基于sEMG振子模型的骨骼肌等长收缩力与固有特性的能量核表征方法.PDFVIP

2014 年 第 59 卷 第 7 期：561 ~ 571 《中国科学》杂志社 论 文 SCIENCE CHINA PRESS 基于sEMG 振子模型的骨骼肌等长收缩力与 固有特性的能量核表征方法 * 陈幸, 殷跃红 , 范渊杰 上海交通大学机器人研究所, 机械系统与振动国家重点实验室, 上海 200240 * 联系人, E-mail: yhyin@ 2013-05-07 收稿, 2013-08-26 接受 国家重点基础研究发展计划(2011CB013203)、国家自然科学基金和上海交通大学理工交叉研究基金重点项目 (LG2011ZD106)资助 摘要 提出了一种肌肉等长收缩力估计与肌肉固有特性表征的新方法, 称为能量核方法. 此 关键词 方法的初衷在于将表贴 EMG(肌电图)信号转变为平面内的相图, 并将相图上状态点的分布核 表贴EMG 信号 心称作能量核, 而噪声信号的分布核心称为噪声核. 基于相图的统计特征, 将一段 EMG 信号 EMG 振子 近似为简谐振子, 简称EMG 振子. 本文建立了控制信号(EMG)与输出信号(力/功率)之间的关 能量核 等长收缩力 系, 并提出用 EMG 的特征能量来表征肌肉力. 另一方面, 通过对能量核与噪声核的计算, 能 自然频率 够得到噪声与EMG 信号的自然频率并实现直观的信噪识别与分离. 实验结果表明, 特征能量 对等长收缩力的表征度令人满意, 并且由于结合了RMS 与MPF 两种方法的优点, 此方法具有 很高的鲁棒性; 而特定肌肉的EMG 自然频率不取决于MU 放电频率, 故其反映了肌肉的固有 特性. 此模型体现的物理意义为EMG 信号的理解与分析提供了新的启发. 基于表贴EMG(surface electromyography, 或sEMG) 的时间及信号资源相对较多. 对于基于 EMG 信号的 信号进行肌肉力估计的研究已大量开展[1], 目前大多 运动模式识别与分类, 现有的分析手段包括神经网 [2~5] [13,14] [15] [16] [17] 数方法是基于传统的信号频域分析 , 其中经典的 络 、分形分析 、内核法 以及 ICA 等一系 谱估计法包括傅里叶变换(FT)与周期图法, 以及 AR 列方法[18,19]. 上述方法一般从信号处理理论入手, 而 谱估计等参数模型谱估计算法. 近来, 基于 EMG 功 与EMG 信号本身的物理源头联系不紧密. 另一方面, 率谱的分形分析也已被提出[6]. 针对 EMG 的幅频特 针对EMG 信号或肌肉力产生机制的研究[20,21] 以及基 性, 这些算法能够对信号的功率谱密度(PSD)进行渐 于物理建模的信号解析研究也已开展[22,23], 然而, 由 进无偏估计, 在实际应用中已取得了一定的效果. 其 于EMG 信号的混叠度极高, 又是典型的非平稳信号, 中均方根(RMS)与平均功率频率(MPF)应用十分广泛, 从EMG 信号的源头建模所得的方法包含诸多需要人 二者分别侧重于