本研究的目的在于观察动态运动诱发腰部脊竖肌疲劳过程中 s EMG信号线性分析指标MPF和非线性分析指标 L em pel- Ziv复杂度和近似熵的动态变化规律 ,确定能够较好地运用于脊竖肌功能评价的 s EMG指标。研究结果表明 ,动态运动过程中 ,...本研究的目的在于观察动态运动诱发腰部脊竖肌疲劳过程中 s EMG信号线性分析指标MPF和非线性分析指标 L em pel- Ziv复杂度和近似熵的动态变化规律 ,确定能够较好地运用于脊竖肌功能评价的 s EMG指标。研究结果表明 ,动态运动过程中 ,腰部脊竖肌 s EMG信号的MPF和 L em pel- Ziv复杂度均呈明显的线性规律下降 ;70 %的受试者的近似熵呈先升后降型变化 ;以 MPF下降来预测腰部脊竖肌功能水平的外部效度优于 L empel- Ziv复杂度。研究结果提示 ,s展开更多
应用非线性动力学的方法 ,研究最大和 6 0 % MVC强度肱二头肌静态疲劳负荷及其恢复期表面肌电信号复杂度变化规律 ,探讨肌肉疲劳过程中 s EMG信号变化的可能原因和机制。结论 :s EMG信号 L em pel- Ziv复杂度反映了神经活动策略和神经...应用非线性动力学的方法 ,研究最大和 6 0 % MVC强度肱二头肌静态疲劳负荷及其恢复期表面肌电信号复杂度变化规律 ,探讨肌肉疲劳过程中 s EMG信号变化的可能原因和机制。结论 :s EMG信号 L em pel- Ziv复杂度反映了神经活动策略和神经肌肉功能状态的变化。运动负荷诱发肱二头肌静态疲劳过程中 s EMG信号复杂度随运动负荷时间延长而减小 ,恢复期 s EMG信号复杂度和 MVC均随恢复时间的延长以相似的模式快速恢复 ,提示 ,s展开更多
目的:应用自适应滤波器消除表面肌电信号中混有的50Hz工频干扰和心电信号干扰。方法:在没有信号特征先验知识的情况下,自适应滤波器能够得到比经典滤波器更好的滤波性能。当输入信号的统计特征未知,或者输入信号的统计特征变化时,自适...目的:应用自适应滤波器消除表面肌电信号中混有的50Hz工频干扰和心电信号干扰。方法:在没有信号特征先验知识的情况下,自适应滤波器能够得到比经典滤波器更好的滤波性能。当输入信号的统计特征未知,或者输入信号的统计特征变化时,自适应滤波器能够根据某种准则的要求自动地调节自身的滤波器参数,从而实现最优滤波。使用Biopac system MP150多导生理记录仪采集人体肱二头肌处表面肌电信号(采样频率为1000Hz)。采用一种新的变步长(LMS)自适应滤波器算法,分别设计自适应陷波器和自适应信号分离器。在MATLAB7.0环境下,编程实现自适应陷波器和自适应信号分离器算法,对采集到的表面肌电信号进行滤波处理。结果:实验表明,变步长自适应陷波器能消除表面肌电信号中的50Hz工频干扰;变步长自适应信号分离器能够将混叠在表面肌电信号中的心电信号分离出来。结论:自适应滤波器能够有效地消除表面肌电信号中混有的50Hz工频干扰和心电信号干扰,得到滤波效果较好的表面肌电信号,为表面肌电信号的进一步分析、处理和评估打下基础。展开更多
文摘本研究的目的在于观察动态运动诱发腰部脊竖肌疲劳过程中 s EMG信号线性分析指标MPF和非线性分析指标 L em pel- Ziv复杂度和近似熵的动态变化规律 ,确定能够较好地运用于脊竖肌功能评价的 s EMG指标。研究结果表明 ,动态运动过程中 ,腰部脊竖肌 s EMG信号的MPF和 L em pel- Ziv复杂度均呈明显的线性规律下降 ;70 %的受试者的近似熵呈先升后降型变化 ;以 MPF下降来预测腰部脊竖肌功能水平的外部效度优于 L empel- Ziv复杂度。研究结果提示 ,s
文摘应用非线性动力学的方法 ,研究最大和 6 0 % MVC强度肱二头肌静态疲劳负荷及其恢复期表面肌电信号复杂度变化规律 ,探讨肌肉疲劳过程中 s EMG信号变化的可能原因和机制。结论 :s EMG信号 L em pel- Ziv复杂度反映了神经活动策略和神经肌肉功能状态的变化。运动负荷诱发肱二头肌静态疲劳过程中 s EMG信号复杂度随运动负荷时间延长而减小 ,恢复期 s EMG信号复杂度和 MVC均随恢复时间的延长以相似的模式快速恢复 ,提示 ,s
文摘目的:应用自适应滤波器消除表面肌电信号中混有的50Hz工频干扰和心电信号干扰。方法:在没有信号特征先验知识的情况下,自适应滤波器能够得到比经典滤波器更好的滤波性能。当输入信号的统计特征未知,或者输入信号的统计特征变化时,自适应滤波器能够根据某种准则的要求自动地调节自身的滤波器参数,从而实现最优滤波。使用Biopac system MP150多导生理记录仪采集人体肱二头肌处表面肌电信号(采样频率为1000Hz)。采用一种新的变步长(LMS)自适应滤波器算法,分别设计自适应陷波器和自适应信号分离器。在MATLAB7.0环境下,编程实现自适应陷波器和自适应信号分离器算法,对采集到的表面肌电信号进行滤波处理。结果:实验表明,变步长自适应陷波器能消除表面肌电信号中的50Hz工频干扰;变步长自适应信号分离器能够将混叠在表面肌电信号中的心电信号分离出来。结论:自适应滤波器能够有效地消除表面肌电信号中混有的50Hz工频干扰和心电信号干扰,得到滤波效果较好的表面肌电信号,为表面肌电信号的进一步分析、处理和评估打下基础。
