本文關(guān)鍵詞：表面肌電信號分析及其在康復(fù)醫(yī)學(xué)中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

第28卷第11期

機(jī)電工程

2011年11月JournalofMechanical&ElectricalEngineering

Vol.28No.11Nov.2011

表面肌電信號分析及其在康復(fù)醫(yī)學(xué)中的應(yīng)用

吳

鑾，黃鵬程，鮑官軍，楊慶華

*

*

（浙江工業(yè)大學(xué)特種裝備制造與先進(jìn)加工技術(shù)教育部/浙江省重點(diǎn)實(shí)驗(yàn)室，浙江杭州310032）

摘要：表面肌電信號（ｓＥＭＧ）有多種分析處理方法，如時(shí)域、頻域、參數(shù)模型、時(shí)－頻域、非線性動力學(xué)等方法，針對分析處理方法的選優(yōu)劣與使用情況。研究結(jié)果表明，每種分析處理方法都取問題，通過分析研究各類分析處理方法，比較了各類分析處理方法的特點(diǎn)、有各自的優(yōu)缺點(diǎn)和適用范圍，具體使用時(shí)應(yīng)很據(jù)實(shí)際情況選擇確切的方法。并對肌電信號分析處理在康復(fù)醫(yī)學(xué)中的應(yīng)用領(lǐng)域上（康復(fù)評估、假肢和康復(fù)機(jī)器人）進(jìn)行了展望。

關(guān)鍵詞：表面肌電信號；信號分析處理；時(shí)域－頻域分析；康復(fù)醫(yī)學(xué)；康復(fù)評估；康復(fù)機(jī)器人中圖分類號：Ｒ７４１；ＴＰ２９

文獻(xiàn)標(biāo)志碼：Ａ

文章編號：１００１－４５５１（２０１１）１１－１３６８－０６

sEMGsignalanalysismethodanditsapplicationinrehabilitationmedicine

WULuan，HUANGPeng-cheng，BAOGuan-jun，YANGQing-hua

（KeyLabofE&M，MinistryofEducation&ZhejiangProvince，ZhejiangUniversityofTechnology，

Hangzhou310032，China）

Abstract：Therearevarioussurfaceelectromyography（sEMG）analysismethods，astimedomain，frequencydomain，parametersmodel，time-frequencydomain，nonlineardynamicsdomainandsoon.AimingatchoosingmethodtoanalysissEMG，afteranalyzingvariousthefeatures，advantagesanddisadvantages，usecaseofthosemethodswerecompared.Theresultsindicatethateveryanalysismethods，

methodhasitsowncharacteristicsandshouldbeselectedaccordingactualsituation.Within-depthresearch，sEMGiswidelyusedinrehabilitationmedicine，especiallyinrehabilitationevaluation，prostheticsandrehabilitationrobotics.

Keywords：surfaceelectromyography（sEMG）；signalanalysisandprocess；time-frequencydomain；rehabilitationmedicine；evaluationofrehabilitation；rehabilitationrobotics

0引言

［2］

號稱之為表面肌電信號（sEMG）。這些年來，肌電信號的檢測與分析取得了飛速的進(jìn)步，使其廣泛地應(yīng)用

在人體肌肉內(nèi)，中樞神經(jīng)系統(tǒng)的運(yùn)動神經(jīng)發(fā)出的

動作電位通過神經(jīng)纖維到達(dá)肌肉，肌肉產(chǎn)生興奮和收縮，肌電信號（EMG）就是由許多微弱的動作電位組合的序列總和，其中蘊(yùn)涵了很多與人體動作相關(guān)聯(lián)的信息［1］。肌電信號可通過表面肌電拾取電極或針式肌電拾取電極加以引導(dǎo)、記錄，通過針電極拾取的肌電信號稱之為針肌電信號，而通過表面電極拾取的肌電信

收稿日期：２０１１－０５－１９

于臨床診斷、康復(fù)、仿生控制和工程應(yīng)用等領(lǐng)域。由于

表面肌電信號是從人體骨骼肌表面通過電極引導(dǎo)、記錄下來的神經(jīng)肌肉活動發(fā)射的生物電信號［3］，與肌肉的活動狀態(tài)和功能狀態(tài)之間存在著不同程度的關(guān)聯(lián)性，能在一定程度上反映神經(jīng)、肌肉的活動。肌電信號是具有明顯特征的人體電信號，本研究所做的特征提取就是尋找出這種明顯的特征，主要通

基金項(xiàng)目：國家高技術(shù)研究發(fā)展計(jì)劃（“８６３”計(jì)劃）資助項(xiàng)目（２００９ＡＡ０４Ｚ２０９）；國家自然科學(xué)基金資助項(xiàng)目（５１０７５３６３）；浙江省自然科學(xué)基金杰出青年團(tuán)隊(duì)資助項(xiàng)目（Ｒ１０９０６７４）

作者簡介：吳

鑾（１９８７－），男，浙江平陽人，主要從事肌電信號分析及應(yīng)用方面的研究．Ｅ－ｍａｉｌ：ｌｉｎｇｌｕａｎｗｉｎ＠１６３．ｃｏｍ

通信聯(lián)系人：楊慶華，男，教授，博士生導(dǎo)師．Ｅ－ｍａｉｌ：ｋｉｎｇ＠ｚｊｕｔ．ｅｄｕ．ｃｎ

第１１期吳鑾，等：表面肌電信號分析及其在康復(fù)醫(yī)學(xué)中的應(yīng)用

·1369·

過肌電信號分析，提取較為明顯、有效的特征值；然后再根據(jù)有效特征值的差異，進(jìn)行模式分類，，從而確定不同的肌肉運(yùn)動，以驅(qū)動假肢、手臂關(guān)節(jié)與大腿關(guān)節(jié)等康復(fù)器［4-5］。

理論依據(jù)［14］�？椎聞偟扔闷骄β暑l率和積分肌電值方法對拖拉機(jī)駕駛員頸部胸鎖乳突肌的表面肌電信號進(jìn)了分析處理，得出駕駛員頸部肌肉疲勞的原因，以及提出了緩解疲勞的建議［15］。高峰等分別檢測其平均功率頻率、中值頻率和平均肌電值3種指標(biāo)對攀巖

訓(xùn)練中運(yùn)動員的上肢主要做功肌肉的表面肌電信號進(jìn)行分析，探討肌電圖在攀巖過程中的可行性［16］。王喜太等利用功率譜比值等方法進(jìn)行小腿截肢者康復(fù)訓(xùn)練中股直肌的表面肌電信號的特征提取，并用所提取的特征值作為輸出建立表面肌電信號與下肢殘肢康復(fù)動作之間的依據(jù)［17］。但傳統(tǒng)的傅里葉變換法存在一定弊病，使用傅立葉變換研究信號時(shí)，要求獲得信號在時(shí)域的全部信息，甚至包括將來的信息，這很難滿足。此外傅立葉變換在時(shí)域中沒有分辨，信號在某一時(shí)刻的變化將影響整個(gè)頻譜特性。表面肌電信號是具有非平穩(wěn)性和非線性的隨機(jī)信號，因此在采用傳統(tǒng)的傅立葉變換實(shí)時(shí)分析肌電信號時(shí)受到了限制。1.3參數(shù)模型

參數(shù)模型法因?yàn)榫哂蓄l率分辨率高的優(yōu)點(diǎn)，成為了表面肌電信號分析的重要途徑，其中典型的是AR模型法，AR模型參數(shù)的估計(jì)得到的是線性方程，計(jì)算比較簡便，而且實(shí)際的物理系統(tǒng)往往是全極點(diǎn)系統(tǒng)，所以基于AR模型的功率譜估計(jì)是現(xiàn)代譜估計(jì)中最常用的一種方法。利用AR模型進(jìn)行功率譜估計(jì)的實(shí)質(zhì)是求解模型的均方誤差σ2w和參數(shù)αk兩個(gè)參數(shù)的問題。目前這些參數(shù)的提取算法主要有Levinson-Durbin算法、Burg算法和Marple算法3種［18］。參數(shù)模型法將隨機(jī)過程的隨機(jī)性和一定程度的可測性有機(jī)地結(jié)合起來，其激勵白噪聲反映過程的隨機(jī)性，確定性模型反映過程的可預(yù)測性。劉宏等人［19］通過在健康受試者前臂處安放8個(gè)表面肌膚干電極提取肌電信號，使用雙通道肌電信號作為控制源，4階AR模型參數(shù)作為特征，基于LM算法的BP神經(jīng)網(wǎng)絡(luò)作為分類器，以較高成功率實(shí)現(xiàn)人手10種姿態(tài)的分類。PaissO.等建立了人體肱二頭肌表面肌電信號AR模型，追蹤能反映運(yùn)動單位放電頻率的低頻信號成分以及反映運(yùn)動電位波形的較高頻率成分，并進(jìn)行肌電功率譜分析，用于局部肌肉的疲勞檢測［20］。與經(jīng)典傅里葉譜分析相比，參數(shù)模型法能較好地估計(jì)信號功率譜，使用AR模型分析處理表面肌電信號時(shí)，應(yīng)該根據(jù)需要選擇合適的算法，Levinson-Durbin算法簡單，但是分辨率較差；Burg算法容易出現(xiàn)譜線分裂和偽峰，受初相的影響產(chǎn)生頻率偏移，但是它能滿足大多數(shù)的應(yīng)用要求，且計(jì)算不太復(fù)雜；Marple算法運(yùn)算量較大，但性能最好，分辨率最高。

1

1.1

肌電信號的分析方法

時(shí)域分析

時(shí)域方法是傳統(tǒng)的肌電信號分析方法，將肌電信號看作時(shí)間的函數(shù)，通過對時(shí)域信號的分析，可以得到信號的某些統(tǒng)計(jì)特征，例如可以對信號進(jìn)行整形、濾波，計(jì)算信號的積分肌電值、平均肌電值、幅值的直過零次數(shù)、均方值等，然后將其作為信號的特征方圖、

用于模式分類［6］。時(shí)域特征的提取相對其他方法而言比較簡單，所以它在康復(fù)醫(yī)學(xué)應(yīng)用領(lǐng)域中的技術(shù)比較成熟，應(yīng)用比較廣泛。章亞男［7］等人采集人體踝關(guān)節(jié)在一個(gè)自由度上做屈伸運(yùn)動時(shí)的脛骨前肌和腓腸肌的表面肌電信號，提取表面肌電信號的均方根作為特種向量，通過均方根的閾值控制法，來實(shí)現(xiàn)踝關(guān)節(jié)康復(fù)裝置的控制。王子羲［8-10］等人利用同步肌電分析方法，對偏癱患者的上肢主要肌群的表面肌電信號分析，他們通過提取幅值變化的統(tǒng)計(jì)學(xué)規(guī)律來建立患者在完成這個(gè)動作時(shí)的多肌電模型，量化反映被測試人員完成動作時(shí)肌肉協(xié)調(diào)時(shí)序關(guān)系的規(guī)律和該測試動作的

A.E.Hibbs等人采取時(shí)域方法（肌電均值與峰值）特征。

用于康復(fù)評價(jià)［11］。但時(shí)域分析方法存在許多缺點(diǎn)，如信息利用不充分，信號在固定時(shí)刻或固定時(shí)間區(qū)域內(nèi)的孤立值本身很少有意義；如被檢查者對肌肉收縮程度的控制很難掌握，肌肉一旦用力過度，將會產(chǎn)生重疊運(yùn)動單元的動作電位，造成干擾波形。1.2

頻域分析

傳統(tǒng)的頻域分析方法是通過傅里葉變換（FT）將

時(shí)域信號轉(zhuǎn)換為頻域信號，從而對信號的頻譜或功率譜進(jìn)行分析。由于傅里葉變換的計(jì)算量十分龐大，1965年Cooley和Tukey［12］提出了快速傅里葉變換

），并隨著計(jì)算機(jī)的出現(xiàn)而得以實(shí)現(xiàn)，傅里葉變換（FFT

法為信號處理及分析開拓了一個(gè)新領(lǐng)域。肌電信號的頻率分析也能提供關(guān)于肌肉某種特征的有價(jià)值信息，

）、均值頻率、頻率范圍、最高常用指標(biāo)有中值頻率（MF波峰頻率、最高波峰幅值、平均功率頻率（MPF），其中

平均功率頻率和中值頻率是臨床判別肌肉活動的常用指標(biāo)［13］�，F(xiàn)階段頻域方法的應(yīng)用也比較成熟，經(jīng)常用于臨床肌電圖、神經(jīng)肌肉疲勞檢測，還有肌電假肢的控制。王坤等針對肌肉疲勞狀態(tài)下提取的表面肌電信號，采用幅頻聯(lián)合的分析方法，為進(jìn)一步研究肌肉疲勞狀態(tài)的表面肌電信號的變化提供了方法支持與

·1370·機(jī)電工程第２８卷

1.4人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)（ANN）模仿生物神經(jīng)元結(jié)構(gòu)和神

域的走向和突變。不過對于慢變化的信號，通過適當(dāng)選擇窗函數(shù)，仍可獲得較好的效果。1.5.2

小波（WT）變換

小波變換是由法國地質(zhì)學(xué)家MorletJ和Gross－mannA于1984年提出。他們在分析地震波的局部時(shí)，

發(fā)現(xiàn)傳統(tǒng)的傅立葉變換難以達(dá)到要求，從而引入了小

它用一個(gè)波概念。小波變換是傅里葉變換的新發(fā)展，函數(shù)代替?zhèn)鹘y(tǒng)傅里葉級數(shù)的系數(shù)，克服了傅里葉級數(shù)

不能反映信號局部特性的不足，能夠分析非周期函數(shù)。對信號進(jìn)行小波分析前，首先要確定小波變換的類型，如果是連續(xù)的小波變換，則頻率分辨率明顯高于二值離散小波，而且在對肌電信號分析時(shí)，低頻信號對應(yīng)寬時(shí)域窗口，高頻信號對應(yīng)窄時(shí)域窗口。選擇基本小波后，通過不同的位移和尺度變化就可以實(shí)現(xiàn)信號的多分辨率變換。趙京東等人采用Coiflet4小波

實(shí)現(xiàn)了對拇對3通道肌電信號進(jìn)行4尺度小波分解，

指彎曲/伸展、食指彎曲/伸展、中指彎曲/伸展的動作識對該肌電信別［26］。李醒飛等人根據(jù)采集的肌電信號，

號進(jìn)行小波處理，能夠有效地識別握拳、展拳、手腕內(nèi)旋和手腕外旋4種動作模式［27］。GuoXin等人利用小波變換及小波包變換對人體下肢行走時(shí)的肌電信號局部突變進(jìn)行消噪處理［28］。小波具有緊支撐的性質(zhì)，

信息的作用能很好地反映出來，處理、捕捉突變信號，靈敏度很高。進(jìn)行小波分析時(shí)，先要確定小波函數(shù)。小波函數(shù)的選擇對分析結(jié)果影響很大，所以應(yīng)根據(jù)不同的用途，了解其頻率范圍，慎重選擇合適的小波函數(shù)。1.5.3

維格納（wigner-ville）分布

維格納分布是信號能量在時(shí)、頻兩維空間上的分布。維格納分布具有許多優(yōu)良特性，例如，定義域的同一性、反演特性等，這使它在非平穩(wěn)肌電信號的處理中頗有潛力。當(dāng)肌肉力變化時(shí)實(shí)際的肌電信號是非平穩(wěn)的，不是高斯型信號，它的相位譜含有豐富的信息。為此就需要用高階矩和高階矩譜來描述其統(tǒng)計(jì)平均特性，克服傳統(tǒng)處理方法的不足，給出信號本身更多的信息。KhezriM等人利用維格納分布方法處理肌電信號，對6個(gè)動作的分辨準(zhǔn)確率高達(dá)91.3%［29］。維格納分布的不足之處在于變換是非線性的，當(dāng)信號成分多時(shí)，不同成分之間容易出現(xiàn)交叉項(xiàng)，引起偽像。1.5.4Choi-Williams分布

在高精度信號分析中，為了減小交叉項(xiàng)的干擾，科學(xué)家提出了一系列時(shí)頻分布。Claasen等發(fā)現(xiàn)眾多的時(shí)頻分布只是Wigner-Ville分布的變形，可以用統(tǒng)一的形式表示。不同的時(shí)頻分布只是體現(xiàn)在積分變換核的函數(shù)形式的選擇上，而對于時(shí)頻分布各種性質(zhì)的要求則反映在對核函數(shù)的約束條件上。

經(jīng)信息傳遞機(jī)理，由許多具有非線性映射能力的神經(jīng)元組成，神經(jīng)元之間通過權(quán)系數(shù)相連接構(gòu)成自適應(yīng)非線性動力系統(tǒng)，具有自組織、自適應(yīng)學(xué)習(xí)、良好的容錯

分布式存儲、并行處理等特點(diǎn)，這使其在系統(tǒng)辨識性、

和模式識別方面顯示出很大的優(yōu)越性。人工神經(jīng)網(wǎng)絡(luò)有各種模型，其中Hopfield網(wǎng)絡(luò)和多層感知器（BP）模型在肌電信號分析中應(yīng)用最為廣泛。采用人工神經(jīng)網(wǎng)絡(luò)對肌電信號進(jìn)行處理、識別和分類時(shí)，要首先確定神經(jīng)網(wǎng)絡(luò)的輸入對象，且對象要具備反映肌電信號的特征信息。杭州電子科技大學(xué)羅志增和清華大學(xué)王人成首次將觸覺和肌電控制技術(shù)結(jié)合在一起，用AR模型和神經(jīng)網(wǎng)絡(luò)相結(jié)合的肢體運(yùn)動模式識別方法，設(shè)計(jì)出一種帶有觸覺和滑覺傳感器的肌電控制電動假手［21］。LuhJJ等利用3層前饋人工神經(jīng)網(wǎng)絡(luò)研究表面肌電信號的活動與肘關(guān)節(jié)等容收縮時(shí)的力矩之間的關(guān)系［22］。OroscoE等人用神經(jīng)網(wǎng)絡(luò)進(jìn)行對屈肘、伸肘、前臂前旋、前臂后旋與休息5種狀態(tài)的表面肌電信號分類［23］�，F(xiàn)階段人工神經(jīng)網(wǎng)絡(luò)大都應(yīng)用于肌電信號分析處理、特征提取以及特征選擇后的模式分類。模式分類時(shí)，為了簡化網(wǎng)絡(luò)結(jié)構(gòu)，提高運(yùn)行速度，不直接把肌電信號輸入網(wǎng)格，而先對其進(jìn)行壓縮。通過增加訓(xùn)練神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)庫，人工神經(jīng)網(wǎng)絡(luò)方法會有更遠(yuǎn)、更深的發(fā)展，提供更有用的信息，并更好地應(yīng)用于肌電信號的分析處理以及各類肌病的診斷和治療中。1.5

時(shí)頻分析

近年來，人們采用時(shí)間—頻率表示法對肌肉力變化時(shí)發(fā)放的非平穩(wěn)的肌電信號進(jìn)行了大量的研究。目前用于表面肌電信號分析的時(shí)頻分析方法主要有短時(shí)傅里葉變換（SFFT）、小波（WT）變換、維格納（wign－er-ville）分布、Choi-Williams分布、希爾伯特黃變換（hilbert-huang）等。1.5.1短時(shí)傅里葉（STFT）變換

對于非平穩(wěn)信號的處理，最直接的方法是將該信號分成幾小段，然后將各小段分別視為平穩(wěn)信號來處理，短時(shí)傅里葉變換就是這樣處理的。短時(shí)傅立葉變換處理肌電信號時(shí)，重要的是選擇一個(gè)與信號相似的窗口函數(shù)（rt），這個(gè)窗口函數(shù)與肌電信號越相似，就越容易表達(dá)出肌電信號的信息。蔡立羽等采用短時(shí)傅里葉變換對表面肌電信號進(jìn)行分析，成功地識別了展拳、握拳、腕內(nèi)旋、腕外旋4種動作［24］。YujueWang等人利用濾波和短時(shí)傅里葉變換對左右小腿和左右肩膀的肌電信號進(jìn)行處理分析［25］。但實(shí)際上，由于短時(shí)傅里葉變換的局限性，它不能敏感地反映信號的時(shí)頻

第１１期吳鑾，等：表面肌電信號分析及其在康復(fù)醫(yī)學(xué)中的應(yīng)用

·1371·

1.5.5希爾伯特黃（hilbert-huang）變換

1998年NordenE.Huang等人提出了一種新的信主觀性和檢測結(jié)果難以精確定量而受到限制［40］。梁丹

青、姜麗等通過對照患者健側(cè)和患側(cè)肢體的肌電信號指標(biāo)，評價(jià)患者康復(fù)訓(xùn)練的效果［41-42］。倪朝民、周崇陽等通過對患者相關(guān)肌電圖的分析，確定康復(fù)療效［43-44］。王子羲等人對偏癱患者的痙攣性肌強(qiáng)直癥狀進(jìn)行定量評價(jià)［45］。上述研究主要通過對肌電信號的不同指標(biāo)的特征進(jìn)行對比，得到健肢與患肢肌電信號特征的差異，以評估神經(jīng)肌肉的康復(fù)狀況，確定康復(fù)訓(xùn)練方案。2.2假肢的控制

肌電假肢是由截肢者的大腦神經(jīng)支配殘肢肌肉運(yùn)動產(chǎn)生肌電信號，通過將肌電信號放大后用來控制微型電機(jī)，帶動傳動系統(tǒng)，驅(qū)動假肢動作。由于肌電假肢的運(yùn)動接受大腦指揮，它除了具有電動假肢的長處外，還具有直感性強(qiáng)、控制靈活和使用方便等優(yōu)點(diǎn)。歐洲4國研發(fā)出的一種完全與神經(jīng)系統(tǒng)相連接，可感知位置及周圍環(huán)境刺激的假手［46］。羅志增與王人成等人研究出一種具有感知接觸和滑動功能、良好的仿生控

劉宏等應(yīng)用人手19種典型姿制功能的肌電假手［47-48］。

態(tài)對應(yīng)的表面肌電信號對3自由度仿人型假手的控制［49］。ParkWonll等建立肌電信號與拇指指尖力之間的映射關(guān)系對假手進(jìn)行控制［50］。目前肌電假肢使用最多的是參數(shù)模型法，而人工神經(jīng)網(wǎng)絡(luò)法和混沌分析法為現(xiàn)代分析方法，是目前肌電識別研究的熱點(diǎn)，這兩種方法的使用將有效提高對肌電假肢控制的準(zhǔn)確性。2.3

康復(fù)機(jī)器人的控制

康復(fù)器械的最終目標(biāo)是恢復(fù)人體肌體組織的運(yùn)

［30］

號分析方法—希爾伯特黃變換（HHT）。希爾伯特黃

變換運(yùn)用簡便，而且并不涉及頻率分辨率和時(shí)間分辨率的矛盾問題，有較好的計(jì)算效率，以及較好的時(shí)域

“時(shí)和頻域分辨率。徐文良等人建立表面肌電信號的

間-頻率-能量”三維Hilbert譜，進(jìn)而得到信號的邊際譜，同時(shí)采用基于經(jīng)驗(yàn)?zāi)B(tài)分解閾值消噪方法，消噪效果明顯，在抑制噪聲的同時(shí)，能夠較好地保留信號邊緣和細(xì)節(jié)信息［31］。但希爾伯特黃變換存在端點(diǎn)曲線擬合、頻率漂移和瞬時(shí)頻率輕微波動等問題。１．６非線性動力學(xué)

非線性動力學(xué)方法開始應(yīng)用于肌電信號處理方面。非線性動力學(xué)研究的基本原理是：由少數(shù)變量的單一時(shí)間序列提取整個(gè)系統(tǒng)的動力學(xué)特征，以構(gòu)建肌肉機(jī)械活動與生物電變化之間的力電關(guān)系模型。肌電信號實(shí)際上是一種復(fù)雜的非線性信號，可用非線性方法對其進(jìn)行研究。現(xiàn)肌電信號非線性動力學(xué)分析處理方法主要有相關(guān)維數(shù)（分形分維）、李雅普諾夫（Lya－punov）指數(shù)、熵和復(fù)雜度等。王人成等從不同重量、不同動作和不同幅度對人體手臂尺側(cè)腕屈肌和尺側(cè)腕伸肌的表面肌電信號進(jìn)行分維［32］。胡曉等人采取前臂內(nèi)旋和外旋時(shí)表面肌電信號，用一種基于模糊自相似性的方法計(jì)算原始信號和4個(gè)子信號的分形維［33］。重慶大學(xué)田學(xué)隆等人提出了一種基于分維的局部投影法用于新型腦卒中康復(fù)治療儀的信號預(yù)處理及交互模塊［34］。胡曉等人用小波熵方法衡量肌肉的疲勞程度［35］。羅志增等人提出了一種基于基本尺度熵的表面肌電信號特征的提取方法，來獲取肌電假手執(zhí)行腕上翻、腕下翻、展拳和握拳4類動作時(shí)所對應(yīng)的表面肌電信號特征［36］。肖毅以做俯臥撐的上肢肌電信號為分析對象，通過計(jì)算其Renyi熵、小波熵和復(fù)雜度刻畫不同階段肌電信號的復(fù)雜性，得到熵與肌電信號復(fù)雜度的存在的關(guān)聯(lián)［37］。非線性動力學(xué)方法研究已經(jīng)已經(jīng)有了一定的深度與廣度，并取得了一些成果，由于研究起步較晚，但實(shí)際應(yīng)用有待進(jìn)一步的探究［38］。

動機(jī)能，實(shí)現(xiàn)肌體組織的自然化動作。肌電信號控制是利用分離的肌群電信號（肌電信號）控制康復(fù)器械，

使其能夠具有與肢體相同的對外界刺激的反應(yīng)能力和對腦神經(jīng)信號的識別和處理能力，模擬肢體動作，實(shí)現(xiàn)肢體的康復(fù)治療。田學(xué)隆等研制的腦卒中康復(fù)治療儀能夠根據(jù)患者肌電表面信號強(qiáng)度進(jìn)行訓(xùn)練過程控制［51］。HuYong等建立了腰部關(guān)節(jié)的表面肌電信號形態(tài)模式并應(yīng)用于下肢康復(fù)器的設(shè)計(jì)和控制［52］。章亞男等利用選擇性表面肌電信號控制踝關(guān)節(jié)神經(jīng)運(yùn)動康復(fù)并研制了相應(yīng)的康復(fù)裝置［53］�？祻�(fù)機(jī)器人也存在一些難題，盡管單一動作的肌電信號識別率已達(dá)到95%以上，但實(shí)際應(yīng)用的實(shí)例還不多見，且對于連續(xù)表面肌電動作信號的起止點(diǎn)很難進(jìn)行準(zhǔn)確地自動定位，從而難以實(shí)現(xiàn)多自由度機(jī)構(gòu)的連續(xù)控制。

2.4未來展望

2.4.1康復(fù)評估展望

康復(fù)評估將綜合人體的生物特征與主觀感覺，從肌肉硬度、血流特性、主觀舒適度、表面肌電信號等方面綜合對患者進(jìn)行評估。而表面肌電信號將從單一關(guān)

2

2.1

肌電信號在康復(fù)醫(yī)學(xué)中的應(yīng)用

康復(fù)評估

康復(fù)評估是指對患者的功能狀況及潛在能力作

出評估，也是對患者各方面情況進(jìn)行收集、量化、分析，并與正常標(biāo)準(zhǔn)進(jìn)行比較的過程［39］。肌電信號主要從人體生物特征角度研究肢體康復(fù)評估，其特征的變化能在一定程度上反映中樞控制因素以及肌肉興奮傳導(dǎo)速度的特性，能有效地幫助緩解由于檢測效度的

五星文庫wxphp.com包含總結(jié)匯報(bào)、資格考試、人文社科、專業(yè)文獻(xiàn)、應(yīng)用文書、黨團(tuán)工作、文檔下載、word文檔、旅游景點(diǎn)、出國留學(xué)、考試資料以及表面肌電信號分析及其在康復(fù)醫(yī)學(xué)中的應(yīng)用_吳鑾等內(nèi)容。

本文共2頁12

  本文關(guān)鍵詞：表面肌電信號分析及其在康復(fù)醫(yī)學(xué)中的應(yīng)用，由筆耕文化傳播整理發(fā)布。