【摘要】：作為運動生物力學的一個分支,肌力估計研究在人造關(guān)節(jié)與假體設(shè)計、臨床康復醫(yī)學以及專業(yè)體育評估等諸多領(lǐng)域都有著十分重要的意義。表面肌電信號作為人體骨骼肌在收縮過程中所產(chǎn)生的一類電生理信號,能夠間接反映出肌肉的收縮狀態(tài)和激活情況,其采集過程具有安全、無創(chuàng)、易操作等特點,被廣泛應(yīng)用于肌力估計的相關(guān)研究中。相較于傳統(tǒng)的單個分立式電極,高密度電極陣列能夠采集更多的肌電空間信息,捕獲更豐富的肌肉激活情況,有利于改善基于肌電信號的肌力估計性能。本課題以靜態(tài)變力屈肘運動的任務(wù)動作為研究對象,共招募12名健康成年男性受試者,開展了上肢多塊骨骼肌高密度表面肌電和腕部綜合力的數(shù)據(jù)采集實驗,探索了一種基于矩陣分解算法和快速正交搜索方法的肌力估計方案。主要研究內(nèi)容和研究成果可概括如下:(1)基于矩陣分解算法的高密度陣列肌電解析研究。針對人體諸多骨骼肌在運動過程中存在內(nèi)部肌肉肌腱單元激活水平不一致的特點,借助高密度陣列式肌電采集技術(shù)從上臂前側(cè)、上臂后側(cè)、前臂前側(cè)和前臂后側(cè)采集表面肌電信號,并選用主成分分析、獨立成分分析和非負矩陣分解三種算法分別對信號進行分解,從肌肉肌腱單元層面解析肌肉的激活情況。研究結(jié)果表明,三種算法均可實現(xiàn)對包含多個肌肉肌腱單元的骨骼肌內(nèi)部激活情況的解析,提取出表征各肌肉肌腱單元激活情況的多個激活模式和相應(yīng)的激活水平變化曲線。相較于傳統(tǒng)的全通道平均值法,矩陣分解算法能夠提取出與實測力信號更相似的、更適用于肌力估計的激活信號。(2)基于快速正交搜索方法的肌力估計研究�？紤]到肌電信號與肌力之間復雜的生理關(guān)系,選用基礎(chǔ)線性函數(shù)、多項式函數(shù)、平方根函數(shù)和S型函數(shù)等多種形式構(gòu)造候選函數(shù)集,以探究輸入的肌肉激活信號與輸出的肌力估計信號之間的復雜關(guān)系。研究結(jié)果表明,快速正交搜索方法能夠從候選函數(shù)集中選取出合適的函數(shù)搭建力估計模型,實現(xiàn)更為準確的肌力估計。同時,本研究分別從不同肌肉數(shù)目、不同激活信號提取方法以及不同發(fā)力模式的角度考察了基于快速正交搜索方法的肌力估計性能。結(jié)果顯示,參與肌力估計的骨骼肌數(shù)目越多,肌力估計的結(jié)果越精確;三種矩陣分解算法尤其是非負矩陣分解所提取的激活曲線用于肌力估計可獲得更好的效果;由高收縮力水平的發(fā)力模式訓練出的肌力估計模型普適性更強。相較于諸多將單塊肌肉作為整體的研究工作,本課題提出的基于矩陣分解算法和快速正交搜索方法的肌力估計方案能夠更深入地獲取肌肉內(nèi)部的激活模式和激活水平,顯著提高肌力估計的精度。本研究取得的研究成果在日常鍛煉指導、體育運動評估和醫(yī)療康復等領(lǐng)域都具有重要的應(yīng)用價值。
【學位授予單位】：中國科學技術(shù)大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：R318
【圖文】：

肌電信號是骨骼肌收縮過程中產(chǎn)生的電生理信號，包含豐富的神經(jīng)肌肉系統(tǒng)逡逑，可以反映出人體運動過程中肌肉的激活情況。肌肉收縮力由骨骼肌產(chǎn)生，逡逑肌腱、骨骼和關(guān)節(jié)等的傳遞，最終實現(xiàn)靜態(tài)收縮或者動態(tài)運動。因此，利用逡逑信號對肌肉收縮力進行預測是一種可行的方法。本章將詳細介紹表面肌電的逡逑、采集以及基于表面肌電的肌力估計方法。逡逑表面肌電信號的形成和采集逡逑２．２．１肌電信號的生理學原理逡逑為實現(xiàn)各種精細復雜的動作和運動，人體的中樞神經(jīng)系統(tǒng)（Ｃｅｎｔｒａｌ邋Ｎｅｒｖｏｕｓｍ，邋ＣＮＳ）需要協(xié)調(diào)與之相關(guān)的各個肌肉和骨骼。神經(jīng)肌肉系統(tǒng)接受人體輸入信息，通過大腦運動皮層區(qū)、腦干以及脊髓進行信息傳遞和分級控制，逡逑來實現(xiàn)任務(wù)動作或目標運動［４６］。逡逑Ｓｐｉｎａｌ邋ｃｏｒｄ邋（ｓｅｃｔｉｏｎ）逡逑

輸出的結(jié)果與網(wǎng)絡(luò)的聯(lián)接方式密切相關(guān)，不同的激勵函數(shù)或不同的函數(shù)聯(lián)接逡逑權(quán)重都會導致輸出結(jié)果的改變。有研宄表明，三層的ＢＰＮＮ能夠很好地逼近任逡逑何非線性映射，其網(wǎng)絡(luò)結(jié)構(gòu)如圖２．２所示。目前有很多利用人工神經(jīng)網(wǎng)絡(luò)方法逡逑進行肌力估計的研宄。例如，Ｆａｒｉｄ邋Ｍｏｂａｓｓｅｒ和Ｋｅｙｖａｎ邋Ｈａｓｈｔｒｕｄｉ－Ｚａａｄ使用了多逡逑層感知器神經(jīng)網(wǎng)絡(luò)和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)兩種ＡＮＮ算法對肘關(guān)節(jié)運動過程中的逡逑手部發(fā)力情況進行預測，輸入信號包括有上臂肌肉表面肌電信號、肘關(guān)節(jié)角度和逡逑角速度［６４］。Ｕｓａｍａ邋Ｊ．Ｎａｅｅｍ等以整流平滑后的朧橈肌、肱三頭肌和屈肌的肌電信逡逑號作為反向傳遞神經(jīng)網(wǎng)絡(luò)的輸入信號，實現(xiàn)了對肱二頭肌肌力的估計［６５】。王少逡逑平等利用ＢＰ神經(jīng)網(wǎng)絡(luò)實現(xiàn)了基于獨立成分分析算法的肌電－肌力預測［６６］。逡逑輸入逡逑輸入層邐隱層邋輸出層逡逑圖２．２三層ＢＰ神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)逡逑并行級聯(lián)識別（Ｐａｒａｌｌｅｌ邋Ｃａｓｃａｄｅ邋Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ，邋ＰＣＩ）是上世紀９０年代新興的逡逑一種動態(tài)識別算法。該方法利用動態(tài)線性有限脈沖響應(yīng)和靜態(tài)非線性擬合來實現(xiàn)逡逑更為精確的系統(tǒng)識別１６７］。理想情況下，基于肌電信號的肌力估計模型應(yīng)該能夠逡逑捕獲到系統(tǒng)整體的動態(tài)信息和固有的非線性特征，因而結(jié)合了動態(tài)和靜態(tài)需求的逡逑ＰＣＩ算法被一些研宄選用作肌力估計模型。Ｊａｖａｄ邋Ｈａｓｈｅｍｉ等使用并行級聯(lián)識別逡逑作為動態(tài)評估工具探索了從上臂肌肉肌電信號到手腕誘導力的映射關(guān)系，由于該逡逑１３逡逑

【參考文獻】

相關(guān)期刊論文 前10條

1 顧旭東;吳華;姚云海;傅建明;陳迎春;王偉國;;老年腦卒中步態(tài)訓練的研究進展[J];實用老年醫(yī)學;2015年06期

2 侯文生;楊丹丹;胡寧;吳小鷹;鄭小林;;基于柔性印刷工藝的表面肌電電極陣列裝置的設(shè)計[J];傳感技術(shù)學報;2010年05期

3 洪友廉;;國際運動生物力學研究發(fā)展的現(xiàn)狀和前景[J];體育科研;2009年02期

4 肖丹丹;蘇丕仁;胡宗祥;;運動生物力學在乒乓球運動中的應(yīng)用與展望[J];北京體育大學學報;2007年10期

5 華立君;宋吉銳;;排球運動員下肢肌力與肌電特征的相關(guān)研究[J];沈陽體育學院學報;2007年04期

6 任景萍;劉學貞;王向東;;我國優(yōu)秀女子舉重運動員抓舉技術(shù)的運動生物力學分析[J];首都體育學院學報;2006年03期

7 宗華敬,蔡錫元,沈連國;我國現(xiàn)役優(yōu)秀女子競走運動員關(guān)鍵技術(shù)的運動生物力學研究[J];天津體育學院學報;2005年01期

8 沈巧兒,李建設(shè);肌肉力量測量方法簡論[J];浙江體育科學;2000年05期

9 于興文,高健,王振軍,于紅,呂程;我國男子優(yōu)秀撐竿跳高運動員技術(shù)的運動生物力學分析[J];沈陽體育學院學報;1997年03期

10 陳偉生;藝用人體解剖結(jié)構(gòu)（續(xù)十一）[J];美術(shù)向?qū)?1994年04期

相關(guān)會議論文 前2條

1 喬秀梅;童建國;趙煥彬;來愛國;;運動生物力學原理在中小學生體能促進中的應(yīng)用研究[A];第十五屆全國運動生物力學學術(shù)交流大會（CABS2012）論文摘要匯編[C];2012年

2 吳子天;劉卉;;跑步中的損傷生物力學研究現(xiàn)狀[A];第十五屆全國運動生物力學學術(shù)交流大會（CABS2012）論文摘要匯編[C];2012年

相關(guān)博士學位論文 前5條

1 湯璐;小兒腦癱運動功能障礙評估研究[D];中國科學技術(shù)大學;2017年

2 張旭;基于表面肌電信號的人體動作識別與交互[D];中國科學技術(shù)大學;2010年

3 趙章琰;表面肌電信號檢測和處理中若干關(guān)鍵技術(shù)研究[D];中國科學技術(shù)大學;2010年

4 魏高峰;人體骨肌系統(tǒng)的整體生物力學建模與仿真分析研究[D];上海交通大學;2010年

5 李強;表面肌電信號的運動單位動作電位檢測[D];中國科學技術(shù)大學;2008年

相關(guān)碩士學位論文 前4條

1 王少平;基于ICA算法的肌肉肌腱單元定位和肌力預測研究[D];中國科學技術(shù)大學;2017年

2 張恒毅;多通道有源柔性陣列電極與信號調(diào)理電路設(shè)計[D];中國科學技術(shù)大學;2014年

3 黃耐寒;基于表面肌電的肌疲勞分析與肌力預測研究及實現(xiàn)[D];中國科學技術(shù)大學;2014年

4 侯祖貴;基于慣性傳感器的人體動作分析與識別[D];哈爾濱工程大學;2013年

本文編號：2731325