[发明专利]基于多通道sEMG的肌肉疲劳动态预测方法

说明书

技术领域

本发明涉及一种基于多通道sEMG的肌肉疲劳动态预测方法。

背景技术

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、代谢以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。

目前，肌肉疲劳的临床检测工具主要有肌电信号（sEMG，surface electromyography）、肌音(MMG, Mechanomyogram)、声肌图(SMG, Sonomyography)、近红外光谱(NIRS, Near- infrared spectroscopy)、声波描记图（AMG，Acoustic myography）、测角传感器等。利用sEMG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。

由于肌肉疲劳的sEMG信号受以下因素影响：运动方式、运动强度、肌肉的收缩方式(离心、向心收缩)、肌肉类型、个体特征等，所以在众多的疲劳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

鉴于以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。

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。

2)：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。

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)将通道sEMG信号相加，并求平均；

b)以上述平均值作为参考值，得到新的通道sEMG信号，，，...，；

c)将新的通道sEMG信号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通道sEMG信号。

带通滤波器用来保留10Hz--500Hz频段信号，然后采用陷波滤波器，滤除50Hz工频干扰。带通滤波器和带阻滤波均采用常规的做法，采用巴特沃斯数字滤波器，设置参数包括阶数、3dB截止频率、滤波器的通带、阻带截止频率等。

步骤2）分时最小二乘法，具体方法是：首先以当前时刻为基准，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，以及中位频率下降到90%MPF所对应的时刻。其中最小二乘法的参数可由下式计算：

其中表示MPF或MF，表示MPF或MF的均值，表示时刻，，表示时刻均值。

其中MPF、MF计算公式如下：

其中为肌电信号的频率为其功率密度谱，采用基于傅里叶分析的经典功率谱估计技术估计。