为了解表面肌电信号(surface electromyography,sEMG)特征的变化规律,找出更加有效的疲劳特征参数组合,通过回归分析和皮尔逊相关系数分析的方法研究了6名受试者负重状态下,手臂表面肌电信号的时域、频域和时频域特征参数与主观疲劳感量...为了解表面肌电信号(surface electromyography,sEMG)特征的变化规律,找出更加有效的疲劳特征参数组合,通过回归分析和皮尔逊相关系数分析的方法研究了6名受试者负重状态下,手臂表面肌电信号的时域、频域和时频域特征参数与主观疲劳感量表(rating of perceived exertion,RPE)之间的关系。结果表明:随着负重时间的持续,sEMG的时域特征均方根值(root mean square,RMS)和积分肌电值(integrated electromyography,iEMG)有上升趋势,频域特征平均功率频率(mean power frequency,MPF)、中值频率(media frequency,MF)有下降趋势,而时频域特征瞬时平均频率(instantaneous mean power frequency,IMPF)、瞬时中值频率(instantaneous median frequency,IMF)出现先短暂上升然后下降趋势。对各特征参数进行非线性拟合,发现RMS和iEMG幂函数拟合优于指数函数拟合,而MPF、MF、IMPF和IMF指数函数拟合优于幂函数。对联合特征参数进行多元回归分析,发现RMS与MF组成的回归模型判定系数R2最大。可见RMS与MF相结合作为评估肌肉疲劳的联合参数更加合理有效。展开更多
文摘为了解表面肌电信号(surface electromyography,sEMG)特征的变化规律,找出更加有效的疲劳特征参数组合,通过回归分析和皮尔逊相关系数分析的方法研究了6名受试者负重状态下,手臂表面肌电信号的时域、频域和时频域特征参数与主观疲劳感量表(rating of perceived exertion,RPE)之间的关系。结果表明:随着负重时间的持续,sEMG的时域特征均方根值(root mean square,RMS)和积分肌电值(integrated electromyography,iEMG)有上升趋势,频域特征平均功率频率(mean power frequency,MPF)、中值频率(media frequency,MF)有下降趋势,而时频域特征瞬时平均频率(instantaneous mean power frequency,IMPF)、瞬时中值频率(instantaneous median frequency,IMF)出现先短暂上升然后下降趋势。对各特征参数进行非线性拟合,发现RMS和iEMG幂函数拟合优于指数函数拟合,而MPF、MF、IMPF和IMF指数函数拟合优于幂函数。对联合特征参数进行多元回归分析,发现RMS与MF组成的回归模型判定系数R2最大。可见RMS与MF相结合作为评估肌肉疲劳的联合参数更加合理有效。
