小波包分析与人工神经网络相结合探索运动性肌肉疲劳过程中sEMG变化特征.pdfVIP

文章编号：1000—677X(2009)12-0051—05 ◎VC体20Ho0育91科．2年A9学N，第o()02．R912T卷，5)S1C—第5IE5N12，20期c0E9 小波包分析与人工神经网络相结合探索 运动性肌肉疲劳过程中sEMG变化特征 StudyonCharacteristicsofsEM G Changeduringthe ProcessofM uscleFatigueUsingW aveletPacket Transformation na dArtificialNeuralNetwork 王乐军 ，黄 勇 ，龚铭新 ，陈志勇 ，许 翔 ，马国强 WANGLe—jun，HUANGYong，GONGMing—xin ， CHEN Zhi—yong ，XU Xiang ，MA Guo—qiangz 摘 要：目的：利用小波包分析与人工神经 网络相结合的方法探 索60S全力蹬踏 自行车致 股直肌疲劳过程 中表面肌电信号 (sEMG)的变化特征及其与输 出功率之 间的关系，探 索利用 sEMG定量评价运动性肌 肉疲劳的方法；方法：先按等时间间隔将 sEMG划分为不同的段 ， 通过比较不 同分解层数下各频段能量与输 出功率之 间的关系，以此确定最优的小波包分解 层数，计算各频段的能量并进行归一化处理，在此基础上以归一化后的各频段 能量作为输 入 ，以运动过程 中归一化后的输出功率作为输 出，构造 Elman人工神经网络进行建模 ，经过 网络优化过程建立了最佳的人工神经网络模型；结果：随着运动时间的延长和疲劳程度的加 深，股直肌 s 信号经小波包分解后的低频段能量增加 ，高频段能量衰减，但能量的增加 与衰减集中在 比较大的频段范围内，人工神经网络预测结果显示 出良好的精度 ；结论 ：60S 全力蹬踏 自行车过程中表面电极处肌肉组织低通滤波作用不断变化导致运动过程中能量的 增加与衰减集中在比较大的频段范围内。在利用 sEMG定量诊断肌 肉疲劳方面，通过小波 包分析结合人工神经网络的方法具有较高的可行性和准确性。 关键词 ：运动性肌肉疲劳；sD肥 ；小波包分析 ；人工神经网络 Abstract：Objective：Waveletpackettransformation (唧 )and artificialneuralnetwork (ANN) were employed to explore MuseuliRectus Femoris’ surface electmmyography (sEMG)changingcharacteristicsandtherelationshipbetweensEMG indexesnadpowerout— putduringtheprocessoffatiguecausde bycycling andthustofind outthemethodofassessing thefatiguequantitativelybysEMG．Method ：sE]ⅥGwasdividde intoasequenceofsegmentin constanttime duration．By comparing the correlation bewt een energy ofdifferentfrqeuency bandsandpoweroutput，optimalwaveletdecom