表面肌电信号（通用7篇）
表面肌电信号 篇1
0 引言
SEMG具有低频性、微弱性和交变性等特点, 频率范围大致为10Hz~500Hz, 信号能量主要集中在50Hz~150Hz[1]。从皮肤表面检测到的SEMG通常只有m V级甚至u V级, 与噪声幅值相比, 要低两三个数量级[2], 因此如何从强大的噪声中提取更为有效的信号成为研究SEMG的关键技术之一。为了使验证过程方便, 滤波效果直观, 本文利用频率幅值可调振荡器代替SEMG作信号源, 主要验证带通滤波器滤除频带外噪声的效果。
1 幅值频率可调振荡器介绍
如图1所示, 该电路是频率幅度可调正弦波振荡电路。调整电位器R12可改变输出正弦波形的幅值, 调节R4和R8可以改变输出波形频率, 频率的调节不影响振幅的稳定性[4]。电路振荡频率为, 本次设计需要的频率范围是2Hz-1k Hz。实验中, 调节输出幅值至200mv, 此时符合SEMG初级放大后的幅值。
1.1滤波器设计选型
根据SEMG的频率特性, 滤除频带外噪声的带通滤波器的通频带应为10Hz~500Hz。有源带通滤波器的构成方法有两种:一种是采用单个集成运放构成的压控电压源二阶带通滤波器;另一种是将低通滤波器与高通滤波器串联得到的带通滤波器。本文采用第二种方法, 原因如下。
假设采用第一种方法:已知带通滤波器截止频率通带放大倍数:;中心频率:
1.2低通滤波器
用Multisim仿真出幅频特性图, 鼠标拖动垂直光标, 可以测得相应位置数据。测得:通带增益为7.959d B
f=f0=337Hz处, 幅值增益为13.951d B;f=fp=500Hz处, 幅值增益为4.959d B, 符合计算的理论值。
1.3高通滤波器
利用频代替主要验频带外振荡形的幅采用压控电压源二阶高通滤波电路[5], 电路参数计算和选取与压控电压源二阶低通滤波器类似, 电路的品质因数:Q=2;特征频率:, 截止频率:fp≈0.6736f0≈10Hz;用垂直光标测量幅频特性曲线:通带增益为7.959d B;f=f0=14.85Hz处, 幅值增益为13.963d B;f=fp=10Hz处, 幅值增益为4.906d B;
1.4带通滤波器
将上述低通与高通滤波器串联, 得到通频带为10Hz-500Hz的带通滤波器。用Multisim仿真可得出幅值特性曲线。将振荡电路输出端接到带通滤波器的输入端, 用螺丝刀调节振荡器中R4和R8改变振荡器输出频率, 带通滤波器输出端接示波器观察输出波形的幅值和频率。在每十倍频中均匀选取频率点来测量幅值, 计算出相应频率的放大倍数与增益衰减。测量十次并取平均值如下表I所示:
根据表中数据, 用Matlab使用三次样条差值法对这些实际测量到的数据进行曲线拟合, 得到如右图2所示的曲线, 与用Multisim对滤波电路仿真得到的幅频特性曲线是吻合的。
2 结论
由以上分析可知:在SEMG采集系统中, 对于10Hz-500Hz带通滤波器的设计, 单个放大器芯片组成的压控电压源二阶带通滤波器不符合设计要求, 本文选取了压控电压源二阶低通滤波器和高通滤波器串联构成的带通滤波器, 通过Multisim对原理电路仿真、实际电路数据测量结合Matlab拟合曲线的方法, 验证了本设计有比较理想的放大频带内信号和去除频带外噪声的作用。其优点是电路简单, 成本低;缺点是电路对元器件的精度和匹配要求较高, 否则对电路的选频特性会有一定的影响。
摘要：目的 :本文重点讨论了SEMG去除频带外噪声的问题。方法 :根据SEMG的幅值频率特性, 利用幅值频率可调振荡器做信号源, 分析由低通和高通滤波器串联组成的带通滤波器的除噪效果。结论 :本文设计的带通滤波器能够有效放大频带内信号和消除频带外噪声, 提高了SEMG的质量。
关键词：SEMG,幅值频率可调振荡器,带通滤波器
参考文献
[1]基于SEMG信号的外骨骼式机器人上肢康复系统研究李庆玲哈尔滨工业大学工学博士论文, 2009, 6.
[2]邹晓阳.动作SEMG的非线性特性研究.上海交通大学工学硕士论文, 2012, 2.
[3]付聪, 李强, 李博.SEMG采集与降噪处理.现代生物医学进展, Vol.11 No.20 OCT.2011:3951-3953.
[4]任骏原.RC桥式正弦波振荡电路的输出幅值分析.电子设计工程, Vol.21 No.14 Jul, 2013:107-110.
[5]童诗白, 华成英.模拟电子技术基础[M].4版.北京:高等教育出版社, 2006:364-370.
表面肌电信号 篇2
国内外学者对于应用MPF来评价肌肉疲劳做了大量的研究[4—6], 且认可了MPF评价肌肉疲劳的有效性。借鉴相关文献的研究成果[7—10], MPF降低说明肌纤维传播速率降低, 驾驶员肌肉出现疲劳。当驾驶员出现肌肉疲劳时对行车安全产生不利影响, 应避免此情况的发生。本文是在确立草原公路驾驶员腰部肌肉疲劳规律后, 再对驾驶员在草原道路条件下行车过程中肩部斜方肌的MPF指标做出了详细的研究, 探索草原公路行车时驾驶员肩部的表面肌电信号变化特征, 旨在研究驾驶员主要部位的肌肉疲劳状况, 以期为驾驶疲劳的预警机制提供理论依据。
1 实验方法
1.1 实验路段
内蒙古锡林浩特市境内的省道S101赛罕塔拉———满都拉图段上145 km的草原公路路段具有典型的草原道路特征:道路线形变化小、长直线多、平曲线较少且圆曲线半径较大, 平面线形以直线为主。
经实验前的实地调查, 该道路各种设备相对完善, 实验路段间距、路侧景观现状等具有代表性, 道路的长度, 宽度, 车流量也都满足实验要求。公路设计等级为二级公路, 设计车速80 km/h。直线段最长为8 741.3 m, 最短是292.64 m, 最小平曲线半径为295 m, 最大纵坡4.924%。
1.2 试验对象
选取6名驾均具有驾驶证 (C本) 的驶人员, 男士4名, 女士2名, 实验前, 对6名驾驶员身体状况进行检查, 6名驾驶员均身体健康, 无肩部疾患、无重大手术, 未经历过特殊训练。对实验路段的熟悉程度均为一般。
1.3 实验过程及要求
在实验过程中为保证实验数据真实有效, 驾车过程中不限制车速, 驾驶员以个人速度判断及驾驶习惯自由行使, 为了达到时间累积的目的, 驾车单程行驶145 km后掉头返回至起点, 往返之间不作休息。驾驶过程中随车配备特殊事件记录人员并负责实验仪器的全程监督, 保证实验数据的质量。本次实验选在七月, 此时草原道路景观单调。突显出驾驶环境的特殊性。被提前通知的6名驾驶员在天气晴朗的连续六天中同一时间段进行实验。驾驶员被告知要保证正常作息, 防止驾车前出现疲劳, 实验前不得饮酒。
1.4 被试肌肉选取与检测
在驾驶过程中右臂是换挡、调整车内设施等动作的主要执行者。已有研究证明斜方肌能够准确反映驾驶员的驾驶操作[11]。所以本文选取右侧斜方肌作为被试肌肉。
本文采用美国BIOPAC公司生产的MP150多导生理记录仪, 并用与之配套的Acq Knowledge软件进行数据提取, 采样频率设定为1 000 Hz[11]该套设备和软件能够保证实验数据的可靠性, 目前在国际上人机工程领域研究中得到通用。
2 肌电信号及指标选取
2.1 肌电信号介绍及分析方法
表面肌电图可以准确反应肌肉的活性状态, 在康复医学、运动医学等方面的神经肌肉功能检查得到广泛应用[12]。目前最常用于肌肉疲劳评价[13,14]。
表面肌电信号 (surface electromyogram, SEMG) 源于大脑活动皮层控制之下的脊髓a运动神经元的生物电活动, 是众多外周运动单位电位 (motor unit action potential, MUAP) 在时间和空间的总和。如图1所示为右斜方肌处于活动状态时的肌电信号。
对s EMG信号的分析主要集中在时域和频域两个领域[15]。并且有学者认为, 无论静态运动还是动态运动, 表面肌电信号的频域分析比时域分析更有意义[16]。频域分析通过对s EMG自相关函数做快速傅立叶变换, 据功率谱密度 (power density spectrum, P) 确定肌电信号中不同频段信号分布情况, 其特征参数:中位 (值) 频率 (Median Frequency, MF) , 平均功率频率 (Mean Power Frequency, MPF) 。肌肉疲劳时, 功率谱由高频向低频漂移, MPF值也相应下降。MPF与MF均能代表被检肌肉传导速度的频率, 但是MPF在反应肌肉活动状态和功能状态的敏感性要优于MF[17]。
2.2 指标确定及测量方法
肌肉的动作电位是由肌肉收缩来衡量的, 而收缩的程度却取决于运动神经纤维传出冲动的频率, 这就是本文采用MPF来衡量驾驶员肌肉状态的依据。
式中, P (f) 为s EMG信号功率谱密度函数。
大量实验证实了肌纤维的传播速率 (muscle fiber propagation velocity, MFPV) 和局部肌肉疲劳直接相关, 通过测量MFPV的减小, MPF相应降低[18]。可见MPF可以直观表现出肌肉传播速率的变化, 进而反应肌肉疲劳状况[19,20]。
本文采用美国BIOPAC公司生产的MP150多导生理记录仪记录肌电信号, 并用与之配套的AcqKnowledge软件进行数据分析, 利用Excel数据进行整合处理, 得到趋势图, 完成对MPF的测量 (图2) 。
3 试验分析
通过驾驶员在草原道路的实驾实验进行肩部肌电信号的提取分析, 获取草原公路驾驶过程与肌肉疲劳成因的实验数据, 分析驾驶员在草原公路驾驶时肩部肌电信号总体规律和肌肉疲劳形成的影响因素, 为继续研究驾驶员其他肌肉疲劳和驾驶行为特性奠定基础。
3.1 驾驶员右斜方肌MPF变化与分析
利用Acq Knowledge软件进行数据提取, 采用Excel软件处理数据, 将所得数据进行标准化。得到每个被试者肩部MPF的变化趋势 (图3) 。
(1) 由图3显示在20 min处1、2、4、5号驾驶员均出现了MPF的最高点, 3、6号也在20~30 min形成曲线的转折, 针对此现象的产生, 调用实驾视频发现, 6名驾驶员在自由驾驶后分别在28~33 min的时间区域内到达查干淖尔收费站, 收费站点周围存在多条减速带, 造成行车振动, 从而加速驾驶肌肉疲劳。20~30 min后6名驾驶员肩部斜方肌的MPF呈现波动下降趋势, 而且这种下降幅度逐渐增加, 表明疲劳形成累积, 达到行车过程中不可恢复的状态。
(2) 由图可见, 1、3号驾驶员的MPF在前20min内呈现递增趋势, 由于驾驶人员对试验车辆的熟悉程度、适应能力等的不同, 该时间段内的自我调节动作会相对增加, 出现肌纤维波动递增趋势。而2、4、5、6号驾驶员在前20 min过程中均出现了一致性的MPF递减趋势, 可能原因为由于对试验路段的不熟悉, 形成紧张驾驶, 加速肩部肌肉的疲劳, 导致MPF呈现下降趋势。
(3) 图上显示的MPF在下降过程中存在的波动很可能是行车过程中会车超车牛羊群过街而导致的特殊动作, 因为对照视频发现, 加减挡位操作、经历减速带、其他特殊行为均会有一致的肌电图波动出现, 不同操作会引起不同的张力水平, 导致MPF出现不同程度的变化[21], 这些特殊驾驶行为对肌电图的影响值得进一步深入研究。
为了去除个体差异对试验结果造成的影响, 将6位驾驶员的肩部斜方肌MPF作总体平均分析, 得到如图4所示的整体变化。
由图4可见, 长时间在草原道路行驶, 驾驶员右侧斜方肌的MPF呈现波动下降趋势。说明肌纤维的传播速率降低, 驾驶员的肩部肌肉出现疲劳。而且这种疲劳会形成累积, 图示斜方肌的MPF斜率骤降。说明疲劳程度在加速。但是这种疲劳程度是否达到出现酸楚、疼痛的症状, 还应进一步研究, 本文并未发现驾驶员主观疲劳评价与MPF实际变化的一致性, 这一点与以往研究的结果存在很大差异[22,11]。另外, 图示标注红色点是MPF形成大幅度下降的起点, 针对此现象的产生, 调用实驾视频发现, 6名驾驶员在自由驾驶后分别在28~33 min的时间区域内到达查干淖尔收费站, 在此收费站需要进行交费或停车等待的一系列操作。所以肌纤维为了协助肌肉收缩达到了最大化。之后, 驾驶人员要经历赛罕塔拉监测站, 期间多条大减速带致使车辆振动, 而振动不仅会加速肌肉疲劳[23,11]。还致使肌肉疲劳恢复时间延迟[24]。所以, 肌电信号在20 min左右出现转折点后形成了不可反复的下降趋势。
3.2 驾驶员的主观自我评价表
分析驾驶员可能在行车中出现的疲劳状况, 制定了行车问卷调查, 实现主客观结合的方法分析驾驶员的肌肉疲劳状态 (表1) 。
由图5显示50%的驾驶员出现全身酸困、周身疲乏的现象, 说明随着草原公路驾驶持续时间的延长会使驾驶员出现肌肉疲劳。33%出现颈部酸痛、17%的人出现腰部、肩部的酸痛, 50%的人出现腿酸, 表明驾驶操作会加重驾驶员的肌肉疲劳, 但不同的肌肉以及肌肉施力大小导致的疲劳程度不同, 还与自我调节能力有关所以不同部位肌肉疲劳状态统计会有差异。50%的人会打哈欠, 说明出现行车疲劳。通过问卷调查所发现的较少的人察觉到疲劳原因可以解释为:非专业性驾驶员长时间驾驶后相当于超过习惯的运动负荷在此工作之后骨骼肌会出现延迟性酸痛, 肌肉僵硬, 收缩和伸展功能下降[25] (表2) 。
图6发现驾驶员的疲劳等级主要集中在第一、二级的疲劳状态, 说明驾驶员在肌肉发生疲劳的过程中, 主观上并未察觉到肌肉疲劳, 证明了检测驾驶员疲劳的必要性, 可以形成预警机制。
由图5、图6显示的驾驶员主观疲劳评价与实测肌电信号的MPF呈现差异性, 即图6显示仅有约30%的人有疲劳感, 70%的驾驶员并未有主观反映肩部疲劳状况。这与一些学者的结果不同[22,11]。这种现象是由于不同的实验方案导致的。同时图5显示50%的驾驶员出现全身酸困、周身疲乏的现象, 说明随着草原公路驾驶持续时间的延长会使驾驶员出现肌肉疲劳, 这种驾驶的肌肉疲劳并未形成病理, 或者肌肉处于延迟性酸痛疲劳状态[25]。这种在肌肉内部形成疲劳但宏观没有察觉的现象再次证实了研究草原驾驶员肩部疲劳的必要性, 可以深入研究到车内预警装置, 来预防驾驶员肌肉疲劳。达到安全驾驶的目的。
4 结论
本文以6位草原公路驾驶员的腰部表面肌电实驾试验数据为基础, 结合主观问卷调查, 分析了驾驶员在连续120 min后肌电信号的变化情况, 得出了驾驶员在草原公路上行车时的MPF随驾驶时间的变化规律。本文以草原公路为研究对象, 结合实驾试验, 对驾驶员肩部表面肌电信号进行了相关研究, 得出以下结论:
(1) 在草原道路行车中, 随着驾驶时间的延长, 驾驶员的MPF呈现持续波动降低趋势, 说明肩部肌肉处于疲劳状态。
(2) 振动会造成肌肉疲劳的加剧, 疲劳有累积效应。
(3) 主观问卷调查与MPF肌肉疲劳分析对比发现, 形成疲劳是一个过程, 在驾驶员没有感知到肌肉疲劳时, 肌肉的疲劳已经在发生并且开始累积。
本文发现的主观疲劳与MPF检测结果的非一致性, 本文的试验结果再次证明了进行草原公路驾驶员肌肉疲劳的必要性, 该实验结果可以为驾驶员肌肉疲劳的预警提供理论基础, 可以在此研究程度上, 进行深层次的拓展, 形成针对草原公路行车的驾驶员疲劳预警机制, 提高安全驾驶。
摘要：内蒙古草原具有线形特殊, 景观单调等特点, 长时间在草原公路行车时极易引起肌肉疲劳。通过检测驾驶员肩部斜方肌的表面肌电信号, 使用MPF指标并结合主观问卷调查评估在草原公路驾驶过程中的驾驶员肩部肌肉疲劳。结果表明6名驾驶员的MPF随着驾驶时间延长呈现波动下降趋势, 但仅有17%的驾驶员主观感觉到肩部疲劳。实验结束后驾驶员肩部肌肉疲劳累积加重。
表面肌电信号 篇3
1. 比较常见的康复机器人的机构设计方法
康复机器人的机构设计方法一般可分为端部结构、外骨骼结构、混合型结构三种。端部结构康复机器人系统通常是在某一个点上与患者有身体接触,这种结构设计比较容易,不同患者均可使用。这类结构比较常见的有Arm-trainer、Gentles sys-tem、MIT-Manus等。外骨骼结构的康复机器人,相对于端部结构而言,可以实现多处与患者的身体进行接触,然后同时对患者的不同身体部位施加力作用。对不同患者的适应性差是这类结构的缺点。比较常见的有Lokomat、MIME、ARM-Guide等。混合型结构的机器人是融合了前两种结构的优点,既可以满足不同患者的需求,又可以独立控制施加在患者身体不同部位的力,如:ARMin。
2. 表面肌电信号的下肢康复机器人控制方法
肌电控制主要是获取肌肉中的肌电信号,通过放大、滤波、检分和积分这些肌电信号后,将作为动力关节的电机、气泵与油压泵进行驱动,使控制结构开始运动。其中控制方法主要分为三种:数字控制、比例控制、模式识别控制[2]。
2.1数字控制:
也称阈值控制,只要是运用某种手段把肌电信号或肌电信号的特征值转化为数字开关信号,以实现对机器人关节运动的控制。这类控制的缺点在于机器人运动的速度和力量同肌肉收缩的速度和力量不成比例,在控制中存在一些缺陷。浙江大学机电所研制的基于肌电信号的下肢康复医疗机器人即是运用的数字控制策略。
2.2 比例控制:
比例控制主要是在肌电信号驱动电机的同时,输出肌电信号的频率和幅度,使肌电信号的参数发生变化时,电机的回转速度和输出力矩随之变化,这样,机器人运动的速度和力量同肌肉收缩的速度和力量便可以成比例关系,弥补了数字控制的不足。这类控制比较成功的是由荷兰内梅亨大学设计的膝关节康复运动的机构、德国Otto-Bock公司的表面肌电控制假肢。
2.3 模式识别控制:
模式识别控制主要是采用一定的手段与方法,建立肌肉伸缩动作和肌电信号状态间的关系。在机器人运行时,通过分析判断采集到的信号所处的状态,以此推断控制端肌体所发生的动作,并通过控制指令来驱动电机,使机器人做出控制端的指定的运动。一般有两种具体的表现形式,分别是定量模式识别和定性模式识别。所以,模式识别控制是现在肌电控制方法研究的热点。目前这种控制方法应用比较成功的有上海交通大学机器人研究所研发的一款R-P-S三自由度踝关节康复助力假肢,另外杭州电子科技大学智能控制与机器人研究所提出的一种关于足底压力、膝关节角度和表面肌电信号的获取方法,为以肌电控制为基础、多信息智能控制的下肢假肢提供了理论基础。
3 表面肌电信号在未来机构设计中的发展趋势
表面肌电信号在医学基础研究、康复工程等许多领域均有广泛的应用,随着利用肌肉生理模型来分辨人体肌肉的运动轨迹理论的提出,电子假肢的研究制造也得到了深入的发展。目前国内外对假肢的研究,均改变了原来靠触动开关和预设启动控制假肢的系统,转而利用表面肌电信号来控制假肢的运动,使肢体的动作通过检测到的肌电信号分析获得,让假肢使用者使用起来更方便。对于瘫痪患者,可以通过两方面恢复瘫痪肢体的基本活动,一方面依据肌电信号分析出的值对肌体进行适当的刺激,另一方面医师获得表面肌电信号的参数,成为在后续治疗中的参考数据,所以在康复领域中表面肌电信号的检测将发挥越来越重要的作用。
在运动医学领域,表面肌电信号也可以发挥重要作用,它可以对运动员的运动进行检测,快速反映出运动员的肌肉状态,为教练和工作人员实施有效的训练方法提供事实依据。
4 总结
表面肌电信号具有反映人体肌肉活动过程的特点和功能,决定了它在临床医学领域与康复医学领域中可以发挥巨大的应用价值,现在国内外研究者已经探究出基于表面肌电信号的下肢康复机器人的控制方法,在实际运用中也取得了很大成果。随着表面肌电信号应用领域的拓宽,可以为瘫痪患者的治疗和运动员的训练提供很好的帮助。
摘要：现代社会发展过程中,越来越多的人受到后天影响而引发下肢单侧肌体运动能力损伤。目前康复医疗领域的主题就是对这类患者开展治疗,使其恢复运动能力。传统的临床运动疗法,康复效率比较低,患者参与意识薄弱,医师工作强度比较大,而且训练效果和评价结果容易受到医师的主观意识影响。在这种情况下,下肢康复机器人开始出现。
关键词：表面肌电信号,下肢康复机器人,控制方法
参考文献
[1]李金铭.基于表面肌电信号的下肢康复机器人控制方法研究[D].哈尔滨:哈尔滨工业大学,2013.
表面肌电信号 篇4
在人体肌肉内,中枢神经系统的运动神经发出的动作电位通过神经纤维到达肌肉,肌肉产生兴奋和收缩,肌电信号(EMG)就是由许多微弱的动作电位组合的序列总和,其中蕴涵了很多与人体动作相关联的信息[1]。肌电信号可通过表面肌电拾取电极或针式肌电拾取电极加以引导、记录,通过针电极拾取的肌电信号称之为针肌电信号,而通过表面电极拾取的肌电信号称之为表面肌电信号(s EMG)[2]。这些年来,肌电信号的检测与分析取得了飞速的进步,使其广泛地应用于临床诊断、康复、仿生控制和工程应用等领域。由于表面肌电信号是从人体骨骼肌表面通过电极引导、记录下来的神经肌肉活动发射的生物电信号[3],与肌肉的活动状态和功能状态之间存在着不同程度的关联性,能在一定程度上反映神经、肌肉的活动。
肌电信号是具有明显特征的人体电信号,本研究所做的特征提取就是寻找出这种明显的特征,主要通过肌电信号分析,提取较为明显、有效的特征值;然后再根据有效特征值的差异,进行模式分类,从而确定不同的肌肉运动,以驱动假肢、手臂关节与大腿关节等康复器[4,5]。
1 肌电信号的分析方法
1.1 时域分析
时域方法是传统的肌电信号分析方法,将肌电信号看作时间的函数,通过对时域信号的分析,可以得到信号的某些统计特征,例如可以对信号进行整形、滤波,计算信号的积分肌电值、平均肌电值、幅值的直方图、过零次数、均方值等,然后将其作为信号的特征用于模式分类[6]。时域特征的提取相对其他方法而言比较简单,所以它在康复医学应用领域中的技术比较成熟,应用比较广泛。章亚男[7]等人采集人体踝关节在一个自由度上做屈伸运动时的胫骨前肌和腓肠肌的表面肌电信号,提取表面肌电信号的均方根作为特种向量,通过均方根的阈值控制法,来实现踝关节康复装置的控制。王子羲[8,9,10]等人利用同步肌电分析方法,对偏瘫患者的上肢主要肌群的表面肌电信号分析,他们通过提取幅值变化的统计学规律来建立患者在完成这个动作时的多肌电模型,量化反映被测试人员完成动作时肌肉协调时序关系的规律和该测试动作的特征。A.E.Hibbs等人采取时域方法(肌电均值与峰值)用于康复评价[11]。但时域分析方法存在许多缺点,如信息利用不充分,信号在固定时刻或固定时间区域内的孤立值本身很少有意义;如被检查者对肌肉收缩程度的控制很难掌握,肌肉一旦用力过度,将会产生重叠运动单元的动作电位,造成干扰波形。
1.2 频域分析
传统的频域分析方法是通过傅里叶变换(FT)将时域信号转换为频域信号,从而对信号的频谱或功率谱进行分析。由于傅里叶变换的计算量十分庞大,1965年Cooley和Tukey[12]提出了快速傅里叶变换(FFT),并随着计算机的出现而得以实现,傅里叶变换法为信号处理及分析开拓了一个新领域。肌电信号的频率分析也能提供关于肌肉某种特征的有价值信息,常用指标有中值频率(MF)、均值频率、频率范围、最高波峰频率、最高波峰幅值、平均功率频率(MPF),其中平均功率频率和中值频率是临床判别肌肉活动的常用指标[13]。现阶段频域方法的应用也比较成熟,经常用于临床肌电图、神经肌肉疲劳检测,还有肌电假肢的控制。王坤等针对肌肉疲劳状态下提取的表面肌电信号,采用幅频联合的分析方法,为进一步研究肌肉疲劳状态的表面肌电信号的变化提供了方法支持与理论依据[14]。孔德刚等用平均功率频率和积分肌电值方法对拖拉机驾驶员颈部胸锁乳突肌的表面肌电信号进了分析处理,得出驾驶员颈部肌肉疲劳的原因,以及提出了缓解疲劳的建议[15]。高峰等分别检测其平均功率频率、中值频率和平均肌电值3种指标对攀岩训练中运动员的上肢主要做功肌肉的表面肌电信号进行分析,探讨肌电图在攀岩过程中的可行性[16]。王喜太等利用功率谱比值等方法进行小腿截肢者康复训练中股直肌的表面肌电信号的特征提取,并用所提取的特征值作为输出建立表面肌电信号与下肢残肢康复动作之间的依据[17]。但传统的傅里叶变换法存在一定弊病,使用傅立叶变换研究信号时,要求获得信号在时域的全部信息,甚至包括将来的信息,这很难满足。此外傅立叶变换在时域中没有分辨,信号在某一时刻的变化将影响整个频谱特性。表面肌电信号是具有非平稳性和非线性的随机信号,因此在采用传统的傅立叶变换实时分析肌电信号时受到了限制。
1.3 参数模型
参数模型法因为具有频率分辨率高的优点,成为了表面肌电信号分析的重要途径,其中典型的是AR模型法,AR模型参数的估计得到的是线性方程,计算比较简便,而且实际的物理系统往往是全极点系统,所以基于AR模型的功率谱估计是现代谱估计中最常用的一种方法。利用AR模型进行功率谱估计的实质是求解模型的均方误差σw2和参数αk两个参数的问题。目前这些参数的提取算法主要有Levinson-Durbin算法、Burg算法和Marple算法3种[18]。参数模型法将随机过程的随机性和一定程度的可测性有机地结合起来,其激励白噪声反映过程的随机性,确定性模型反映过程的可预测性。刘宏等人[19]通过在健康受试者前臂处安放8个表面肌肤干电极提取肌电信号,使用双通道肌电信号作为控制源,4阶AR模型参数作为特征,基于LM算法的BP神经网络作为分类器,以较高成功率实现人手10种姿态的分类。Paiss O.等建立了人体肱二头肌表面肌电信号AR模型,追踪能反映运动单位放电频率的低频信号成分以及反映运动电位波形的较高频率成分,并进行肌电功率谱分析,用于局部肌肉的疲劳检测[20]。与经典傅里叶谱分析相比,参数模型法能较好地估计信号功率谱,使用AR模型分析处理表面肌电信号时,应该根据需要选择合适的算法,Levinson-Durbin算法简单,但是分辨率较差;Burg算法容易出现谱线分裂和伪峰,受初相的影响产生频率偏移,但是它能满足大多数的应用要求,且计算不太复杂;Marple算法运算量较大,但性能最好,分辨率最高。
1.4 人工神经网络
人工神经网络(ANN)模仿生物神经元结构和神经信息传递机理,由许多具有非线性映射能力的神经元组成,神经元之间通过权系数相连接构成自适应非线性动力系统,具有自组织、自适应学习、良好的容错性、分布式存储、并行处理等特点,这使其在系统辨识和模式识别方面显示出很大的优越性。人工神经网络有各种模型,其中Hopfield网络和多层感知器(BP)模型在肌电信号分析中应用最为广泛。采用人工神经网络对肌电信号进行处理、识别和分类时,要首先确定神经网络的输入对象,且对象要具备反映肌电信号的特征信息。杭州电子科技大学罗志增和清华大学王人成首次将触觉和肌电控制技术结合在一起,用AR模型和神经网络相结合的肢体运动模式识别方法,设计出一种带有触觉和滑觉传感器的肌电控制电动假手[21]。Luh J J等利用3层前馈人工神经网络研究表面肌电信号的活动与肘关节等容收缩时的力矩之间的关系[22]。Orosco E等人用神经网络进行对屈肘、伸肘、前臂前旋、前臂后旋与休息5种状态的表面肌电信号分类[23]。现阶段人工神经网络大都应用于肌电信号分析处理、特征提取以及特征选择后的模式分类。模式分类时,为了简化网络结构,提高运行速度,不直接把肌电信号输入网格,而先对其进行压缩。通过增加训练神经网络的数据库,人工神经网络方法会有更远、更深的发展,提供更有用的信息,并更好地应用于肌电信号的分析处理以及各类肌病的诊断和治疗中。
1.5 时频分析
近年来,人们采用时间—频率表示法对肌肉力变化时发放的非平稳的肌电信号进行了大量的研究。目前用于表面肌电信号分析的时频分析方法主要有短时傅里叶变换(SFFT)、小波(WT)变换、维格纳(wigner-ville)分布、Choi-Williams分布、希尔伯特黄变换(hilbert-huang)等。
1.5.1 短时傅里叶(STFT)变换
对于非平稳信号的处理,最直接的方法是将该信号分成几小段,然后将各小段分别视为平稳信号来处理,短时傅里叶变换就是这样处理的。短时傅立叶变换处理肌电信号时,重要的是选择一个与信号相似的窗口函数r(t),这个窗口函数与肌电信号越相似,就越容易表达出肌电信号的信息。蔡立羽等采用短时傅里叶变换对表面肌电信号进行分析,成功地识别了展拳、握拳、腕内旋、腕外旋4种动作[24]。Yujue Wang等人利用滤波和短时傅里叶变换对左右小腿和左右肩膀的肌电信号进行处理分析[25]。但实际上,由于短时傅里叶变换的局限性,它不能敏感地反映信号的时频域的走向和突变。不过对于慢变化的信号,通过适当选择窗函数,仍可获得较好的效果。
1.5.2 小波(WT)变换
小波变换是由法国地质学家Morlet J和Grossmann A于1984年提出。他们在分析地震波的局部时,发现传统的傅立叶变换难以达到要求,从而引入了小波概念。小波变换是傅里叶变换的新发展,它用一个函数代替传统傅里叶级数的系数,克服了傅里叶级数不能反映信号局部特性的不足,能够分析非周期函数。对信号进行小波分析前,首先要确定小波变换的类型,如果是连续的小波变换,则频率分辨率明显高于二值离散小波,而且在对肌电信号分析时,低频信号对应宽时域窗口,高频信号对应窄时域窗口。选择基本小波后,通过不同的位移和尺度变化就可以实现信号的多分辨率变换。赵京东等人采用Coiflet 4小波对3通道肌电信号进行4尺度小波分解,实现了对拇指弯曲/伸展、食指弯曲/伸展、中指弯曲/伸展的动作识别[26]。李醒飞等人根据采集的肌电信号,对该肌电信号进行小波处理,能够有效地识别握拳、展拳、手腕内旋和手腕外旋4种动作模式[27]。Guo Xin等人利用小波变换及小波包变换对人体下肢行走时的肌电信号进行消噪处理[28]。小波具有紧支撑的性质,局部突变信息的作用能很好地反映出来,处理、捕捉突变信号,灵敏度很高。进行小波分析时,先要确定小波函数。小波函数的选择对分析结果影响很大,所以应根据不同的用途,了解其频率范围,慎重选择合适的小波函数。
1.5.3 维格纳(wigner-ville)分布
维格纳分布是信号能量在时、频两维空间上的分布。维格纳分布具有许多优良特性,例如,定义域的同一性、反演特性等,这使它在非平稳肌电信号的处理中颇有潜力。当肌肉力变化时实际的肌电信号是非平稳的,不是高斯型信号,它的相位谱含有丰富的信息。为此就需要用高阶矩和高阶矩谱来描述其统计平均特性,克服传统处理方法的不足,给出信号本身更多的信息。Khezri M等人利用维格纳分布方法处理肌电信号,对6个动作的分辨准确率高达91.3%[29]。维格纳分布的不足之处在于变换是非线性的,当信号成分多时,不同成分之间容易出现交叉项,引起伪像。
1.5.4 Choi-Williams分布
在高精度信号分析中,为了减小交叉项的干扰,科学家提出了一系列时频分布。Claasen等发现众多的时频分布只是Wigner-Ville分布的变形,可以用统一的形式表示。不同的时频分布只是体现在积分变换核的函数形式的选择上,而对于时频分布各种性质的要求则反映在对核函数的约束条件上。
1.5.5 希尔伯特黄(hilbert-huang)变换
1998年Norden E.Huang等人提出了一种新的信号分析方法—希尔伯特黄变换(HHT)[30]。希尔伯特黄变换运用简便,而且并不涉及频率分辨率和时间分辨率的矛盾问题,有较好的计算效率,以及较好的时域和频域分辨率。徐文良等人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,同时采用基于经验模态分解阈值消噪方法,消噪效果明显,在抑制噪声的同时,能够较好地保留信号边缘和细节信息[31]。但希尔伯特黄变换存在端点曲线拟合、频率漂移和瞬时频率轻微波动等问题。
1.6 非线性动力学
非线性动力学方法开始应用于肌电信号处理方面。非线性动力学研究的基本原理是:由少数变量的单一时间序列提取整个系统的动力学特征,以构建肌肉机械活动与生物电变化之间的力电关系模型。肌电信号实际上是一种复杂的非线性信号,可用非线性方法对其进行研究。现肌电信号非线性动力学分析处理方法主要有相关维数(分形分维)、李雅普诺夫(Lyapunov)指数、熵和复杂度等。王人成等从不同重量、不同动作和不同幅度对人体手臂尺侧腕屈肌和尺侧腕伸肌的表面肌电信号进行分维[32]。胡晓等人采取前臂内旋和外旋时表面肌电信号,用一种基于模糊自相似性的方法计算原始信号和4个子信号的分形维[33]。重庆大学田学隆等人提出了一种基于分维的局部投影法用于新型脑卒中康复治疗仪的信号预处理及交互模块[34]。胡晓等人用小波熵方法衡量肌肉的疲劳程度[35]。罗志增等人提出了一种基于基本尺度熵的表面肌电信号特征的提取方法,来获取肌电假手执行腕上翻、腕下翻、展拳和握拳4类动作时所对应的表面肌电信号特征[36]。肖毅以做俯卧撑的上肢肌电信号为分析对象,通过计算其Renyi熵、小波熵和复杂度刻画不同阶段肌电信号的复杂性,得到熵与肌电信号复杂度的存在的关联[37]。非线性动力学方法研究已经已经有了一定的深度与广度,并取得了一些成果,由于研究起步较晚,但实际应用有待进一步的探究[38]。
2 肌电信号在康复医学中的应用
2.1 康复评估
康复评估是指对患者的功能状况及潜在能力作出评估,也是对患者各方面情况进行收集、量化、分析,并与正常标准进行比较的过程[39]。肌电信号主要从人体生物特征角度研究肢体康复评估,其特征的变化能在一定程度上反映中枢控制因素以及肌肉兴奋传导速度的特性,能有效地帮助缓解由于检测效度的主观性和检测结果难以精确定量而受到限制[40]。梁丹青、姜丽等通过对照患者健侧和患侧肢体的肌电信号指标,评价患者康复训练的效果[41,42]。倪朝民、周崇阳等通过对患者相关肌电图的分析,确定康复疗效[43,44]。王子羲等人对偏瘫患者的痉挛性肌强直症状进行定量评价[45]。上述研究主要通过对肌电信号的不同指标的特征进行对比,得到健肢与患肢肌电信号特征的差异,以评估神经肌肉的康复状况,确定康复训练方案。
2.2 假肢的控制
肌电假肢是由截肢者的大脑神经支配残肢肌肉运动产生肌电信号,通过将肌电信号放大后用来控制微型电机,带动传动系统,驱动假肢动作。由于肌电假肢的运动接受大脑指挥,它除了具有电动假肢的长处外,还具有直感性强、控制灵活和使用方便等优点。欧洲4国研发出的一种完全与神经系统相连接,可感知位置及周围环境刺激的假手[46]。罗志增与王人成等人研究出一种具有感知接触和滑动功能、良好的仿生控制功能的肌电假手[47,48]。刘宏等应用人手19种典型姿态对应的表面肌电信号对3自由度仿人型假手的控制[49]。Park Wonll等建立肌电信号与拇指指尖力之间的映射关系对假手进行控制[50]。目前肌电假肢使用最多的是参数模型法,而人工神经网络法和混沌分析法为现代分析方法,是目前肌电识别研究的热点,这两种方法的使用将有效提高对肌电假肢控制的准确性。
2.3 康复机器人的控制
康复器械的最终目标是恢复人体肌体组织的运动机能,实现肌体组织的自然化动作。肌电信号控制是利用分离的肌群电信号(肌电信号)控制康复器械,使其能够具有与肢体相同的对外界刺激的反应能力和对脑神经信号的识别和处理能力,模拟肢体动作,实现肢体的康复治疗。田学隆等研制的脑卒中康复治疗仪能够根据患者肌电表面信号强度进行训练过程控制[51]。Hu Yong等建立了腰部关节的表面肌电信号形态模式并应用于下肢康复器的设计和控制[52]。章亚男等利用选择性表面肌电信号控制踝关节神经运动康复并研制了相应的康复装置[53]。康复机器人也存在一些难题,尽管单一动作的肌电信号识别率已达到95%以上,但实际应用的实例还不多见,且对于连续表面肌电动作信号的起止点很难进行准确地自动定位,从而难以实现多自由度机构的连续控制。
2.4 未来展望
2.4.1 康复评估展望
康复评估将综合人体的生物特征与主观感觉,从肌肉硬度、血流特性、主观舒适度、表面肌电信号等方面综合对患者进行评估。而表面肌电信号将从单一关节、单一动作的信号向多关节、连续动作的肌群信号扩展,诊断和评定各种影响神经肌肉功能的情况。
2.4.2 假肢展望
未来假肢将在控制主动性与动作的有效性上有进一步的提高与发展。如在假肢上增加力与位置的传感器,以形成假肢的触觉,达到对假肢接触力与接触位置的控制,更能提高假肢的动作实现的准确性与效率性。现脑电假肢还处于初步研究阶段,在将来它可以依据人体的自主意识,以脑电信号达到对肌电信号的控制,有效地实现人体对假肢的控制。
2.4.3 康复器械展望
康复设备将在控制技术、结构材料等方面进一步改进。流体驱动控制介入康复器械的研制,将在顺应性与安全性方面取得很大进展。单自由度结构将向多自由度结构发展,实现多自由度的连续运动,以达到整体康复训练目的。刚性结构向刚柔结合结构、柔性结构发展,如以橡胶、塑料等轻型柔性材料代替金属等沉重刚性材料,改善其穿戴性与轻便性。
3 结束语
肌电信号分析处理方法有各自优缺点,具体使用时应根据实际情况选择确切的方法进行分析处理,从而选择有效的特征值,以便进行有效分类,实现较好的实际应用。随着科学技术水平的提高,肌电信号的分析处理方法将进一步得到发展,肌电信号在、离线控制水平将进一步提高,本研究将能更充分地发掘肌电信号包含的人体信息,并将其应用于人体功能检测、评估、训练、重建、补偿、调整和适应,制订出更有效的康复训练计划,制作出更有效方便的康复装置与助力助行装置,提高并完善康复工程技术,提高机体的生存质量,从而提高人们的生活质量。
摘要：表面肌电信号(sEMG)有多种分析处理方法,如时域、频域、参数模型、时-频域、非线性动力学等方法,针对分析处理方法的选取问题,通过分析研究各类分析处理方法,比较了各类分析处理方法的特点、优劣与使用情况。研究结果表明,每种分析处理方法都有各自的优缺点和适用范围,具体使用时应很据实际情况选择确切的方法。并对肌电信号分析处理在康复医学中的应用领域上(康复评估、假肢和康复机器人)进行了展望。
表面肌电信号 篇5
在拖拉机机组作业过程中,驾驶员需要经常转动头部来了解周围环境和后方作业情况,特别是在拖拉机与机具接合或悬挂机具倒车时,驾驶员经常要长时间、大角度转头观察,很容易造成颈部肌肉的酸痛,导致疲劳,不仅影响驾驶员的身体健康和作业安全,还会影响作业效率和作业质量。因此,对拖拉机驾驶员的颈部肌肉疲劳进行研究十分必要。许多研究表明[1,2],驾驶员局部肌肉的疲劳程度可用表面肌电信号(SEMG,surface electromyogram signal)来评价。表面肌电信号是从皮肤表面通过电极引导出来的生物电信号,它能在一定程度上反映神经肌肉系统的活动情况。SEMG便于测试且无创伤,在体育科学和人机工程学等领域得到了广泛应用。国外早已利用SEMG研究和评价驾驶疲劳问题,与国外相比,我国在这方面的研究起步较晚。本文以拖拉机驾驶员头部转动过程中起主要作用的胸锁乳突肌为研究对象,对转头过程中该肌肉SEMG变化情况进行了试验研究,为减缓和评价拖拉机驾驶疲劳、设计和开发适合我国人体特征的“人性化”拖拉机驾驶室提供依据。
1 试验对象与方法
1.1 试验对象
试验对象为年龄23~26岁、身高175~180cm、体重60~70kg的10名男子。被测人员身体健康,颈部无疾病、畸形或创伤。试验前,所有被测人员都得到了充足的休息,颈部无酸痛或不适的感觉。
1.2 试验设备与仪器
试验在模拟拖拉机驾驶试验台上进行,试验台上的座椅、方向盘、油门踏板等的高度、角度和位置可根据被测人员的身体特性进行调整。
测试仪器为日产Personal-EMG表面肌电采集记录系统(8通道,采样频率为3 000Hz,共模抑制比为104d B,增益调节范围1 k~10 k)。试验时,增益调至1 000倍,设定带通频率10~500 Hz,采用50 Hz陷波消除工频干扰。试验用电极为Ag-Ag Cl电极贴片。
1.3 试验方法
现场测试虽然采集的是实际作业信号,但测试信号容易受作业环境等不确定因素的影响,同时也会影响作业进度。模拟试验具有可重复性、受外界环境影响较小以及不受季节性等作业条件影响的特点,因此本文采用模拟试验的方法。
胸锁乳突肌起自胸骨柄前面和锁骨的胸骨段,止于颞骨的乳突,当头部向一方转动时就会显现。胸锁乳突肌是颈部浅层最显著的肌肉,因此测试信号受皮下脂肪厚度的影响较小以及粘贴电极前先将测试部位皮肤进行预处理,刮除毛发,用砂纸轻轻打磨,最后用酒精棉签擦拭。电极应粘贴肌腹隆起处,两电极贴片间距为2cm[3,4]。
试验设定:以座椅中心为原点、半径为2m的圆,将座椅正前方定义为0°,正后方定义为180°;以30°为间隔单位将圆等分,在每个分隔点与人眼等位置上设置标的物。试验时,被测人员坐在座椅上,上身挺直,左手握住方向盘,右手把握操纵杆;左脚放在离合器踏板上,右脚放在油门踏板上。
试验一:试验开始时,被测人员目视正前方0°;当听到提示后,转动头部至能看清左侧30°的标的物为止,保持不动20s,然后回到0°休息10s;下一标的物位置是右侧30°,以下观察标的物次序依次是左60°、右60°、左90°、右90°……左180°、右180°。试验中,被测人员视线由0°转向其他角度的标的物时,由头颈部和躯干的转动来完成。试验对转动速度等不做特别限制,并定义头部转动角度与所设置标的物的角度相同。
试验二:分别测试被测人员头部左转180°和右转180°持续目视后方标的物所能坚持的最大时间。试验采集到的数据直接存储到计算机中,用于后续处理。
1.4 数据处理
SEMG信号的分析通常在时域和频域进行[5]。分析前先将SEMG信号进行小波消噪。选用Matlab工具箱中的Wavedec函数和Symlets小波函数系对采集的肌电信号进行多尺度分解,并利用Waverec函数进行信号重构。大量实验和资料表明[6,7,8],选用Sym8小波进行4尺度分解取得的效果最好。在小波工具箱里,采用默认阈值算法进行小波变换系数阈值量化。
图1为实测转头动作肌电图原始信号和小波消噪后的对比图,横坐标为采样点序列,纵坐标为该点的肌电值,单位为m V。
由图1可见,消噪后肌电图区去除了很多尖突部分,特别是在0°附近位置时(0~200点和3 400~4 0 0 0点)的肌电信号更加平稳,使动作起始点和结束点的查找更加方便,从而有利于动作信号的提取。
对时域的肌电信号(integrated electromyogram,s EMG)进行反向处理后积分,可得积分肌电值(i EMG,integrated electromyogram)。研究表明,积分肌电值与肌力和肌张力之间的呈正相关关系[9]。因此,本文选用i EMG作为肌电信号的时域评价指标。实际上,测试仪器采集、记录存储在计算机的肌电信号(数据)是一些离散值x1,x2,……,xn。积分肌电值就是将这些离散值取绝对值后求它们的平均值,计算公式为
对SEMG信号进行快速傅立叶转换(FFT,Fast Fourier transform),可获得SEMG信号的频谱或功率谱等。平均功率频率(MPF,Mean power frequency)在肌肉疲劳过程中逐渐变小,在负荷加大时减小速度加快[10]。本文选用MPF作为肌电信号的频域评价指标。平均功率频率的计算公式为
式中P(f)—信号的功率谱密度函数。
本文在Matlab中编写计算上述两个评价指标的程序,对测得的肌电信号进行数据处理。
2 结果与分析
2.1 积分肌电值
试验一的数据经Matlab处理后,将所有被测者的积分肌电值归类,按不同转动角度取平均值,绘制左右胸锁乳突肌的积分肌电值I的平均值随角度的变化图,并做如下分析。
图2和图3是头部向左右转动注视标的物时左右两侧胸锁乳突肌的积分肌电值I随头部转动角度变化的情况,横坐标为头部转动的角度,纵坐标为对应该角度左右两侧胸锁乳突肌的I值。
由图2和图3可以看出:随着头部转动角度的增加,I值有随之增大的趋势。在60°之前,头部转动角度引起的肌力变化不大,左右胸锁乳突肌的I值差异较小。在90°~180°区间,头部自左侧向后转动时,右胸锁乳突肌的I值显著大于左胸锁乳突肌的I值(P<0.05);头部自右侧向后转动时,左胸锁乳突肌的I值显著大于右胸锁乳突肌的I值(P<0.05)。这是因为头部自左右侧向后转动过程中,随角度增加,对应侧胸锁乳突肌的肌力逐渐加大。总体上左右侧肌电信号值虽有差异,但人体生理结构左右对称,其变化趋势是相近的。
2.2 平均功率频率
图4和图5是平均功率频率MPF随头部转动角度的变化情况,横坐标表示头部转动角度,纵坐标表示平均功率频率MPF。与积分肌电值所用的统计方法一样,图中每个角度的MPF为所有被测试人员的平均值。
由图4和图5可知:随着头部转动角度的增加,MPF有明显的下降趋势,其频率变化范围在80~180Hz之间,而且左转动时左侧胸锁乳突肌的MPF值变化较小,各角度的MPF值都显著大于右侧胸锁乳突肌的MPF值(P<0.05);同样,右转动时,右侧胸锁乳突肌的MPF值变化较小,各角度的MPF值都显著大于左侧胸锁乳突肌的MPF值(P<0.05)。与时域的积分肌电值I变化趋势相比,MPF的变化趋势较为明显,即对头部转动角度的变化较为敏感,显示出频域分析的优越性。
2.3 最大持续时间
图6是试验二中所有被测人员分别自左右侧向后转注视正后方标的物所能坚持的最大时间分布图。从图6可以看出,被测人员自左向后转注视正后方标的物能坚持的最大时间多数在60~80s,而自右向后转注视正后方标的物所能坚持的最大时间多数在80~100s,表明注视正后方标的物时有自右向后转注视后方能坚持的最大时间大于自左向后转的倾向。
另外,由图2和图3可知,最大I值都出现在180°,但向左转动的右胸锁乳突肌最大I值(134.9μV)要比向右转动的左胸锁乳突肌最大I值(113.8μV)要高一些,可认为是试验中被测人员的驾驶姿势的影响。试验中,被测人员握方向盘的左手和握操纵杆的右手放置的位置不同,握方向盘的左手离上体较远,握操纵杆的右手离身体较近。左上臂与上体躯干的角度较大,前臂前伸距离较大,以致左转动要比右转动相对费力,导致左转动的右胸锁乳突肌最大值稍高。注视同一正后方标的物体,向左转动时肌肉疲劳时间点提前,最大持续时间变小,与图6中所示结果一致。即使右转动的最大I值相对较低,疲劳时间点相对向后延迟,但最大持续时间也不是很长。试验二中测试的最大持续时间仅为120s。颈部肌肉疲劳时作业者就会发生肌肉酸痛、耳鸣和看不清标的物等症状,影响作业的正确性。如果拖拉机驾驶员能够经常利用倒车镜等辅助设备来完成倒车等作业,那么颈部的肌肉疲劳程度将会明显降低。当驾驶员使用倒车镜时,两侧的转头角度都不会超过60°,此时两侧胸锁乳突肌积分肌电值I的平均值为31.4μV,MPF的平均值为136.5Hz。在拖拉机与机具接合及悬挂大型机具倒车情况下,驾驶员若不借助设备直接转头注视后方时,两侧胸锁乳突肌积分肌电值I的平均值为124.4μV,MPF的平均值为88.7Hz。比较两种作业方式可知:驾驶员直接转头注视后方时的积分肌电值约为借助倒车镜等辅助设备观察后方时的4倍,MPF值是后者的0.65倍。直接转头注视后方会使颈部肌肉的I值显著增大,MPF值明显减小。这使得能量消耗增加,产生与积累的丙酮酸和乳酸等酸性代谢物增多,肌肉容易疲劳。
3 结论与建议
3.1 结论
1)随着拖拉机驾驶员头部转角的增加,积分肌电值I有显著增加的趋势,平均功率频率MPF有明显下降的趋势。这说明,大角度的头部转动容易使拖拉机驾驶员颈部产生疲劳。
2)拖拉机驾驶员头部自左右侧向后转动时,相对侧的胸锁乳突肌的受力较大,左右两侧的积分肌电值I和平均功率频率MPF值有显著差异。
3)表面肌电信号的平均功率频率MPF值随转动角度变化较为明显,与时域的积分肌电值I相比,显示出一定的敏感性。
4)拖拉机驾驶员观察正后方作业情况时,自右向后转注视后方能坚持的最大时间大于自左向后转能坚持的最大时间。
3.2 建议
拖拉机驾驶员除了倒车和悬挂机具的作业以外,播种、割晒和深松浅翻等作业也需要经常大角度转动头部,了解后方的作业情况,转动频率较高。另外,农业生产作业季节性强,作业时间相对集中,作业时间长,这些都易使拖拉机驾驶员颈部肌肉产生疲劳。因此,建议使用倒车视频系统和安全警报装置,使用拖拉机与机具的快速接头,提高作业机具的可靠性,开发作业机具监测设备等,通过减少拖拉机驾驶员大角度转头次数和时间等措施,达到有效减轻颈部肌肉疲劳的目的。
摘要：为了了解拖拉机驾驶员颈部的疲劳状况,在模拟拖拉机作业过程基础上,对驾驶员颈部胸锁乳突肌的表面肌电信号进行了测试分析,并以积分肌电值与平均功率频率为评价指标,对作业过程中驾驶员颈部疲劳进行了研究。结果显示:头部转动角度对积分肌电值和平均功率频率有明显影响,积分肌电值随角度的增大呈现明显的增长趋势,平均功率频率随角度的增加呈现明显下降趋势,表明大角度的头部转动容易使拖拉机驾驶员颈部产生疲劳。同时,分析了拖拉机驾驶员颈部产生肌肉疲劳的原因,提出了缓解疲劳的建议。
关键词：表面肌电信号,拖拉机驾驶员,颈部疲劳,积分肌电值,平均功率频率
参考文献
[1]王健,金小刚.表面肌电信号分析及其应用研究[J].中国体育科技,2000,36(8):26-28.
[2]陈静,丁嘉顺,王正伦,等.重复性搬举作用所致背部肌肉疲劳的表面肌电信号分析[J].中华劳动卫生职业病杂志,2004,22(6):42-405.
[3]王健.动态运动诱发腰部脊竖肌疲劳过程中sEMG信号变化特征[J].中国体育科技,2001,37(4):9-11.
[4]Simoneau G G,Marklin R W,Berman J E.Effect of com-puter keyboard slope on wrist position and forearm electro-myography of typists without musculoskeletal disorders[J].Physical Therapy,2003,83:816-830.
[5]L I Zhuo.Signalanalysis of electromyogram and its applica-tion in sport scientific research[J].Bulletin of Sport Sci-ence and Technology,2006,14(3):31-34.
[6]杨福生.小波变换的工程分析与应用[M].北京:北京科学出版社,2000:42-61.
[7]杨广映,罗志增.小波变换在肌电信号预处理中的应用[J].杭州电子科技大学学报,2005,25(1):14-17.
[8]罗志增,张清菊,蒋静坪.表面肌电信号的小波消噪改进算法[J].浙江大学学报,2007,41(2):213-216.
[9]余洪俊.表面肌电图评价肌肉的功能状况[J].中国临床康复,2002,6(23):3514-3515.
表面肌电信号 篇6
关键词：sEMG,脊髓损伤,运动干预
脊髓损伤(spinal cord injury, SCI)是指由于多种不同致病因素引起的脊髓结构功能的损害,造成损伤平面以下运动、感觉、 自主神经功能的障碍。在我国,据不完全统计,现有脊髓损伤患者约40万,每年新增病例约1万[1]。有研究表明:对脊髓损伤患者进行残存肌力训练可以改善患者的功能能力[2]。而坐位平衡是脊髓损伤患者实现站立和行走的前提,因此对脊髓损伤患者进行躯干肌残存肌力的训练是最基本的训练。
表面肌电(s EMG)图是采用皮肤电极放置在目标肌肉表面,通过对单块或一组、多组肌肉集合性肌电活动的同时记录,采集肌肉活动/动作(等张、等长、等速)时的肌电信号对神经肌肉功能作定量和定性分析,并推测神经肌肉的病变特性,主要适用于康复医学功能及疗效的评价与治疗[3]和体育运动中与疲劳相关的肌肉力学分析。康复治疗需要不断进行评价,表面肌电安全、无创和便于操作的特性可起到辅助治疗的作用。
1对象和方法
(1)对象:研究对象是1例18岁的高中男生,在2010年被诊断为C7-T2的先天性椎管内硬脊膜外血管畸形。
(2)功能检查:患者上肢功能较好,双下肢瘫痪,躯干肌无力,控制能力较弱。
(3)干预:经患者及其家属同意并签署知情协议书,2014年1月至2014年5月对其进行躯干康复训练,由父母帮助完成。训练12周, 每天训练时间80~100 min,每次进行时间和内容的记录。
(4)干预内容:将患者的胸大肌、腹内外斜肌、腹直肌、三角肌、 背阔肌、斜方肌、腰方肌、竖脊肌作为训练对象,其中以背阔肌、斜方肌、三角肌、竖脊肌作为重点训练肌设计出不同的练习项目,主要有床上的被动练习和辅助练习;椅上的辅助练习、主动练习和抗阻练习。
(5)测试仪器:美国NORAXON公司的MYOSISTEM-1200型表面肌电图仪。
(6)方法:s EMG测试在防电磁干扰肌电图室内进行,测试三组肌肉(第一组:胸大肌、腹直肌、腹内外斜肌和腰方肌;第二组:三角肌、背阔肌、竖脊肌和多裂肌;第三组:斜方肌上、中、下三束和臀大肌;)在最大收缩力下的肌电指标。测试前向患者介绍测试过程。正式测试前让患者尽量放松,以示波器上肌电信号平稳为标准。每个测试动作做3次,当患者最大用力时保持8~10 s,每次测试间隔2 min左右。
(7)主要观察指标:s EMG的主要观察指标有时域指标的积分肌电值(IEMG)、均值、峰值和频域指标的中位频率(MF)、平均频率 (MPF)。
2结果
2.1时域指标测试结果
躯干肌各肌肉经运动干预后其积分肌电(IEMG)、均值和峰值这三个时域指标的数值均有增大,增加幅度不等,表现为:(1)躯干肌背部肌群增加幅度较前侧肌群大。(2)上躯干肌肌群增加幅度较下躯干肌肌群增加幅度大。
2.2频域指标测试结果
躯干肌各 肌肉经运 动干预后 其中位频 率(M F )和平均频率 (MPF)这两个频域指标的数值改善幅度不明显,有些肌肉的频域指标数值出现下滑;躯干肌左右两侧变化差异不大。
3讨论
大部分脊髓损伤患者都有中等到严重的运动损害,60%的患者在日常生活上需要功能性的帮助,少数患者有恢复行走的可能,估计恢复的范围在7%~38%之间[4]。对于截瘫患者,要想恢复其行走功能,就必须改善其坐位平衡功能,坐位平衡是指人体在运动或受到外力作用时,能自动调整并维持坐位姿势的能力[5]。它是患者完成直立行走的前提,同时也能直接或间接地影响患者日后的生活自理能力。因此,该研究将患者的躯干肌作为重点训练肌,同时用s EMG评定训练的效果。
s EMG是近年来备受关注的一种无创的神经肌肉功能的检测方法,可以较客观的反应所测肌肉的功能,被广泛用于临床[6]。目前,对于脊髓损伤的康复效果评定大都采用美国ASIA神经功能评定、肌痉挛评定、日常生活活动能力评定(ADL)、FMA评定运动功能等。这些肌力分级评定和肌肉痉挛度评定由于检测效度的主观性和检测结果难以精确定量而受到限制。
多年来,对s EMG信号的分析主要集中在时域和频域两个方面[7], 时域分析的主要指标包括平均振幅、肌电积分(IEMG)等;频域分析常用指标为平均频率(MPF)和中位频率(MF)等[8]。该研究将肌电积分值和中位频率作为主要观察值。
3.1时域指标评定
肌电积分值(i EMG)是指在一定时间内肌肉中参与活动的运动单位的放电总量[9]。国外专家Onishi[10]等对肌电积分值与肌力和肌张力之间的关系进行了研究并指出:肌肉随静力收缩时,表面电极测定的肌电积分值与肌力及肌张力之间呈正相关。因此,肌电积分值(IEMG)可作为评估肌力和肌张力的理想指标。由结果:(1)患者躯干肌时域指标的肌电积分值均增加,说明患者经过三个月的训练,肌力和肌张力均有明显的改善;(2)患者背部肌群IEMG增加较前侧肌群大,可能原因是对患者背部肌群设计的训练动作较前侧肌群多;(3)患者上躯干肌的增加幅度较下躯干肌大,可能原因是我们对上躯干肌设计的练习动作较下躯干肌多。
3.2频域指标评定
MPF和MF是临床判别肌肉活动时的疲劳度的最常用指标[11]。相关研究中发现,不论是静态还是动态的情况下,随着肌肉疲劳的发生,都会出现肌电频谱左移的现象,即频谱的MPF和MF值下降[12]。故MF可作为评定肌耐力的客观参数指标。由结果:患者躯干肌频域指标的中位频率无明显变化,说明患者的肌耐力没有改善。可能原因有:(1)动作设计中忽略了做动作的时间要求;(2)耐力训练的项目设计不多;(3)每个测试动作只持续8~10 s,该时间不能真正反应患者的耐力水平。
表面肌电信号 篇7
腾空飞脚是武术套路中常见的跳跃动作之一。在1958年, 由国家体委武术处组织的创编规定套路集训时, 把传统的飞脚, 发展为腾空飞脚。在传统套路中, 查拳、华拳、炮拳、洪拳等各拳术中都有此动作, 原名叫飞脚或二起脚。[1]它既是武术跳跃动作中的单个动作, 又是连接其他跳跃动作的基本动作之一, 作为基本跳跃动作, 腾空飞脚常出现在规定套路和自选套路中。运用比较普遍, 但又不易掌握。现在的武术套路向高、难、新、美发展的时候, 跳跃动作的地位越发至关重要, 往往是难度和美观的重要体现部分, 也是套路中的亮点之一。
腾空飞脚要求动作优美、干脆、利落, 需要具有较好的身体素质、较强的身体灵活性和协调性。但在训练过程中, 由于运动员自身条件等因素限制常出现动作错误或不够美观等问题, 其中击响腿“偏移”现象是一个常见性错误动作。无论初学者还是高水平运动员都有不同程度的“偏移”现象, 而初学者尤为严重, 动作的美感效果大打折扣。 (击响腿“偏移”是指当运动员腾空击响时, 右腿偏离人体前正中线方向并造成外展的错误性动作) 。而导致击响腿“偏移”的因素很多, 包括:身体协调性、柔韧性、灵活性等。但现有的文献对此方面的验证还比较缺乏。因此, 本研究从运动学和表面肌电角度作为切入点, 对不同水平运动员完成腾空飞脚击响腿“偏移”进行对比分析, 为武术套路教学和训练中涉及该动作技术动作要领进行理论探讨。
2 研究对象与方法
2.1 研究对象
选取上海体育学院5名受试者。其中3名二级运动员作为试验组, 2名国家健将级运动员作为对照组。所有受试者均理解实验意图, 自愿参与本次试验, 具体情况见表1。
2.2 研究方法
2.2.1 实验仪器
摄像机Panasonic NV-GS400 (30Hz) 、美国Noraxon公司Tele Myo DTS16导遥测肌电系统采样频率1000HZ、瑞士产Dartfish运动技术分析系统 (Ver 5.0) 。
2.2.2 相关肌肉选取 (见图1)
根据腾空飞脚动作的特点, 结合解剖学、运动学专家和武术教练员提供的建议以及现有的实验条件, 本研究特选取以下11块肌肉进行研究。
(1) 右腹直肌; (2) 左腹直肌; (3) 右臀大肌; (4) 右股直肌; (5) 右股外侧肌; (6) 右股内侧肌; (7) 右半腱肌; (8) 右腓肠肌内侧; (9) 右腓肠肌外侧; (10) 右胫骨前肌; (11) 右股二头肌。
2.2.3 实验步骤
(1) 摄像机标定:摄像机Panasonic NV-GS400 (30Hz) 架设位置为运动员右脚最后一步蹬地前方5m处, 在同一条直线上, 高度为1.5m。
(2) 实验前准备工作:告知实验对象具体要求, 并让其填写实验知情同意书和基本信息情况表。
(3) 剃须刀剔除相应肌肉表面体毛并用酒精进行消毒清洁, 然后表面电极贴于肌腹上皮肤, 电极排列方向与肌纤维走向平行, 电极间距2cm, 无线肌电发射器粘贴于电极片旁2-3cm, 并用弹性绷带进行固定。松紧度以受试者主观感受为宜, 避免影响肌电信号。
(4) 实验前先做准备活动十分钟, 热身后先进行简单的试跳动作, 但不采集数据。
(5) 标定:根据厂家推荐, 要求受试者各肌肉放松休息。当肌肉在安静状态下电信号均低于10uv时, 在Noraxon DTS系统的配套软件Myoresearch Xp Master测试模块中选择归零。
(6) 测试过程:受试者按照平时训练情况, 以所有肌电信号与录像同步有效为基本准则, 共做3次。
2.2.4 数据数理统计
通过dartfish软件分析系统采集运动员的“偏移角度”以及截取图片。而肌电信号采用Noraxon公司配套的系统分析软件进行处理, 首先是对数据进行整流, 把负波变为正波。然后采用带通滤波设值为低通10, 高通500。最后分析不同时段的EM-Grms值。并结合Spss17.0统计软件进行描述性统计。
3 结果与分析
3.1 腾空飞脚“偏移角度”与各肌肉均值的关系
通过观察“偏移角度”与各个肌肉均值的变化发现:导致出现“偏移角”现象可能与肌肉的做功不均衡有一定关系。在整个腾空飞脚过程中, 试验组的右股外侧肌高于右股内侧肌 (程某为203.6±114.7 u V和170.8±98.2 u V、刘某为264.4±172.2 u V和207.7±178.1 u V、杨某为154.3±126.8 u V和157.0±114.0 u V) 。相反, 观察对照组的高水平运动员的肌电均值却是右内大于右外。 (贾某为243.3±217.9 u V和260.1±138.7 u V, 秦某为170.4±149.2 u V和179.9±148.2 u V) 。同样, 试验组右股后肌群的外侧股二头肌肌电信号均高于内侧的半腱肌。而对照组高水平运动员却是内侧均值大于外侧均值。 (见表2)
注: (偏移角度是指当运动员腾空击响时, 右腿偏离人体前正中线方向并造成外展的夹角。)
虽然肌肉信号强度的大小能够影响到腾空飞脚的“偏移”, 但是具体是哪个环节或阶段影响并不清楚。因此, 根据动作的形态与顺序进行了动作阶段性划分。武术跳跃动作的完成是一个较为复杂的过程。为了便于分析, 根据动作的任务和性质, 将一次复杂完整的动作的整个过程划分为不同的阶段, 有利于对完整的动作进行分析和研究。在不同动作阶段的临界点, 定为武术动作技术的特征画面。在动作的采集数据中, 选取每个动作完整的动作周期进行分析[3]特征画面 (见图2) :助跑阶段:同步点———2、蹬地-离地阶段:2———3、离地-击响阶段:3———4、击响-落地阶段:4———8。
3.2 助跑阶段
在武术跳跃动作中, 助跑阶段动作的主要效果就是人体需获得一个适宜的水平速度, 为后续起跳动作的完成作好准备[4]。因此, 助跑阶段时期, 肌肉的兴奋度或者贡献率的大小对腾空的高度和速度可能会产生一定的影响。通过图3发现:右腓肠肌内侧和外侧的均值相对于其他肌肉的均值比较高, 分别为:127.2±34.6 u V、134.6±35.9 u V。而右臀大肌和右股直肌却相对较低为:75.3±28.3 u V、85.5±57.2 u V。从各肌肉均值变化来看, 助跑阶段的肌肉相对比较集中, 旋外肌肉与旋内肌肉的均值差距不大。表明此阶段的肌肉兴奋度对腾空飞脚的“偏移”影响并不明显。
3.3 蹬地-离地阶段
蹬地-离地阶段是指助跑最后一步结束时, 以右脚全脚掌着地过渡到离开地面的短暂时期。
通过图4两组肌电数据对比发现:试验组与对照组右胫骨前肌的肌电信号在此阶段最大, 对照组明显高于试验组 (对照组为381.1±145.6 u V、试验组为189.8±69.6 u V) 。也表明此时这块肌肉的兴奋度非常高。通过录像解析也能够证明这一点, 当身体所有重量与跑动惯性同时作用于右腿时, 此时右腿由屈膝过渡到伸直再到离开地面, 胫骨前肌的肌电信号理应达到最大值。也反映了录像与肌电信号达到了同步的效果意义。但是, 反观试验组的右臀大肌均值114.0±55.0 u V、右股直肌均值189.4±20.2 u V、右股外侧肌均值77.1±8.0 u V、右腓肠肌外侧均值49.8±21.3 u V和右股二头肌均值74.9±27.0 u V五块肌肉的肌电信号都高于对照组的相关肌肉。从肌肉的工作方式来看, 当肌肉近固定并作向心工作时, 臀大肌、臀中肌等肌肉的合拉力线能够使大腿旋外, 同样股外侧肌、股二头肌和腓肠肌外侧头等是使膝关节旋外的肌肉。因此, 这些肌肉在此阶段的变化可能为腾空飞脚“偏移”埋下了伏笔, 影响了空中动作的正确姿态。
3.4 离地-击响阶段
离地-击响阶段是指运动员右脚刚刚离开地面到达一定高度与右手掌在空中进行拍打的一个过程, 此阶段也是腾空飞脚“偏移”的主要阶段。
通过图5看出:此时人体各个肌肉的兴奋性被充分调动起来, 尤其是作向心工作的原动肌:左右腹直肌、右臀大肌、右股直肌、右股外侧肌、右股内侧肌的肌电信号都比前一个阶段有很大的提高。对比研究发现:试验组的右股外侧肌肌电强度均值最大为:456.4±86.8u V, 而对照组右股外侧肌的均值仅为400.3±74.9u V。同样, 试验组的右股内侧肌均值359.4±9.8u V却小于对照组右股内侧肌的均值473.9±6.4u V。从肌肉的分布情况来看, 大腿旋外肌肉远较旋内的肌肉数量多, 力量强, 这是因为在直立行走过程中, 需要保持身体较大的稳定, 采取“八”字的走法, 以求得较大的支撑面的缘故。所以, 旋外肌群比旋内肌群发达。[5]
因此, 笔者认为:旋外肌群与旋内肌群的力量失衡可能是造成腾空飞脚“偏移”一个重要因素。而对照组高水平运动员由于长年训练, 身体肌肉协调性能比较好, 弥补了这一缺陷。从肌肉的肌电信号集中与离散程度比较来看, 试验组二级运动员各肌肉信号相对于对照组高水平运动员呈离散状态, 而高水平相对集中一些。 (见图6)
(浅色线:刘某深色线:贾某)
3.5 击响-落地阶段
击响-落地阶段是指腾空飞脚完成击响后, 击响腿快速有力地进行下压到达地面并顺势缓冲的阶段, 也是整个腾空飞脚完成的最后一个环节。
此阶段运动员需要充分展开身体, 保持动作的飘逸与平衡感。而试验组运动员由于击响腿的“偏移”而失去了这种美感, 并且当下落时, 击响腿的运动轨迹形成了一个倒“D”状, 并不是直线下落。当肌肉做退让工作时, 原来的对抗肌此时变成了主动肌, 而原来的主动肌由于运动员有意识地进行下压, 也积极主动参与到了整个过程的完成。在此阶段, 试验组运动员的右胫骨前肌与右腓肠肌外侧肌电均值非常大, 分别为364.8±107.8u V、332.9±57.0u V。而对照组确是右腹直肌与右股内侧肌比较高, 分别为366.8±82.6u V和303.9±197.9 u V。通过内外侧肌肉 (见图7) 对比发现:试验组的右股内侧肌右半腱肌分别大于右股外侧肌和右股二头肌, 这可能是造成运动员倒“D”状的一个原因, 反观对照组高水平运动员相同的肌肉也能证明这一点。
4 结论
(1) 腾空飞脚动作“偏移”现象跟肌肉的工作方式与兴奋度有一定的关系。助跑阶段肌肉的兴奋度并不影响腾空动作, 但是, 蹬地阶段肌肉的肌电信号的强弱“提前”预告了空中动作的效果。
(2) 离地-到击响阶段是“偏移”现象的主要阶段, 主要是由于旋外肌肉兴奋度大于旋内肌肉兴奋度以及肌肉之间的协调能力较差造成的。
(3) “偏移”现象在击响-落地阶段形成倒“D”的运动轨迹, 可能是由于运动员为了维持平衡, 有意识地向里靠拢。此时, 旋内肌肉强度高于旋外肌肉强度, 也许是造成这一怪异现象的一个因素。
参考文献
[1]栾孝娟.论武术动作中腾空飞腿起跳的技术[J].辽宁体育科技, 1996 (06) :14-16.
[2]李德祥.论武术腾空飞脚的力学原理[J].云南民族学院学报 (自然科学版) , 1995 (02) :48-52.
[3]朱凯等.竞技武术套路“旋风脚720°+马步”动作速度特征的分析[J].北京体育大学学报, 2011 (4) :133-135.
[4]李良标, 吕秋平, 谭订等.运动生物力学[M].北京:北京体育学院出版社, 1992:365-383.