sEMG的特征分析与肌肉疲劳分类研究.pdf

摘要

sEMG的特征分析与肌肉疲劳分类研究

肌肉疲劳是一种常见的生活现象，通常是经过剧烈运动或者持续性运动后产

生，表现为肌肉酸痛、乏力等。当肌肉疲劳到达一定程度会造成人体损伤，为了

避免这种情况，可以选择比较合理的生理信号，对人体的疲劳程度进行判断。而

肌电信号因便于观察且具有较高的实时性，在评价肌肉疲劳方面备受关注。

肌电信号是由肌肉运动单元产生的电位在时间和空间上叠加，并从肌肉神经

元传输到皮肤表面的一种生物电信号。肌电信号可以无损、长期、实时地采集且

信号的变化与肌肉的活动水平和功能状态有关。肌电信号采集方式有针式肌电采

集和表面肌电采集，表面肌电信号因其无创、便捷的检测优点被广泛应用。

本文为了建立肌肉疲劳分类模型，提高模型的正确识别率，首先，分析了肌

电信号的产生机制、特点和去噪方法，在常用时域、频域特征分析方法的基础上，

引入了时频域、非线性和参数模型特征分析方法；其次设计了3通道表面肌电信

号采集系统，每个通道可以提取16维特征参数，共提取了48维特征参数；然后

设计了疲劳诱发实验，提取时域、频域、时频域、非线性和参数模型特征分析其

变化规律，采用互信息度量、主成分分析和核主成分分析三种特征降维方法，对

特征集进行降维处理，降低特征之间的冗余性；最后将降维后新的特征集与

Fisher线性判别分析、K近邻和支持向量机三种分类器相互组合，建立九种疲劳

分类模型，对肌肉进行轻松态、疲劳过渡态和疲劳态三种状态的分类，结果表明，

核主成分分析与支持向量机组合的模型对于疲劳分类的平均识别率最高，达到

91.5%，高于其他疲劳分类模型。

综上，本文提出的表面肌电信号特征分析与肌肉疲劳分类方法，能够取得较

好的疲劳分类结果，对于肌肉疲劳程度的判断具有重要研究意义。

关键字：

表面肌电信号，肌肉疲劳，特征降维，疲劳分类模型

Abstract

FeatureAnalysisofsEMGandResearchonMuscle

FatigueClassification

Musclefatigueisacommonlifephenomenon,whichusuallyoccursafterstrenuous

exerciseorcontinuousexercise,andmanifestsasmuscleachesandfatigue.When

musclefatiguereachesacertainlevel,itwillcausehumanbodydamage.Inorderto

avoidthissituation,youcanchooseamorereasonablephysiologicalsignaltojudgethe

degreeofhumanbodyfatigue.TheEMGsignalhasattractedmuchattentionin

evaluatingmusclefatiguebecauseitiseasytoobserveandhashighreal-time

performance.

Theelectromyographysignalisakindofbioelectricsignalthatissuperimposedon

timeandspacebythepotentialgeneratedbythemusclemotorunitandtransmitted

fromthemuscleneurontothesurfaceoftheskin.TheEMGsignalcanbecollected

non-destructively,long-term,andreal-time,andthechangeofthesignalisrelatedto

theactivitylevelandfunctionalstateo