[发明专利]基于高密度肌电技术的多肌群协同运动监测方法在审
申请号: | 202210547191.8 | 申请日: | 2022-05-20 |
公开(公告)号: | CN116327222A | 公开(公告)日: | 2023-06-27 |
发明(设计)人: | 刘翔宇;汤浩;陆嘉元 | 申请(专利权)人: | 上海理工大学 |
主分类号: | A61B5/397 | 分类号: | A61B5/397;A61B5/256;A61B5/296 |
代理公司: | 上海天协和诚知识产权代理事务所 31216 | 代理人: | 吴立斐 |
地址: | 200000 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 高密度 技术 多肌群 协同 运动 监测 方法 | ||
本发明具体是一种基于高密度肌电技术的多肌群协同运动监测方法,包括将将多片32*2的电极片贴敷于不同的核心肌群上;将高密度肌电采集采样率设置为2000Hz,增益设置为1000;告知被试者进行训练,进行高密度肌电的数据采集;将信号导入盲源分离算法,设定需要进行微观分析的核心集群;窗长设置为5s,步距为3s,进行盲源分离;结合宏观激活情况与微观放电同步性的双维度肌电信息对运动情况进行评价。本发明利用高密度肌肉电信号,对核心肌群的运动监测提出了新的监测逻辑,针对目标肌群进行微观的神经活动分析,以获得不同训练目的下,训练对微观神经活动的影响,以及宏观肌群之间的代偿影响。
技术领域
本发明涉及人体运动肌群的观测研究领域,具体是一种基于高密度肌电技术的多肌群协同运动监测方法。
背景技术
核心肌群作为人体维持灵敏、平衡、协调、速度、爆发力和反应力重要肌群,长期以来,其训练一直依赖训练师的主观经验和训练者的实际感受,对于基础薄弱的健身入门人士来说,凭借主观感受和训练师经验容易增加受伤风险,因而对于大众进行核心训练来说,目前尚未形成有效的训练体系。
肌电信号作为能够直接反映用户运动意图和肌肉激活状态的信号,在运动训练以及康复领域有着广泛的应用,利用肌电信号进行的核心肌群训练,多数集中在宏观的信号监测,利用高密度肌电采集设备对核心肌群的监测比较鲜见。由于高密度肌电提供了更高分辨率的神经信号,因此利用盲源分离的算法,能够对微观的神经活动进行监测,从而能够从外周神经活动中,检测到核心肌群训练的神经变化与运动前后的活动情况,从而能够帮助相关训练人员进行量化监测,并从中获得宏观与微观的双维度运动信息。传统高密度肌电在实验室环境下,对单一肌肉或双肌肉间的运动有着广泛的研究,但在实际应用中,高密度肌电受制于其计算成本,以及算力延迟,在多肌群协同的监测研究上,现有的研究较为鲜见。
发明内容
本发明的目的在于克服上述缺陷,提出一种能够脱离实验室环境的利用高密度肌肉电信号的监测逻辑。
为了达到上述目的,本发明是这样实现的:
一种基于高密度肌电技术的多肌群协同运动监测方法,包括
步骤1、用酒精擦拭32*2通道高密度肌电电极片,保证电极片的镀金触点位置没有绿色锈迹以及灰尘;
步骤2、将用于电极贴敷的开孔双面胶固定在32*2电极片上,保证所有32*2通道暴露,电极居于开孔的中心;
步骤3、为了减少皮肤与阵列电极片间的阻抗,被试腹肌体表的皮肤被磨砂导电膏和湿纸巾仔细清理;
步骤4、将双面胶开孔处涂覆导电膏,保证双面胶开孔中的导电膏涂抹均匀紧实,并将多片32*2的电极片贴敷于不同的核心肌群上;
步骤5、将高密度肌电采集采样率设置为2000Hz,增益设置为1000;
步骤6、告知被试者进行训练,进行高密度肌电的数据采集;
步骤7、将信号导入盲源分离算法,设定需要进行微观分析的核心集群,其余肌群仅进行激活状态的判别;
步骤8、窗长设置为5s,步距为3s,进行盲源分离;
步骤9、得到目标肌群振幅清晰的运动神经元;
步骤10、同步性计算将6个放电序列随机分为两组,然后将这两组放电序列混合成两个混合放电序列,计算运动神经元的放电同步性,重复100次,并比较训练前后的同步性变化,同步性越高,表示训练强度越高,肌疲劳程度越高;
步骤11、结合宏观激活情况与微观放电同步性的双维度肌电信息对运动情况进行评价,包括目标肌肉的募集情况与代偿情况分析。
本发明利用高密度肌肉电信号,对核心肌群的运动监测提出了新的监测逻辑,针对目标肌群进行微观的神经活动分析,以获得不同训练目的下,训练对微观神经活动的影响,以及宏观肌群之间的代偿影响,此技术可以用于基于高密度肌电的可穿戴设计以及基于高密度肌电的运动监护。
具体实施方式
以下通过具体实施例进一步说明本发明。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海理工大学,未经上海理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210547191.8/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种具有变形适应性的钢结构架梯
- 下一篇:用于生成机器人任务演示的神经网络