一种在线评价肌肉运动疲劳度的可穿戴肌电方法

1.本发明涉及人体生物电信号分析评估技术领域，具体涉及一种在线评价肌肉运动疲劳度的可穿戴肌电方法。


背景技术：

2.肌肉疲劳是人们生活中常见的一种生理现象，从肌肉疲劳本身来说范围非常广，随着生产工作强度和时间的增加，会产生肌肉疲劳，临床表现为动作速度减缓、协调性和灵活性减低，长时间积累会出现肌肉损伤，进行生产活动时表现为肌肉疼痛，甚至出现肌肉萎缩。为了避免出现因肌肉疲劳引起的肌肉损伤，应该对肌肉疲劳程度进行有效的评估。传统肌肉疲劳评估是由borg提出的一种推测运动强度和疲劳的方法，其所用的指标是心理学与生理学，并不能及时有效的进行疲劳检测。
3.肌肉疲劳时肌肉组织代谢物增加，同时生理也发生一定的变化，如肌纤维传导速度。因肌肉收缩伴随着肌电信号的产生，肌电信号包含了肌肉活动和生理状态信息，同时通过表面电极可以获取表面肌电信号，此方法便捷、有效，对人体无伤害性。因此，近几年来，通过分析肌电信号来评价肌肉疲劳程度受到很多学者的关注。目前通过表面肌电信号对肌肉进行疲劳程度评估，一般都是对semg进行数据处理后，进行特征参数提取，找出能够准确表达出肌肉疲劳的特征。
4.由于目前大多数研究者都采用有线设备，对采集的肌电信号保存，之后进行离线分析肌肉疲劳程度，此方法不具有及时性；此外，每个人身体素质、营养状况、性别、年龄、等因素都对肌肉疲劳有显著影响，因此应该建立针对个人的疲劳评估方法。
5.因此，亟需设计一种在线评价肌肉运动疲劳度的可穿戴肌电方法。


技术实现要素：

6.本发明的目的在于提供一种在线评价肌肉运动疲劳度的可穿戴肌电方法，以解决上述背景技术中提出的问题。
7.为实现上述目的，本发明提供如下技术方案：一种在线评价肌肉运动疲劳度的可穿戴肌电方法，包括以下步骤：
8.s1：针对下肢康复机器人对被试者进行踝关节康复训练，做好被试者康复训练和肌电信号采集准备工作；
9.s2：评估肌肉疲劳程度特征参数选择与提取；
10.s3：在线肌电信号的采集。
11.进一步的，上述在线评价肌肉运动疲劳度的可穿戴肌电方法中，所述s1的具体步骤为：
12.挑选若干不同健康被试者，采集前，先用酒精对采集部位进行清洗，两个传感器被放置在每个被试者相同的胫骨前肌和股直肌部位，但在踝关节单动时胫骨直肌影响较小，因此不进行疲劳评估，以此来减少外部不确定因素的干扰；在被试者进行康复训练时同时
打开上位机中的动画，消除主观疲劳的影响，然后对被试进行康复训练及肌电信号采集。
13.进一步的，上述在线评价肌肉运动疲劳度的可穿戴肌电方法中，所述s2的具体步骤为：
14.分别从时域特征中选择波形长度(wl)、从非线性特征中选择小波奇异熵(wse)，利用两种特征参数对采集的表面肌电信号进行特征提取后，进行特征相加，分析其数据变化特征，根据数据变化规律，确定个人出现肌肉疲劳时对应的疲劳系数值，并以此为依据；对被试者进行康复训练时，需要采集大量样本数据，若其中某一有效时段的肌电信号，经过wl、wse两种特征提取后的参数，低于个人事先确定的疲劳系数，此时判断为疲劳状态，上位机即刻提醒康复训练人员停止采集，以确保采集数据的可靠性及患者的自身安全。
15.进一步的，上述在线评价肌肉运动疲劳度的可穿戴肌电方法中，所述s3的具体步骤为：
16.集肌电信号采集、数据预处理、特征提取、数据保存、波形显示、疲劳状态提醒于一体的上位机系统；在康复过程中，由患者健康一侧肢体做相应动作，对下肢康复机器人进行主动控制，带动被试者患肢一侧肢体踝关节进行上下幅动，健康一侧肢体每一次踝关节运动，都产生胫骨前肌收缩，此时，一次性电极片与人体皮肤接触，把肌电信号传给便携式肌电信号采集仪，经过蓝牙接收器将数据传给由labview2020和matlab混合编程的多功能上位机，实现对肌电信号实时保存、显示、数据处理、疲劳在线评估。
17.进一步的，上述在线评价肌肉运动疲劳度的可穿戴肌电方法中，所述健康被试者选择不同年龄、不同性别、身高、体重等，用于印证在线肌肉疲劳评估可穿戴方法的稳定性；在测试不同生产活动可能引起的肌肉疲劳时，要选取关联性最强的肌肉组织，此选取方法对人体肌肉疲劳状态评估更具有说服力。
18.进一步的，上述在线评价肌肉运动疲劳度的可穿戴肌电方法中，评价所述肌肉疲劳程度特征参数使用时域波形长度和非线性小波奇异熵。
19.进一步的，上述在线评价肌肉运动疲劳度的可穿戴肌电方法中，下肢康复机器人下肢踝关节脚踏板，角度位移范围在(-7o～7o)之间，被试者脚掌与康复机器人脚踏板相贴合，脚踏板上下幅动，带动被试者脚掌上下幅动，此动作主要是对踝关节进行康复训练；当被试者在下肢康复机器人上进行踝关节康复训练时，肌电信号由便携式肌电信号采集仪传输到电脑，经过特征参数提取与个人胫骨前肌疲劳系数相比较，得到肌肉疲劳程度评估结果。
20.进一步的，上述在线评价肌肉运动疲劳度的可穿戴肌电方法中，所述便携式肌电信号采集仪连接一次性银/氯化银电极两个纽扣，所述一次性银/氯化银电极另一面通过导电胶连接人体皮肤。
21.与现有技术相比，本发明的有益效果是：
22.1、本发明针对特定动作引发的关联性强的肌肉组织进行在线疲劳程度评估，疲劳评估过程中，选用便携式采集仪进行肌电信号采集，解放了检测肌肉疲劳动作范围，摆脱了有线采集肌电信号的限制，同时通过对提取的特征值分析，确定针对个人关于胫骨前肌疲劳特征系数，利用此系数可以实现被试者进行在线康复训练时，实时对相关肌肉组织进行疲劳检测，相对传统技术中多是离线进行肌肉疲劳评估，此方法更具有及时性。
23.2、本发明利用labview2020和matlab两款软件，进行混合编程，能够实现运动过程
中肌电信号的实时变化情况，出现肌肉疲劳时即可对被试者进行善意提醒，满足疲劳检测结果快，准确性高的要求。
附图说明
24.为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
25.图1为本发明在线识别原理图；
26.图2为本发明被试者胫骨前肌在线疲劳评估结果示意图；
27.图3为本发明针对个人无线肌电采集仪在线训练上位机界面图；
28.图4为本发明进行康复训练时展示图；
具体实施方式
29.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
30.本发明提供一种技术方案：一种在线评价肌肉运动疲劳度的可穿戴肌电方法，包括以下步骤：
31.s1：针对下肢康复机器人对被试者进行踝关节康复训练，做好被试者康复训练和肌电信号采集准备工作；
32.挑选若干不同健康被试者(从实际应用角度出发，挑选八名不同年龄、身高和性别的健康被试者。八名被试者包括6名男性和2名女性，年龄分布在23到30岁之间，身高分布在160厘米到180厘米之间)，采集前，先用酒精对采集部位进行清洗，两个传感器被放置在每个被试者相同的胫骨前肌和股直肌部位，但在踝关节单动时胫骨直肌影响较小，因此不进行疲劳评估，以此来减少外部不确定因素的干扰；在被试者进行康复训练时同时打开上位机中的动画，消除主观疲劳的影响，然后对被试进行康复训练及肌电信号采集。健康被试者选择不同年龄、不同性别、身高、体重等，用于印证在线肌肉疲劳评估可穿戴方法的稳定性；在测试不同生产活动可能引起的肌肉疲劳时，要选取关联性最强的肌肉组织，此选取方法对人体肌肉疲劳状态评估更具有说服力。
33.s2：评估肌肉疲劳程度特征参数选择与提取；
34.分别从时域特征中选择波形长度(wl)、从非线性特征中选择小波奇异熵(wse)，利用两种特征参数对采集的表面肌电信号进行特征提取后，进行特征相加，分析其数据变化特征，根据数据变化规律，确定个人出现肌肉疲劳时对应的疲劳系数值，并以此为依据；对被试者进行康复训练时，需要采集大量样本数据，若其中某一有效时段的肌电信号，经过wl、wse两种特征提取后的参数，低于个人事先确定的疲劳系数，此时判断为疲劳状态，上位机即刻提醒康复训练人员停止采集，以确保采集数据的可靠性及患者的自身安全。评价肌肉疲劳程度特征参数使用时域波形长度和非线性小波奇异熵。
35.s3：在线肌电信号的采集；
36.集肌电信号采集、数据预处理、特征提取、数据保存、波形显示、疲劳状态提醒于一体的上位机系统；在康复过程中，由患者健康一侧肢体做相应动作，对下肢康复机器人进行主动控制，带动被试者患肢一侧肢体踝关节进行上下幅动，健康一侧肢体每一次踝关节运动，都产生胫骨前肌收缩，此时，一次性电极片与人体皮肤接触，把肌电信号传给便携式肌电信号采集仪，经过蓝牙接收器将数据传给由labview2020和matlab混合编程的多功能上位机，实现对肌电信号实时保存、显示、数据处理、疲劳在线评估。下肢康复机器人下肢踝关节脚踏板，角度位移范围在(-7o～7o)之间，被试者脚掌与康复机器人脚踏板相贴合，脚踏板上下幅动，带动被试者脚掌上下幅动，此动作主要是对踝关节进行康复训练；当被试者在下肢康复机器人上进行踝关节康复训练时，肌电信号由便携式肌电信号采集仪传输到电脑，经过特征参数提取与个人胫骨前肌疲劳系数相比较，得到肌肉疲劳程度评估结果。便携式肌电信号采集仪连接一次性银/氯化银电极两个纽扣，一次性银/氯化银电极另一面通过导电胶连接人体皮肤。
37.工作原理为：
38.针对下肢胫骨前肌在线肌肉疲劳评估方法验证，选择能引起人体肌肉疲劳的踝关节单动，并分析与该动作关联度最强的胫骨前肌，作为疲劳评估对象。为了减少数据采集时其它因素的影响，挑选不同被试者进行相同动作、相同肌肉组织进行检测，对采集皮肤表面进行酒精处理，达到清洗的目的。实验中对被试者进行动作要点讲解及注意事项，确保被试者是在正常状态下接收实验。此外进行三维动画展示，以消除被试者因主观疲劳带来的不正确影响。选取时域波形长度和非线性小波奇异熵，作为确定个人肌肉疲劳的疲劳系数。患者先进行主动训练控制康复机器人运动，此时被试者右腿脚踏板不动，左腿脚踏板带动患者踝关节上下幅动。如图4所示，a为右腿脚踏板，b为作为脚踏板，c为健康下肢，d为损伤下肢，健康下肢进行肌电信号采集对康复机器人进行左腿主动控制，对患者左侧肢体进行康复训练，左侧脚踏板b上下浮动的范围为-7到7度之间，此时可以采集患者损伤肢体d的肌电信号进行相应肌肉疲劳在线评估。如图3所示，为在线评估上位机界面，ⅰ为波形显示区域，ⅰ中的1是第一通道波形显示，2为第二通道波形显示，ⅱ为便携仪肌电信号采集仪串口匹配选择区域，ⅲ采样率设置区域；本发明设置采样率为1024.ⅳ为串口序列号，每个串口对应一个序列号，中间数字框为循环次数的设定，但当被试者没有达到设定次数时，出现疲劳现象，即出现
ⅴ
区域绿灯高亮提醒。如图1所示，为在线疲劳评估原理图，先利用便携式肌电信号采集仪，经过上位机获取数据，在线数据预处理、进行特征提取，最后将线两种特征提取并叠加，确定针对个人的疲劳系数；在线疲劳评估时，对被试者肌电信号进行数据处理、特征提取得出的特征值与确定的疲劳系数相比较，可以判断出此时肌肉是否存在状况。如图2所示，为被试者胫骨前肌在线疲劳评估结果图，经过一系列的数据处理，并进行分析得到图中标记点所示的拐点，即x＝58,y＝1.238，可以看出在此之后波形急速下降，说明被试者出现疲劳现象，确定针对个人的疲劳系数为1.238，进行在线疲劳评估时，以疲劳系数为参考标准。
39.semg预处理使用时域和非线性两个类型的特征值。
40.其中时域特征值基本公式如下：
41.波形长对(wl):
[0042][0043]
其中，x(i)代表某种动作第i个点的运动电压幅值。i＝1，2，
…
，n是长度为n的肌电信号时间样本序列。
[0044]
其中非线性特征值基本公式如下：
[0045]
由奇异值的理论可知矩阵可分解为以下所示：
[0046]
wm×n＝um×
l
∧
l
×
lvl
×n[0047]
其中：m＝2s，n＝n/2s,λ＝diag(λ1，λ2，
…
λ
l
)为奇异值对角矩阵，奇异值满足λ1≥λ2…
≥λ
l
，为了定量描述信号的频率及成分特性，结合了小波变换、奇异值分解、信息熵的小波奇异熵数据处理方法如下：
[0048][0049]
其中δpi为i阶增量小波奇异熵，定义为：
[0050][0051]
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0052]
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。