本文是计算机论文，本文提出了一种基于表面肌电信号的实现在线肌肉疲劳估计方法，通过对肌电信号的研究，设计出了一套基于多通道的表面肌电信号采集系统，并且在此系统的基础上，开发出了实时在线的表面肌电信号分析系统。通过该系统，可以完成对肌肉状态（放松态、负重态、疲劳过渡态、深度疲劳态和疲劳态）的实时在线分析。通过结合疲劳进程中离线的表面肌电信号的特征指标和分类器性能分析，使用了LDA（线性判别式）分类器作为实时在线系统的分类算法。通过结合疲劳进程发生中的肌电信号幅度增大的变化和频域中频率的左移现象,离线识别分析中采取了RMS（均方根值）、IEMG（积分肌电值）、AR6(自回归参数)、MNF（平均频率）、MDF（中值频率）特征参数用于分析，通过对比不同类型特征指标的识别分析结果，最终选择了识别效果较好的RMS和AR6作为实时在线的表面肌电信号疲劳特征指标。在进行在线验证时可以发现，研发的实时在线的疲劳检测系统对肌肉群达到深度疲劳的判别结果较好，通过该套系统，可以预防肌肉的过度发力，避免造成肌肉损伤。
.....
第1章引言
尽管近年来针对肌肉疲劳状态的检测和预测的研究取得了良好的效果，但是，利用自主系统实现疲劳检测和预测的研究较少[17]。在肌肉疲劳研究中，主要集中在康复训练和疲劳产生机制的研究[18]。同时，由于个体的差异性的存在，并不存在精确的疲劳阈值，研究结果容易受到年龄和性别的影响。目前，英国埃塞克斯大学Al-Mulla教授团队研究了对非疲劳态、疲劳过渡态、疲劳态三个状态的疲劳特征提取和分类。在静态等长收缩中,达到了83%的分类精度。并通过提取新的频谱特征，来改善分类结果。同时，该团队开发了一套疲劳的自动检测系统，可对疲劳的发生进行预测。使用的传感器融合了肌电传感器,角度传感器和加速度计[20]。疲劳过渡态的概念也由该研究小组最先提出，研究文献表明，其团队最近的研究在向多通道方面发展。此外，意大利都灵理工大学Marco教授团队通过早期研究线性阵列电极在肌电信号测量中的应用，通过阵列电极和单个运动单元解码的方法研究肌电信号的传播速度，在肌肉疲劳研究方面，采用高密度电极对肌肉状况进行分析[21]。
....
第2章局部肌肉疲劳与表面肌电信号分析方法
2.1局部肌肉疲劳研究介绍
由于表面肌电信号的特性与骨骼肌在疲劳收缩过程中发生的生化和生理变化有关。在局部肌肉疲劳的研究领域中，一项广泛的研究共识就是，在肌肉疲劳的过程中，肌电信号在时、频域会有明显的变化趋势，具体为：肌电信号的时域幅值会增加，其频域频谱会发生左移现象。一段典型的静态疲劳进程中的表面肌电信号如下图2.2所示。可以发现，随着时间的增加，在肌电信号的幅值上出现了明显的信号幅值变大现象。研究中，对于肌肉的收缩形式，有等张收缩和等长收缩两种方式，见图2.1。等长收缩为保持肌肉长度，不进行任何运动，而等张收缩为肌肉进行向心收缩和离心收缩（肌腹的中心位置）运动。通常，静态收缩通常为等长收缩，而动态收缩为等张收缩。本文中所提到的一种基于表面肌电信号的实时在线肌肉疲劳估计方法研究，主要指在静态（等长）收缩下的局部肌肉疲劳状态检测。
2.2肌电信号产生机制
大量肌纤维收缩产生肌肉力。肌电信号是肌肉收缩时伴随的电信号。表面肌电信号主要是浅层肌肉EMG和神经干上电位变化的综合效应，与肌肉的活动状态和功能状态之间存在着不同程度的关联性，因而能够在一定程度上反应出不同的运动模式。大量研究实验表明,肌电信号是一种非常微弱的神经电信号，幅度为微伏级别，峰峰值在0~6mV之间。有用的信号频率成分在0~500Hz范围内，其中能量的大部分集中在50~150Hz之间[46]。根据奈奎斯特采样定理，要想获取完整的肌电信号信息，设计的表面肌电信号采集系统的采样频率应不少于信号最大频率的两倍，这样采样之后的数字信号才可能完整地保留相应的信号特征。为了提高运算效率，同时采集肌电信号的全部有用信息，本文中设计的肌电采集器采样频率为1000Hz。
.....
第3章多通道表面肌电信号采集系统研发......................................15
3.1多通道肌电信号采集系统总体设计.............................................................15
3.2系统功能模块.................................................................................................16
第4章肌肉疲劳估计方法与实时检测系统性能分析................................................27
4.1肌肉疲劳等级状态的探索性划分................................................27
4.2实验方案设计................................................27
第5章总结与展望................................................43
......
4章肌肉疲劳估计方法与实时检测系统性能分析
4.1肌肉疲劳等级状态的探索性划分
肌肉疲劳状态的发生是一个渐进的过程，目标肌肉群在持续性的发力下，会产生肌肉酸痛和无力的感觉。因而，对肌肉疲劳状态的检测能够在日常生活中预防肌肉损伤，在体育锻炼中能够促进身体的最大无损训练，在智能假肢佩戴中能够在训练参数失效前告知截肢患者及时进行有效的再次训练。对于肌肉疲劳状态的划分研究，从工程上有两类划分方法，一类是将肌肉的状态粗浅的划分为疲劳态和非疲劳态；另一类的观点则将肌肉状态划分为非疲劳态、疲劳过渡态和疲劳态。针对本文的实验内容，提出肌肉在静态等长收缩下的五种状态，即放松态、负重态、疲劳过渡态、深度疲劳态和疲劳态。其中在放松态和疲劳态，目标肌肉群都没有对外施加力的作用。在负重态、疲劳过渡态、深度疲劳态，目前肌肉群都存在发力的状态，深度疲劳态为肌肉发力力竭的过程。通过对肌肉状态的五种划分和结合表面肌电信号特征参数的映射关系，可以在局部疲劳发生过程中对肌肉状况进行检测，在肌肉达到深度疲劳态时停止锻炼，从而预防肌肉损伤
4.2实验方案设计
受试者为7名健康的青年男女，无吸烟史，无神经性肌肉疾病，实验实施前近一周内无熬夜行为，实验前24h内无剧烈运动，肌肉均处于正常状态。每位受试者在试验前均告知其实验过程，并签署知情意见书。实验实施过程中不会对受测者造成介入性的皮肤损伤，并且告知此实验的研究目的和研究内容，使实验参与人员充分知晓实验的全部内容。表4.1为7名受试者的详细信息，其中年龄分布为23.5±1.5岁，身体质量指数(BodyMassIndex,BMI)基本正常，无肥胖受试者。实验开始前，操作员对每组受试者目标肌肉群进行备皮处理，清洁皮肤表面，并将表面肌电电极贴在待测量肌肉群腹部位置；随后，受试者在实验操作员的指导下，身体端坐于凳子上，保持前臂和上臂呈现近似90°初始状态。数据采集方式如同图4.1所示，在使用研发的多通道肌电信号采集系统时，使用9枚凝胶电极代替图中的黑色传感器部分，其中，一枚凝胶电极传感器用于参考电位的放置，在本次实验中，参考电极放置在手肘关节无肌肉处。其余8枚凝胶电极传感器构成四通道肌电信号采集，分别两两放置于肱二头肌、肱三头肌、肱桡肌、桡侧腕屈肌肌肉群皮肤表面。该部分目标肌肉群更易受控于受试者的主体运动，能够较快地促使肌肉达到疲劳状态，为人体日常生活中经常使用的肌肉。并且，肌电信号采集方便，采集位置无衣物遮盖，易于受试者心理上的接受。
.......
第5章总结与展望
此外，人体局部肌肉疲劳的状态划分研究目前尚无分类的“金标准”，在将来，也许有研究人员能够解决这个问题，为肌疲劳的科学、系统化划分提供理论基础。在肌肉疲劳的研究中，除了集中在检测疲劳状态外，还应考虑如何避免过度疲劳和疲劳后如何快速恢复的研究，在疲劳前提供预警，在疲劳后提供康复将是今后研究者的一个方向。同时，对于肌肉疲劳的研究，如果能够结合动物实验模型和选取部分神经肌肉损伤患者进行研究，研究价值更为巨大，对于基于表面肌电信号的人体局部肌肉疲劳估计方法的丰富，研究人员还有待进行进一步的深入发掘。研究中发现，机体的疲劳并非同步达到，当原动肌的疲劳发生时，拮抗肌还存在着一定的延迟，在对静态局部肌肉疲劳进行分析时，可以结合两者进行分析。对于肌肉疲劳的研究，可以发现在离线状态下具有更好的识别结果，这可能与离线状态下，数据量的大小有关。但显然地，实时在线的系统对于疲劳损伤的预防研究更具现实意义。
失信联合惩戒,信用修复,信用行为,修复效果
参考文献（略）
参考文献（略）
