本文選題：表面肌電信號　切入點：肌力　出處：《華中科技大學(xué)》2013年博士論文　論文類型：學(xué)位論文

【摘要】：由神經(jīng)系統(tǒng)和肌骨骼系統(tǒng)所組成的人體運動系統(tǒng)使人們可以完成各種復(fù)雜的任務(wù)。其中,骨骼肌是驅(qū)動人體運動的力量源泉,它接收大腦發(fā)送的并經(jīng)由脊髓神經(jīng)傳輸?shù)碾娦盘柮?產(chǎn)生相應(yīng)的收縮并帶動關(guān)節(jié)運動。按照一定時空順序排列的電信號命令可以驅(qū)使多肌肉群組協(xié)調(diào)地收縮,從而產(chǎn)生協(xié)調(diào)的人體運動。肌骨骼肌系統(tǒng)的任何缺陷均會影響人體運動和執(zhí)行任務(wù)的能力。鑒于骨骼肌在人體運動系統(tǒng)中的重要地位,骨骼肌及其機能的研究逐漸引起人們的研究興趣。肌力和肌肉疲勞是肌肉機能評價的兩項重要指標(biāo),其評估結(jié)果有助于認(rèn)識人們的運動能力。但如何準(zhǔn)確地評估人體運動過程中的肌力和肌肉疲勞仍是一個有待解決的問題。 肌電信號是一種記錄肌肉收縮電信號的技術(shù),也是一種評估肌肉活動的有效方法。然而,在處理肌電信號來評估肌力和肌肉疲勞的過程中,也還存在許多問題和難題。該工作旨在解決以下三個問題： 第一,對肌力的評估過程往往包含兩個步驟：(1)從肌電信號中提取肌肉活動特性,(2)采用Hill模型計算肌力的大小。這一過程除了要優(yōu)化許多模型參數(shù)之外,計算過程本身也很復(fù)雜。在這項工作中,我們提出了兩種新的肌力評估模型,簡化了評估肌力的方法。第一種模型采用神經(jīng)網(wǎng)絡(luò)理論,第二種模型則以模糊邏輯為基礎(chǔ)。我們開展了人體手臂六組肌肉群組肌電采集實驗,并利用MATLAB對所提出的兩種模型進行了仿真研究。我們對所提出的兩種模型進行了計算速度和穩(wěn)定性的比較。研究表明,模糊邏輯模型在計算速度和穩(wěn)定性方面比神經(jīng)網(wǎng)絡(luò)模型更快、更穩(wěn)定,但是其結(jié)構(gòu)比神經(jīng)網(wǎng)絡(luò)模型更為復(fù)雜。 第二,肌電信號的記錄和處理是研究肌肉活動的基本步驟,因為肌電原始信號往往會受到大量噪聲的影響,為提取有效、準(zhǔn)確的肌電活動信號,人們往往采用各種信號預(yù)處理技術(shù)進行濾波、歸一化等處理。雖然這一過程易于實現(xiàn),但該過程可能降低信號數(shù)據(jù)的準(zhǔn)確性。為了避免信號處理技術(shù)的這一影響,我們提出了一種遺傳算法技術(shù),將原始肌電信號作為模型的輸入,而模型的輸出則是一種能用于評估肌肉力量和肌肉疲勞的信號。為了驗證這種模型的有效性,我們首先采用了帶遺傳算法的神經(jīng)網(wǎng)絡(luò)模型評估肌力水平,然后與原神經(jīng)網(wǎng)絡(luò)模型肌力評估方法進行比較,結(jié)果顯示,兩種模型對肌力評估的效果很相似并且都具有收斂性。 最后,肌肉的疲勞會直接導(dǎo)致肌力的下降,是影響肌肉活動能力的一個重要因素。我們提出了一種根據(jù)模糊邏輯理論評估肌肉疲勞的新方法。這種方法不僅有助于肌肉疲勞的評估,而且適用于任何手臂肌力的評估。這種模型同樣由原始肌電信號驅(qū)動,無需采用任何信號預(yù)處理。與前面肌力評估模型不同的是,這種模型采用的是模糊邏輯方法,而不是遺傳算法。通過對五十位志愿者上臂主動肌/拮抗肌對(肱二頭肌和肱三頭肌)肌肉疲勞的實驗驗證,證明了這種方法用于評估肌肉疲勞的有效性。此外,我們還研究了肌肉疲勞與受試者年齡之間的關(guān)系,直觀地反映了肌肉抗疲勞特性隨年齡增長而降低的發(fā)展趨勢。
[Abstract]:Human motion system is composed of the nervous system and musculoskeletal system so that people can accomplish complex tasks. Among them, the skeletal muscle is the source of power to drive the human motion, it receives brain transmission and transmission of electrical signals through the spinal cord to produce the corresponding command, shrink and promote joint movement. According to a certain order of time and space the signal command can drive much muscle contraction to produce group coordination, coordination of human motion. The ability of any defect of muscle system will affect the human movement and mission. In view of the important status of skeletal muscle in the human body movement in the system of skeletal muscle and its function has gradually aroused people's interest in the study. Muscle strength and muscle fatigue are two important indicators of muscle function evaluation, the evaluation result is helpful to understand the movement of people's ability. But how to accurately assess the human. Muscle strength and muscle fatigue in the process of movement are still a problem to be solved.
The EMG signal is a record of muscle contraction signal technology, is a kind of effective method to evaluate the muscle activity. However, in the treatment of EMG signal to evaluate the process of muscle strength and muscle fatigue, there are many problems and difficulties. This work aims to solve the following three questions:
First, the evaluation process of muscle strength often consists of two steps: (1) extraction of muscle activity characteristics from EMG, muscle strength (2) calculated using the Hill model. The size of this process in addition to the optimization of many parameters in the model, the calculation process is very complicated. In this work, we propose two models for evaluation of muscle strength of new, simplified method of evaluating the muscle strength. The first model uses the neural network theory, second kinds of model based on fuzzy logic. We carried out six groups of human arm muscle EMG acquisition experiment group, and two of the proposed model is simulated by MATLAB. We were comparison of calculation speed and stability of two kinds of the proposed model. The results show that the fuzzy logic model in computing speed and stability than the neural network model is faster, more stable, but its structure than the neural network model It's more complicated.
Second, recording and processing of the EMG signal is a basic step of muscle activity, because the original EMG signals often affected by noise, extracting effective EMG signals accurately, people often use a variety of signal preprocessing filtering, normalization processing. Although this process is easy to implement, but the process may reduce the accuracy of signal data. In order to avoid the influence of signal processing technology, we propose a genetic algorithm, the original EMG signal as the input of the model, and the output of the model is a kind of signal can be used to assess muscle strength and muscle fatigue. In order to verify the validity of this model, we first by using the neural network model with genetic algorithm to evaluate strength level, and then compare with the original neural network model strength evaluation method showed that two kinds of model The effectiveness of the muscle strength assessment is similar and convergent.
Finally, muscle fatigue will directly lead to the decline of muscle strength, is an important factor affecting muscle activity. We propose a new method based on the fuzzy logic theory to evaluate muscle fatigue. This method not only helps to evaluate the muscle fatigue assessment, but also suitable for any arm muscle strength. This model is driven by the same the original EMG signal, without using any signal processing. Unlike the previous strength assessment model, this model is based on fuzzy logic method, rather than genetic algorithm. Based on fifty volunteers active arm muscle / antagonist (biceps and triceps) on experimental verification of muscle fatigue, the method for evaluating the effective muscle fatigue is proved. In addition, we also studied the relationship between muscle fatigue and the age of the subjects, can reflect the muscle fatigue resistance increased with aging. A long and low trend of development.

【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2013
【分類號】：R741.044;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉林林,黃夏;呼吸肌疲勞與呼吸衰竭[J];中國危重病急救醫(yī)學(xué);1990年02期

2 邱龍潛,李野;等速負(fù)荷誘發(fā)肱二頭肌疲勞過程中sEMG信號變化[J];溫州大學(xué)學(xué)報;2003年03期

3 關(guān)會林;董琦;孫立新;郎志芳;;蘆薈提取物對電刺激離體蟾蜍腓腸肌疲勞的影響[J];牡丹江醫(yī)學(xué)院學(xué)報;2008年04期

4 黃宇琦;闞和平;林智棋;周杰;李義凱;;胸鎖乳突肌表面肌電圖的研究[J];中國康復(fù)醫(yī)學(xué)雜志;2009年06期

5 ;撳針對長跑者肌痛及肌肉疲勞的影響[J];國外醫(yī)學(xué).中醫(yī)中藥分冊;2001年02期

6 雷玲;肖國兵;朱人;曹強;葛林娜;梁友信;;重復(fù)提舉致豎脊肌疲勞作用[J];中國職業(yè)醫(yī)學(xué);2006年01期

7 汪寶樹;;調(diào)劑飲食 改善疲勞[J];食品與健康;2007年03期

8 鄭潔皎;胡佑紅;俞卓偉;;表面肌電圖在神經(jīng)肌肉功能評定中的應(yīng)用[J];中國康復(fù)理論與實踐;2007年08期

9 ;肌肉疾病及損傷[J];國外科技資料目錄(醫(yī)藥衛(wèi)生);1998年02期

10 吳飛;王健;;雙關(guān)節(jié)運動的局部肌肉疲勞與肌電變化[J];中國康復(fù)醫(yī)學(xué)雜志;2006年01期

相關(guān)會議論文 前10條

1 郭蕾;于洪志;;初探EMG信號在語音研究中的應(yīng)用[A];第十一屆全國人機語音通訊學(xué)術(shù)會議論文集（一）[C];2011年

2 ;EMG自動化提供全面的產(chǎn)品質(zhì)量保證系統(tǒng)[A];2010鋼材質(zhì)量控制技術(shù)、形狀、尺寸精度、表面質(zhì)量控制與改善學(xué)術(shù)研討會文集[C];2010年

3 王少君;徐冬青;;老年人側(cè)向姿勢控制能力下降機制的EMG研究[A];第十四屆全國運動生物力學(xué)學(xué)術(shù)交流大會論文集[C];2010年

4 盧鼎厚;;骨骼肌損傷的病因和治療與人體運動功能康復(fù)[A];中國康復(fù)醫(yī)學(xué)會第三次康復(fù)治療學(xué)術(shù)大會論文匯編[C];2002年

5 談?wù)\;鄭亮;張春林;;基于ADAMS/Lifemod的人體動力學(xué)模型研究[A];第十一屆全國運動生物力學(xué)學(xué)術(shù)交流大會論文匯編（摘要）[C];2006年

6 洪迪安;;人體數(shù)學(xué)模型和計算機模擬[A];運動生物力學(xué)研究方法[C];1986年

7 李廣慶;王茂斌;王人成;華超;;矢狀面人體運動軌跡檢測與分析系統(tǒng)的研制[A];中華醫(yī)學(xué)會第八次全國物理醫(yī)學(xué)與康復(fù)學(xué)學(xué)術(shù)會議論文匯編[C];2006年

8 殷金生;;計算人體運動內(nèi)力矩的一項原理性誤差[A];第四屆全國運動生物力學(xué)學(xué)術(shù)會議論文集（二）[C];1983年

9 張芳;崔建華;張西洲;;海拔5380m高原富氧室對人體運動一氧化氮及其合酶的影響[A];中國生理學(xué)會第六屆應(yīng)用生理學(xué)委員會全國學(xué)術(shù)會議論文摘要匯編[C];2003年

10 ;一些新成果[A];第二屆中國運動生物力學(xué)學(xué)術(shù)會議論文匯編（2）[C];1981年

相關(guān)重要報紙文章 前10條

1 北京康比特運動營養(yǎng)研究所 孫鳳華;“吃”掉肌肉疲勞[N];中國體育報;2008年

2 王曉;華人科學(xué)家成功研制可發(fā)電納米纖維[N];中國紡織報;2008年

3 東穎;夏季苦練容易導(dǎo)致身體疲勞[N];大眾科技報;2007年

4 健康時報特約專家 趙厚薇;夏天洗腳也要用熱水[N];健康時報;2005年

5 記者 顧鋼;美發(fā)明人體發(fā)電“智能背包”[N];科技日報;2005年

6 編譯 王金元;發(fā)電背包走動中獲得電力[N];北京科技報;2005年

7 陳關(guān)瑚;防“腰突”注意啥[N];醫(yī)藥養(yǎng)生保健報;2007年

8 許清;人體生物能：能量轉(zhuǎn)換隨心用[N];四川科技報;2008年

9 美國加州大學(xué)神經(jīng)病學(xué)系教授 薛東;“謝絕”抽筋這個“不速之客”[N];大眾衛(wèi)生報;2006年

10 薛東;防治抽筋把勁兒使到點子上[N];健康報;2006年

相關(guān)博士學(xué)位論文 前10條

1 烏薩馬（Usama Jasim Naeem）;根據(jù)肌電圖（EMG）信號評估人手臂肌肉力和肌肉疲勞的人工智能方法[D];華中科技大學(xué);2013年

2 趙旭;人體運動的視覺重建與識別[D];上海交通大學(xué);2011年

3 佟麗娜;基于力學(xué)量信息獲取系統(tǒng)的人體摔倒過程識別方法研究[D];中國科學(xué)技術(shù)大學(xué);2011年

4 于雪松;基于單目無標(biāo)記點的人體3D運動估計關(guān)鍵技術(shù)的研究[D];哈爾濱工業(yè)大學(xué);2009年

5 劉華俊;基于實時人體運動動畫控制的研究[D];武漢大學(xué);2011年

6 田彥;基于視頻的人體姿勢預(yù)測與跟蹤[D];北京郵電大學(xué);2011年

7 薛洋;基于單個加速度傳感器的人體運動模式識別[D];華南理工大學(xué);2011年

8 史操;基于計算機視覺的三維人體運動數(shù)據(jù)壓縮[D];中南大學(xué);2011年

9 牟永閣;基于時頻和時間尺度分析的表面肌電信號研究及應(yīng)用[D];重慶大學(xué);2004年

10 楊年峰;人體運動協(xié)調(diào)規(guī)律及其參數(shù)化描述[D];清華大學(xué);2001年

相關(guān)碩士學(xué)位論文 前10條

1 游淼;基于肌動圖（MMG）與肌電圖（EMG）信號的假肢控制系統(tǒng)研究[D];中南大學(xué);2011年

2 郝立果;基于加速度傳感器的運動信息采集和應(yīng)用研究[D];天津大學(xué);2010年

3 王津生;運動圖像序列中人體關(guān)節(jié)點的提取與跟蹤[D];河北工業(yè)大學(xué);2004年

4 葛廷云;按摩對人體運動后血清氧自由基代謝水平影響的實驗研究[D];河北師范大學(xué);2003年

5 顏芳;電刺激誘發(fā)表面肌電信號檢測分析及肌疲勞的研究[D];重慶大學(xué);2003年

6 葉偉;靜態(tài)運動負(fù)荷誘發(fā)肌肉疲勞過程中SEMG信號變化的生理機制[D];浙江大學(xué);2002年

7 郭玉;新型人體運動位姿測量系統(tǒng)[D];上海交通大學(xué);2012年

8 殷志遠(yuǎn);人體運動時間序列可視化及多索引方法研究[D];大連理工大學(xué);2011年

9 徐常有;人體運動序列數(shù)據(jù)的語義化分析方法研究[D];大連理工大學(xué);2011年

10 李路;基于多傳感器的人體運動模式識別研究[D];山東大學(xué);2013年

，

本文編號：1594045