模型研究进展)是最重要的。它直接反映了当前时间和之前的时间之间的关系。这是最直接的肌肉状态随时间的变化量。每个订单的AR参数随时间变化的观点。估计信号0.1年代的研究进展时间计算的指数评价肌肉疲劳状态。MPPF和MF在10年代估计信号的计算作为指标评价肌肉疲劳23]。
从疲劳前后的特征参数的变化趋势,研究进展,强积金,MF显示一个下降的趋势。特征参数变化率的疲劳,前后变化研究进展率高。采用AR模型来克服这个问题,MF和强积金需要足够长的时间面肌信号的采样时间(24]。变化的强积金、MF和研究进展10疲劳前后的受试者作为疲劳指标。利率变化进行了统计分析。的平均值和标准偏差率的变化 , ,和 ,分别。因为研究进展之间有显著差异,强积金和研究进展和MF之间,明显高于强积金和MF,分别使用研究进展表明,参数指标来跟踪肌肉疲劳有高分辨率的敏感性25]。
勒让德基函数是用来扩展线性时变系统的参数在白噪声激励下,和相关指数是用来选择勒让德基函数的最佳尺寸。通过实验研究肌肉疲劳,肌肉疲劳的特征参数分析表征的影响。通过实验,研究进展与传统频域参数强积金和MF证明的可行性和有效性评估肌肉疲劳领域的研究进展(26]。
5。结论
勒让德基函数展开法用于线性的非平稳过程的识别问题转化为线性时不变系统的识别问题。10个受试者的表面EMG信号提取。在短时间内改变的研究进展是用作指数评价肌肉疲劳的敏感性。实验证明,这是对疲劳响应比强积金和MF更敏感,所以它的放大的微妙的特征信息和信息明显不明显的特征。
肌肉疲劳的检测表信号不仅可以更好地描述变化程度的肌肉疲劳还有时间短,灵敏度高的优点。它可以应用于在线和实时检测肌肉疲劳,并提供一个可靠的分析工具上肢肌肉拉伤评估、康复治疗和人体工程学的研究。时变参数辨识的问题一直是学术界研究的困难。它可以从这样一个事实:在10学科研究进展的敏感性高于强积金和MF。这种研究方法的适用性。为了进一步验证和巩固上述结果的正确性和实用性,除了大量的模拟来验证实验时间短,灵敏度高的优点,通过大量的实验仍然需要进行后期的接下来的研究,以进一步提高其实际价值领域的肌肉疲劳的判断。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。
确认
这项研究是由2020年安徽大学:人文和社会科学研究修订和改进体育教育专业评价指标体系下的范围核心素养(2020 jyxm1989)。