腕部肌电图对肌肉疲劳回归分析的验证

摘要：
通过训练提高体能，肌肉可能会造成伤害。然而，目前评估肌肉疲劳的方法很少。因此，本文采用表面肌电图（EMG）对肌肉疲劳进行评估。对于判别，我们使用了线性回归分析和支持向量回归，并进行了比较验证。

第一节。
介绍
运动员和学生俱乐部活动几乎每天都在训练以提高身体表现。同时，过度紧张会导致受伤，从而导致表现不佳。
目前，肌肉疲劳的评价主要是通过视觉模拟量表（VAS）和问卷的主观评价来进行的。提出了几种基于生化评价、生理评价等的方法来客观评价肌肉疲劳。但是，由于需要医学专业知识或需要访问专门机构，因此认为这些并不容易使用。
因此，本文提出了一种在任何环境下使用个人电脑轻松评估肌肉疲劳的方法。本文重点介绍肌肉动作电位，这些肌肉动作电位作为一种评估方法易于处理，并且可以在任何地方处理。以前使用肌电图对肌肉疲劳进行的大部分研究都是通过将传感器连接到肌肉质量高的部分来进行的。但是，在肌肉较多的部位进行测量，会给受试者带来负担，与方便测量的目的背道而驰。因此，我们在本文中使用手腕肌电图（ElectroMyoGram）。

第二节。
提议的方法
A. 测量
测量学习识别部分中使用的 EMG(ElectroMyoGram) 数据。我们使用 P-EMG plus 和干式传感器来测量 EMG。测量方法采用表面肌电检查。无需使用专业知识即可轻松测量。

B. 预处理
本文采用干式传感器，但其特性稳定性较差，因此需要进行预处理。
1) 数据提取
从肌电信号处于稳定状态的部分手动剪下约3秒的数据。稳定状态表示手弯曲，运动处于稳定状态。此后，从切出的数据中心点开始，前后分别切出1024个点的数据，持续2秒（2048个点）。然后，以 512 点的固定宽度进行重叠，并剪切数据以使其成为原始数据。
2) 降噪
从 EMG 信号中观察到嗡嗡声和漂移噪声。嗡嗡声主要由电磁感应、静电感应和漏电流引起。作为去除嗡嗡声的一种方法，受嗡嗡声影响的电源频段是去除目标。用以下公式计算要替换要删除的值。设 x(i) 是要删除的值。

因此，我们可以删除明显较大的值，即商业频率及其倍数。

漂移噪声是由电源引线随着操作而抖动，电极从皮肤上漂浮而引起的。由于该噪声的特点是影响低频，因此使用高通滤波器将其去除。由于截止频率高于高通滤波器，因此它具有降低通频的功能。去除20 Hz以下的频率，以消除漂移噪声，同时保留肌肉疲劳特征。

C. 特征提取
预处理后的肌电信号通过快速傅立叶变换（FFT）进行转换，以计算功率谱值。FFT是以高速执行离散傅里叶变换（DFT）处理的操作的通用术语。当要使用的数据值显著不同时，由于快速变化，高频分量发生失真。为了避免这种现象，在使用汉明窗后，通过FFT进行频率分析来计算功率谱。肌肉疲劳的特征通常出现在低频分量中[4]。你越累，频带就越低。通过使用功率谱值，我们可以确认原始肌电图数据无法确认的肌肉疲劳特征。

D. 学习识别
回归分析是统计学中的一种分析，其优点是能够对曲线关系建模。它分为线性回归和非线性回归。线性回归是目标变量和解释变量之间的线性关系。它使用最小二乘法确定回归方程，这是一种寻找回归方程的方法，以使估计误差值的平方和最小化。另一方面，在非线性回归中，目标变量和解释变量之间的关系是非线性的。我们在非线性分析中使用了支持向量回归。在支持向量回归中，线性分析是在使用称为核的非线性函数映射到多维空间后执行的。本文采用径向基函数核（RBF核）。此外，我们进行了多元回归分析，以使用许多特征进行识别。

第三节。
实验与结果
A. 实验
实验对象为三男一女，年龄20多岁。我们离开超过2天，以便实验之间没有影响。实验在测量和肌肉训练之间交替进行。测量重复识别操作和薄弱环节操作5秒，持续10次。在手指弯曲的情况下测量辨别操作。力量训练是用手握进行的。受试者将手柄握到极限并记录次数。辨别每天进行4次，持续3天。以下是用于验证的数据。

B. 结果
肌肉疲劳的个体差异存在通用性问题。因此，我们对每个人的模型进行了学习识别。从回归分析的两个结果进行验证。使用线性回归分析的判别结果用“Dataset 1”表示，使用支持向量回归分析的判别结果用“Dataset 2”表示。下面是结果。

第四节。
考虑
在本文中，我们能够确认支持向量回归的有用性。作为非线性判别率优于线性判别率的一个因素，提到非线性误差是可以接受的。在线性回归中，回归方程是使用最小二乘法确定的，但由于支持向量回归使用核函数来确定回归方程，因此认为它可以通过线性回归拟合到疲劳状态。未来，我们希望通过增加负载来增加数据数量，以提高识别精度。此外，在本文中，所有测量通道的值都被用于识别，通过在进行力量训练的屈肌的通道测量数据上增加权重，我们认为可以提高识别精度。此外，可以通过提供数据的重叠来增加数据的数量，以提高识别精度。

有需求请联系我们

腕部肌电图对肌肉疲劳回归分析的验证相关推荐

基于libpcan库can总线操作的Barrett 机械手控制及腕部六维力传感器驱动
效果:通过can总线直接向机械手控制器发送控制指令,实现机械手闭合控制,同时实现六维力传感器数据实时监测. 环境:ubuntu14.04+ROS indigo+pcan驱动(插入pcan后,能够使用l ...
白领族腕部保健试试练习咏春拳
"肘底标指"利关节对上班族而言,长期使用电脑键盘和鼠标,可能患上腕关节综合征,也就是常说的"键盘肘".主要症状是食指或中指疼痛.麻木和拇指肌肉无力感,发展下去 ...
3部联动19层电梯控制器的验证计划
目录一.设计指标 1.设计概述 2.输入输出 (1)输入 (2)输出 3.系统示意图 (1)单厢电梯的状态转移图 (2)三厢电梯控制器的系统框图 4.系统功能实现二.验证计划 1.验证策略 2.待 ...
让瘫痪失语患者「说话」，脑机接口首次从大脑活动解码完整句子，登上新英格兰医学杂志...
视学算法报道转载自:机器之心编辑:杜伟.陈萍 Facebook 与加州大学旧金山分校(UCSF)Chang Lab 的脑机接口项目 Project Steno 取得了最新进展,该研究通过解码从运动 ...
袖口里的“超能力”：Facebook腕带式AR传感器，可隔空打字、操控界面，LeCun点赞...
子豪发自凹非寺量子位报道 | 公众号 QbitAI 只需动动手,就能「掌」控一切? Facebook最近公布的腕带式的AR传感器,让你在虚拟世界get绯红女巫同款技能. 这一设备由Facebo ...
再次探扩展-对xVal进行扩展解决验证不同步的问题
之前写过两篇文章,分别都是在ASP.NET MVC下进行验证的,分别如下: <ASP.NET MVC中的验证> <ASP.NET MVC验证框架中关于属性标记的通用扩展方法> ...
如何计算各科及总分的级部名次和班级名次
问题的提出:可以说学校学生的成绩和名次是最重要,虽然现在要求不能向学生公布成绩,但学校内部评比时还是要看成绩的!!以前计算各科的总分时都是用鼠标直接往下拉,现在已经实现了自动化.就是在循环中调用Sum ...
6轴机械臂（拟人臂+球形腕（三轴相交于一点））正逆运动学求解
1.DH坐标下机械臂参数 theta=[pi/10,pi/2,pi/4,-pi/4,pi/4,-pi/8];%关节角度 a=[0, 0.260, 0.025, 0, 0, 0];%连杆长度 d=[0, ...
基于EEG-EMG混合控制方法的研究—生物机器人应用：现状、挑战与未来方向（二)
02 基于肌电图的混合控制方法综述基于EEG-EMG的混合控制接口的基本思想是在控制方法中融合EEG和EMG信号,信号的融合可以以许多不同的方式进行,并且可能取决于特定应用和用户能力等因素.在这个混 ...

腕部肌电图对肌肉疲劳回归分析的验证

腕部肌电图对肌肉疲劳回归分析的验证

腕部肌电图对肌肉疲劳回归分析的验证相关推荐

最新文章

热门文章