基于多通道sEMG的肌肉疲劳动态预测方法
【技术领域】
[0001] 本发明设及一种基于多通道sEMG的肌肉疲劳动态预测方法。
【背景技术】
[0002] 神经肌肉疲劳机理与预测研究是国内外运动医学研究的热点，同时也是运动人体 科学研究的重点。在运动过程中，由于血液中的供氧量，或者营养物质缺乏等都会使肌肉 的结构、代谢W及能量等发生一系列变化，会使神经肌肉系统的效率下降，从而肌肉无法继 续完成任务，导致肌肉疲劳。肌肉疲劳可能导致肌肉损伤，严重情况下的肌肉疲劳将不可恢 复。肌肉疲劳的研究在人机工程学、人机接口、康复医疗、运动损伤、假肢等领域应用前景广 泛。
[0003] 目前，肌肉疲劳的临床检测工具主要有肌电信号(sM}，surfaceelectromyography)、 肌音（MMG,Mechanomyogram)、声肌图（SiS,Sonomyography)、近红外光谱（NIKS,Near-infrared spectroscopy)、声波描记图(MS,Acousticmyography)、巧胸传感器等。利用sEMS记录、研究肌肉疲 劳是劳动生理学中常用的方法，作为一种简单、无创伤、可定量的研究方法，它可研究局部肌肉 疲劳过程中的变化特征，是一种精确检测工具。MMG从皮肤表面记录肌肉振动信号，它能很 好捕捉肌肉活动，但是，MMG不能用于肌肉动态收缩研究，而且，在肌肉疲劳重复检测中稳定 性不高。SMG采用超声描述骨骼肌的形态和结构的变化，该方法适合作为sEMG的辅助手段， 提供更多的肌肉疲劳信息。NIRS使用电磁波谱的近红外部分测量血液的吸收特性血红蛋 白，由于等长收缩过程中，肌氧含量不一致，导致NIRS信号不可靠。AMG是MMG的特殊应用， 记录肌肉收缩时声音信号，该技术目前采用的不多，有些过时。测角传感器，测角传感器寿 命短，成本高。另外还有测力计，Moore-Garg指数等等。总的来说，sEMG和MMG信号是临床 研究肌肉疲劳的主要手段，而sEMG被认为是最适合的。
[0004] 由于肌肉疲劳的sEMG信号受W下因素影响：运动方式、运动强度、肌肉的收缩方 式（离屯、、向屯、收缩）、肌肉类型、个体特征等，所W在众多的疲劳EMG特征的研究中，不同的 特征参数得到结论不完全一致，肌肉疲劳预测仍然困难。
【发明内容】
[0005] 鉴于W上所述现有技术的缺点，本发明的目的在于提供一种基于sEMG的肌肉疲 劳在线预测的快速方法。
[0006] 一种基于多通道sEMG的肌肉疲劳动态预测方法，其包括如下步骤： 1):对多通道sEMG信号进行预处理：重新选择参考值，并且采用带通滤波器、带阻滤波 器，消除干扰。
[0007]。：采用分时最小二乘法拟合sEMG的平均功率频率MPF、中位频率MF曲线； 3) :预测肌肉疲劳时间：根据MPF、MF拟合结果，将得到的时间加权计算肌肉疲劳时 间； 4) :反复步骤1)、2)、3)，动态更新预测肌肉疲劳时间。
[0008] 优化的措施，还包括： 步骤1)对多通道sEMG信号进行预处理，具体步骤如下： a) 将矿通道sEMG信号马，鸟，鸟，...，&相力日，并求平均万=(巧+瑪+马+...+&)化:； b) W上述平均值作为参考值，得到新的劳通道sEMG信号，鸟鸣;^盛，4=母識，...， 与=&-虽； C)将新的势通道sEMG信号进乌点…，边进行带通滤波和带阻滤波，消除干扰，后续sEMG信号处理均针对新的約I道sEMG信号。
[0009] 带通滤波器用来保留10化一500化频段信号，然后采用陷波滤波器，滤除50化工 频干扰。带通滤波器和带阻滤波均采用常规的做法，采用己特沃斯数字滤波器，设置参数包 括阶数、3地截止频率、滤波器的通带、阻带截止频率等。
[0010] 步骤2)分时最小二乘法，具体方法是：首先W当前时刻为基准，向前取K秒（K为 正整数）时长的sEMG信号，其次针对该段sEMG，计算第1秒、第2秒、第3秒、...，第K秒 的平均功率频率MPF及中位频率MF，然后利用最小二乘法分别拟合MPF及MF曲线，最后分 别得到曲线上平均功率频率MPF下降到90%MPF所对应的时刻溢WW及中位频率下降到 90%MPF所对应的时刻&。其中最小二乘法的参数可由下式计算：
其中沪表示MPF或MF，浆I表示MPF或MF的均值，X隶示时亥リ，第藥煤第，萃表示时刻均值。
[0011] 其中MPF、MF计算公式如下：
其中/为肌电信号的频率巧/)为其功率密度谱，采用基于傅里叶分析的经典功率谱估 计技术估计游綠。
[0012] 步骤3)预测肌肉疲劳时间。肌电信号的功率谱变化能反映传导速度的变化，因而 也能反映疲劳程度，且MPF和MF随着肌肉疲劳都有下降趋势。中位频率MF比平均功率频 率MPF能更可靠地反映传导速度，MF对噪声较不敏感，适用于在线估计。但是MPF对于频 谱移动是一个更稳定的测量，尤其信噪比较高MPF比较可靠。为提高肌肉疲劳预测可靠性， 本发明采用MPF，MF两个参数预测肌肉疲劳时间。根据上述时间。W，瑞/，预测肌肉疲劳 时间函数为：
其中坪是加权系数，根据个体的年龄、性别等特征具体选择，壤站媒機； 步骤4)反复步骤1)、2)、3)，通过时间基准的平移，可取不同时间段的3616，分时信号 分析，实现动态更新，预测肌肉疲劳时间。
[0013] 采用上述方法预测肌肉疲劳，预测准确快捷。首先重新选取所有通道的平均值作 为参考值，由于外部干扰大部分会对所有的电极均产生影响，通过新的参考值与原来多通 道sEMG作差，有效的减少了外部干扰，而且参考值变化，不会影响后续的预测运算，反而提 高了预测的准确性。分时最小二乘法的采用简化了计算，提高了运算速度，而且实现简单。 MPF、MF两参数的运用，有效避免了单独参数预测的不稳定性，提升了预测的健壮性。分时 信号分析，实现动态更新，在线预测肌肉疲劳时间。
【附图说明】
[0014] 图1为本发明流程图。
【具体实施方式】
[0015] W下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书 所掲露的内容轻易地实现。
[0016] 如图1所示，一种基于多通道sEMG的肌肉疲劳动态预测方法，其包括如下步骤： 1):对多