运动性疲劳智能检测与分析系统的制作方法

文档序号:17817208发布日期:2019-06-05 21:53
运动性疲劳智能检测与分析系统的制作方法

本发明涉及一种检测与分析系统,尤其涉及一种运动性疲劳智能检测与分析系统。



背景技术:

当前世界是数据的时代,在体育领域,利用运动数据分析来提升运动员表现是非常一个前沿且有效的途径。现在已经出现了很多记录与分析运动数据的设备,比如利用特殊的穿戴背心进行运动员运动参数的记录,以及利用场馆中的摄像机与智能交互式终端设备协同工作来记录运动员的发球速度、距离、类型等等数据。

现阶段的设备在进行运动数据的分析与整理时,往往将运动员看做一个整体,分析其运动姿势、路径、发力速度、加速度等等。然而,竞技体育中的很多项目需要某些肌群力量的高度发达,因而需要针对某块或是某几块肌肉进行个性化的运动数据监测与实时分析。

运动性疲劳在运动过程中经常发生,是运动引起肌肉产生最大肌肉收缩力或者最大输出功率暂时性下降的生理现象。对于运动性疲劳的缓解,现在通常采用的是按摩、休息等方法缓解。但是现在仅凭康复师的肉眼观测与经验并不能准确地对运动性疲劳进行评估,因而这在一定程度上降低了康复治疗的效果,并且很有可能因为疲劳发现不及时造成不可逆转的运动损伤。因而,非常有必要对运动员主力肌肉的疲劳情况进行科学有效地检测与分析,反馈给运动康复师等人员,准确及时地针对特定肌肉的具体情况进行康复理疗。



技术实现要素:

本发明要实现的目的分为三个方面。第一方面为采集肌肉表面的肌电信号。第二方面为收集肌电信号并对其进行时频域分析,确定疲劳起始时间,计算时频域相关疲劳指标。第三方面要实现的目的为疲劳数据个性化动态显示与云端存储。

为实现上述目的,本次运动性疲劳智能检测与分析系统分为三个模块:(1)肌肉表面肌电信号的采集模块(2)肌电信号的收集与分析模块(3)智能显示与云端存储模块。

对于肌肉表面肌电信号的采集模块,具体的技术方案为:将一对表面肌电电极、无线肌电信号放大器、无线发射芯片、温度传感器通过微加工技术置于类肌肉形状(如三角形、纺锤形)的薄层防水柔性电子器件内,在近皮肤侧进行平面胶层黏涂,并在胶黏层上附以离型纸。值得注意的是,该柔性电子器件的力学性能设计要尽量与皮肤的形变能力相近。力求在运动中进行肌电信号检测的同时,降低褶皱,确保与皮肤有较高的贴合度。

对于肌电信号的收集与分析模块,具体的技术方案为:在微处理器中安置无线接收芯片,将已经记录的表面肌电信号在微处理器中进行实时数据收集;另外,该微处理器中包含模数转换器将收集的信号转化为数字信号;进一步地,在微处理器中对肌电数字信号进行带通滤波、陷波后,进行时、频域分析,获得相关疲劳指标及数值;最后,在微处理器中将肌电信号的时、频域曲线与疲劳指标数值通过蓝牙发送到智能显示与云存储终端。

优选的,利用AD转换器对微处理器中收集到的肌电模拟信号进行频率为1500Hz的采样获得数字信号。

优选的,对肌电数字信号进行20Hz到500Hz的带通滤波与50Hz陷波,得肌电信号的时域变化曲线。随着运动性疲劳的发生,EMG的时域值增加。对时域曲线进行轮廓提取、平滑处理、绝对值化后,计算其某一特定时间段内的肌电积分(IEMG)与均方根(RMS)。由于在时间不变的前提下,肌电积分的数值在一定程度上反映了参与工作的运动单位的数目和每个运动单位放电的大小,因而,随着疲劳的进行,同一时间段内IEMG的数值增加。由于疲劳时肌电信号幅值增高,会导致RMS变大,因此比较不同时期的RMS,可确定疲劳时间和程度。

优选的,利用肌电疲劳阈值理论,基于IEMG斜率-时间曲线坐标系,寻找拟合直线与纵轴的交点作为疲劳产生临界点。优选的,可将时域肌电数据分为8段,计算每段数据的IEMG变化率值,拟合后得到的新曲线与时间轴交点作为疲劳起始点。

以最大自主收缩(MVC)的EMG信号所得的疲劳指标作基数,使用者后续动作的时域疲劳指标数值都可利用该基数进行百分化处理。

优选的,对20Hz到500Hz的带通滤波与50Hz陷波后的肌电数字信号进行加窗傅里叶变换后得肌电信号的频域频谱曲线,随着运动性疲劳的产生和不断发展,频域曲线会发生不同程度的左移。同样的,对其进行轮廓提取、平滑处理、绝对值化后,计算某一特定时间段内的中频(MF)和平均功率频率

(MPF)。

具体的,中频(MF),是将功率谱分成两个左右相等功率面积的频率。由于疲劳的发展使得频域曲线左移,因而疲劳程度愈严重,MF值愈小。

具体的,平均功率频率,其中,f为频率,P(f)为功率谱密度。由于疲劳的发展使得频域曲线左移,因而随着疲劳的进一步发展,MPF值愈小。

以最大自主收缩(MVC)的EMG信号所得的疲劳指标作基数,使用者后续动作的频域疲劳指标数值都可利用该基数进行百分化处理。

将得到的肌电时频域曲线与全部疲劳指标由蓝牙发送到智能显示与云存储终端。

对于分析结果的智能显示与云存储模块。优选的,利用蓝牙接收来自于肌电信号收集与分析模块处理的数据,利用C语言在SDK环境下编写手机APP,实现疲劳数据的个性化显示与长期数据的云端存储功能。

借由上述的运动性疲劳智能检测与分析系统设计方案,本次发明至少具有如下优点:

(1)柔性肌电信号检测装置的力学性能与皮肤的形变能力相近,提高了与皮肤的贴合程度,很大程度上降低了检测过程中的褶皱发生率;消除了因电极片和放大器在皮肤表面凸起所产生的运动阻力,避免了剧烈运动过程中电极片脱落造成的检测终止。

(2)由于在肌肉表面肌电信号采集模块中采用的贴于皮肤的柔性肌电信号检测装置具有良好的防水性能,因而该发明可用于游泳、跳水、冲浪等运动过程中的疲劳检测,进一步扩展了该运动性疲劳智能检测与分析系统的使用范围。

(3)具有便携小巧的优点。本次发明的运动性疲劳智能检测与分析系统中三个模块所涉及的装置都具有尺寸小,质量轻的特点。优选的,贴于皮肤的柔性肌电信号检测装置其大小不超过15cm×10cm;另外,疲劳数据个性化动态显示与云端模块采用智能手机作为接收终端,这极大提升了该智能检测与分析系统的便携性。

(4)能够准确检测出所测肌肉运动性疲劳的发生时间,从而降低了后期肌肉发生不可逆损伤的机率。通过肌电疲劳阈值理论,可确定运动性疲劳的起始时间,从而让使用者及康复师等能够及时采取相关措施避免运动损害。

(5)能够确定出当前肌肉活动与疲劳程度,有利于针对性地提高运动表现。通过智能终端显示的肌电积分(IEMG)、均方根(RMS)、中频(MF)、平均功率频率(MPF)这四个指标的百分化数值可以定量的判断当前活动肌肉的疲劳程度。

具体的,IEMG、RMS百分化数值右趋近于100%,或MF及MPF的百分化数值左趋近于100%,认为当前活动肌肉的疲劳情况在逐渐发展至极限疲劳状态。

(6)可以实现使用者疲劳数据与指标的实时动态显示。智能手机中的APP可以对使用者当前的肌电时频域曲线、疲劳起始时间等疲劳指标的进行个性化显示;并且随着疲劳的发生,使用者自身的疲劳曲线与指标会动态更新。使用者及康复师等人可由显示界面上的数据直观的判断训练过程中当前的肌肉疲劳程度。

(7)通过无线及蓝牙进行数据的传送,避免了传统有线检测设备对于所测运动的限制与阻碍,能够保证在最小外部干扰的情况下获得较为准确的测量结果。

(8)对于已经损伤的肌肉部位,使用该运动性疲劳智能检测与分析系统可以时刻监测肌肉的运动状态,康复师可利用该装置全面地了解运动员的肌肉状况,从而更加有效地进行康复理疗,缩短修复时间。

(9)云端对比分析同一肌肉不同时期的运动数据变化情况,可以为当前的运动训练提供渐进合理的指导依据,从而科学有效促进运动训练成绩的提高。

附图说明

图1是本次发明的运动性疲劳智能检测与分析系统的流程示意图。

图2是本次发明中的贴于皮肤的柔性肌电信号检测模块的结构示意图(仅以纺锤形装置为例)。

优选的,图2所示结构中,1为柔性电子器件(与皮肤贴合一侧涂有胶层);2为肌电信号放大器;3-1、3-2分别为两个电极片;4为无线信号发射器;5为皮肤温度传感器;6为离型纸。

图3是本次发明中的肌电处理与分析模块的结构框图。

具体实施方式

为了能快速掌握本发明的使用方法,请先查看图1至图3,运动性疲劳检测与智能分析系统由贴于皮肤的柔性肌电信号检测模块、肌电处理与分析模块、智能显示与云端存储模块共3个模块构成。

贴于皮肤的柔性肌电信号检测装置可以用来实时检测运动过程中对应肌肉的肌电信息,并且能够避免脱落和降低运动阻力;肌电处理与分析模块可以将收集到的肌电信号提取出时频域中有效的疲劳指标因子,并与同一肌肉MVC过程中EMG信号的相应指标因子进行对比,最终得到百分化的疲劳指标因子;智能终端可以将有效的时频域变化曲线、疲劳起始点以及IEMG、RMS、MPF、MF等百分化的疲劳指标因子进行屏显,同时可让用户可调用不同时间段内云存储的数据来判断近期的运动情况。

下面介绍本发明的一个实施佳例。在使用运动性疲劳智能检测与分析系统时,首先要明确所测肌肉的走向,确保图1所示贴于皮肤的柔性肌电信号检测装置中的3-1和3-2这两个电极能够沿着肌肉束的方向进行粘贴。以对肱二头肌的等长收缩进行智能疲劳检测与分析为例。

首先将肱二头肌处的皮肤擦拭干净,后将图1所示的柔性肌电信号检测装置中的6离型纸掀开一点点,按照肱二头肌束的方向,将柔性检测贴片缓慢地附着于肱二头肌上侧的皮肤表面,尽量避免褶皱。随后,打开肌电处理与分析装置和智能终端。

在本例中的肱二头肌等长收缩,具体的动作是:维持良好的身体中心,肩胛下沉,微微后收,肋骨下压,让脊椎处于正确的生理位置,收紧核心肌群,维持脊柱特别是腰椎部分的稳定,并在后续进行二头弯举动作过程中始终保持良好姿势。惯用臂的上臂贴紧身体,前臂与上臂保持垂直,惯用手持一定质量的重物。

接下来要获得肱二头肌等长收缩过程中最大自主收缩(MVC)的EMG信号。具体的,可在保持本例中肱二头肌等长收缩动作标准下,惯用手向上推一固定物面。在此过程中,使出最大的力气直至力竭。对由此得到的表面肌电信号进行处理后,得到的疲劳起始时间与疲劳指标可作为后续同一使用者的个性化疲劳基数。优选的,可在休息充分后,进行5次相同的MVC基数测量,来消除误差。

在获得了肱二头肌MVC的疲劳指标基数后,可让使用者的惯用手持握其力量范围内的重物,保持等长收缩的动作,通过观察智能终端显示的肌电时、频域曲线变化,或是根据当前肌肉的疲劳指标因子的数值大小直观地获取当前肌肉运动性疲劳的情况。

另外,在智能终端界面中可调出同一使用者之前的运动数据以及相应指标,来获得特定时期内肌肉疲劳的变化情况。康复师可根据上述数据,有效地对使用者制定个性化的处理方案,获得最佳肌肉损伤治疗与恢复效果。

运动性疲劳智能检测与分析系统除了用于肱二头肌等长收缩的疲劳检测与分析外,也可用于其他肌肉,如三角肌、肱三头肌、股四头肌、股二头肌、腓肠肌等人体浅层肌群运动过程中的智能化疲劳检测与分析。另外,由于其柔性肌电信号检测装置良好的贴合性能与防水性能,也可用于激烈复杂的运动过程中的肌肉疲劳检测与分析,如游泳、跳水、马拉松等等。需要注意的是,在使用运动性疲劳智能检测与分析系统时,需要选取基数来对比分析后续同一指标因子表征的疲劳程度,可参照实施佳例中的MVC基数法;当然,也可参照同一使用者云端存储的不同时间段内指标因子的变化情况,对比分析出当前阶段肌肉疲劳的变化情况。

以上所述只是本发明的个别实施佳例,并非对于本发明应用范围的限制,熟悉本领域的专业技术人员可在前述列出的技术内容内做等同变化或扩充变化的实施应用。但是,不脱离本发明的技术本质,进行任何的等同变化与简单修饰,都属于本发明技术方案的保护范围内。

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1