CN107296617B - 肌肉爆发力的监控方法 - Google Patents

肌肉爆发力的监控方法 Download PDF

Info

Publication number
CN107296617B
CN107296617B CN201710480819.6A CN201710480819A CN107296617B CN 107296617 B CN107296617 B CN 107296617B CN 201710480819 A CN201710480819 A CN 201710480819A CN 107296617 B CN107296617 B CN 107296617B
Authority
CN
China
Prior art keywords
signal
prearranged signals
moment
time
response signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710480819.6A
Other languages
English (en)
Other versions
CN107296617A (zh
Inventor
周琳
陈林瑞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Dongding Lizhi Information Technology Co Ltd
Original Assignee
Sichuan Dongding Lizhi Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan Dongding Lizhi Information Technology Co Ltd filed Critical Sichuan Dongding Lizhi Information Technology Co Ltd
Priority to CN201710480819.6A priority Critical patent/CN107296617B/zh
Publication of CN107296617A publication Critical patent/CN107296617A/zh
Application granted granted Critical
Publication of CN107296617B publication Critical patent/CN107296617B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
    • A61B5/224—Measuring muscular strength
    • A61B5/227—Measuring muscular strength of constricting muscles, i.e. sphincters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

为避免现有技术中肌肉状态检测方法普遍存在的无法自动化地、灵活地针对个体差异调整检测方法，以及检测过程中精度不高的问题，本发明提供了一种肌肉爆发力的监控方法，包括如下步骤：(1)以第一采集方式采集多个肌电信息；(2)确定监控激励信号的检测开始时刻参数；(3)以第二采集方式检测肌电信息；(4)确定肌肉爆发力变化趋势。

Description

肌肉爆发力的监控方法
技术领域
本发明涉及肢体康复技术领域，更具体地，涉及一种肌肉爆发力的监控方法。
背景技术
将单个或多个肌细胞在各种功能状态下的生物电活动加以放大、显示和记录，通过对肌电位的单个或整体图形的分析，以诊断疾病评定神经、肌肉功能的方法称为肌电图检查法。
运动神经细胞或纤维兴奋时，其兴奋向远端传导则通过运动终板而兴奋肌纤维，产生肌肉收缩运动，并有电位变化，这种电位变化就是肌电图的来源。一条肌纤维产生的电位变化时限约3ms。但是针电极记录的肌电图的运动单位产生的电位变化时间较此为宽。这是因为神经纤维进入肌肉后脱去髓鞘并分支支配各条肌纤维，分支点至各肌纤维的距离不同，兴奋传导的时间不同，因而各肌纤维兴奋开始的时间不一，这样造成整个运动单位合成电位的时间分散，时限延长。
周围神经损害时，其纤维发生瓦勒氏变性，以约每小时lmm的速度向远心端发展，直至运动终板，此时原受其支配的肌纤维成为失神经肌纤维。受损害的神经纤维可能再生而支配其原辖肌纤维，其再生速度约每天1～3mm。神经再生早期的功能不完全正常，兴奋传导速度较慢，运动单位活动电位振幅较低。失神经支配的肌纤维也可能受到正常的或其它再生的神经纤维侧芽支配，新的运动单位范围扩大，兴奋电位的振幅和时限增加，甚至时限增加到出现卫星电位和轴突反射的现象。
表面肌电信号(sEMG)是测量到的肌肉的皮肤表面的电势。通过放大、滤波和采样的处理，可将sEMG调整为合适的数据段，然后运用数据处理技术对其进行特征提取。利用分类器对提取到的特征进行模式识别，可判断人体肌肉的状态，包括肌肉在进行何种动作，以及肌肉是否处于疲劳状态。判断肌肉在进行何种动作，可以通过sEMG进行外骨骼设备的控制。也可以利用虚拟现实技术，控制虚拟场景中的设备。判断肌肉是否处于疲劳状态，对于判断人体工作状态，尤其是对于运动员或者高空作业人员有很大的意义。
然而，现有技术中尚缺乏对于肌肉康复情况，例如爆发力的恢复情况的准确检测方法。尽管例如中国发明专利公布号：CN105361880A，公布日期：2016年3月2日，名称：肌肉运动事件的识别系统及其方法。该发明公开了一种肌肉运动事件的识别系统及方法。系统由肌电采集模块和脑电采集模块组成的信号采集模块、信号处理模块和信号识别模块共同组成。采用肌电信号与脑电信号综合分析的方法，包括以下步骤：采集肌肉活动模拟信号以及脑部活动模拟信号；对采集的信号进行处理并进行事件探测；对探测到的事件进行模拟识别并标记分类。该发明能够在神经生理检测与诊断领域高效标记出有效肌电信号，并对所标记的肌电和脑电信号事件进行精确的分析处理。但是，该发明同时采集肌电信号与脑电信号，不仅增加了成本，并且增加了计算量，影响系统在线识别实时性；尤其严重的是，这种方法在检测过程中无法针对个体差异提高检测精度，导致实用性不强。
发明内容
为避免现有技术中肌肉状态检测方法普遍存在的无法自动化地、灵活地针对个体差异调整检测方法，以及检测过程中精度不高的问题，本发明提供了如下技术方案。本发明的康复状态与现有技术中肌肉健康的定义一致，主要指肌肉经过拉伸、扭曲等伤害后恢复至国家相关标准和规定中的健康标准下的状态和程度。
一种肌肉爆发力的监控方法，包括在多个对待检测肌肉组织不同压力作用下通过如下步骤确定肌肉爆发力等级并确定各等级之和的均值：
(1)以第一采集方式采集多个肌电信息；
(2)确定监控激励信号的检测开始时刻参数；
(3)以第二采集方式检测肌电信息；
(4)确定肌肉爆发力变化趋势。
进一步地，所述步骤(1)包括：
(101)从零时刻起，以第一预定信号S1作为激励信号，定期向待检测肌肉组织发送激励信号，所述第一预定信号S1的幅值和频率不随时间变化；
(102)以时域采集方式采集表示肌电信息的第一响应信号，并确定接收到的该第一响应信号是否在预定的预备时间长度T预备内电位波动小于第一阈值；
(103)当接收到的该第一响应信号在预定的预备时间长度T预备内电位波动信息小于第一阈值时，计算此时刻与零时刻之间经历的时间长度为t1，并计算在时间t1内的第一预定信号S1的电位平均值At1，停止第一预定信号的激励；
(104)从t1时刻开始，以第二预定信号S2作为激励信号，定期向待检测肌肉组织发送激励信号，所述第二预定信号S2的幅值随时间变化且频率不随时间变化，且第二预定信号的幅值和频率均大于第一预定信号；
(105)以时域采集方式采集表示肌电信息的第二响应信号；
(106)记经过tk时间时，第二响应信号在t1时刻至(t1+tk)时刻的幅值均值为Atk；
(107)从(t1+tk)时刻开始，改变第二预定信号S2的幅值|S2|为：|S2|＝|S2|×(1+((1+lnAt1)/(1+lnAtk))；
(108)以时域采集方式采集表示肌电信息的第三响应信号，并确定接收到的该第三响应信号是否在预定的预备时间长度T预备内电位波动小于第二阈值；
(109)当接收到的该第三响应信号在预定的预备时间长度T预备内电位波动信息小于第二阈值时，计算此时刻与(t1+tk)时刻之间经历的时间长度为t2，并计算在时间t2内的第二预定信号S2的电位平均值At2，停止第二预定信号的激励；
(110)从(t1+tk+t2)时刻开始，以第三预定信号S3作为激励信号，定期向待检测肌肉组织发送激励信号，所述第三预定信号S3的幅值随时间变化且频率随时间变化，且第三预定信号的幅值和频率均大于第二预定信号；
(111)以时域采集方式采集表示肌电信息的第三响应信号；
(112)记经过tj时间时，第三响应信号在(t1+tk+t2)时刻至(t1+tk+t2+tj)时刻的幅值均值为Atj。
进一步地，所述步骤(2)包括：
(201)从(t1+tk+t2+tj)时刻起，以第四预定信号S4作为激励信号，定期向待检测肌肉组织发送激励信号，所述第四预定信号S4的平均幅值为Atj、频率随时间变化；
(202)以频域采集方式采集表示肌电信息的第四响应信号，并确定接收到的该第四响应信号是否在预定的预备频率范围W预备内频谱密度小于第三阈值；
(203)当接收到的该第四响应信号在预定的预备频率范围W预备内频谱密度信息小于第三阈值时，计算此时刻与(t1+tk+t2+tj)时刻之间经历的时间长度为t3，并计算在时间t3内的第四预定信号S4的平均功率P1，停止第四预定信号的激励；
(204)从(t1+tk+t2+tj+t3)时刻开始，以第五预定信号S5作为激励信号，定期向待检测肌肉组织发送激励信号，所述第五预定信号S5的幅值随时间变化且频率随时间变化，且第五预定信号的幅值与第四预定信号相同、频率大于第四预定信号；
(205)以频域采集方式采集表示肌电信息的第五响应信号；
(206)记经过tf时间时，第五响应信号在(t1+tk+t2+tj+t3)时刻至(t1+tk+t2+tj+t3+tf)时刻的平均功率开始大于P1；
(207)计算起始激发时刻系数a＝1/(1+(tf/((T3+T5)/2)))，T3为所述第五预定信号的周期，T5为所述第五预定信号的周期。
进一步地，所述步骤(3)包括：
(301)生成具有平均幅值为Atj、频率不小于所述第五预定信号的频率的信号作为检测信号，定期向待检测肌肉组织发送该检测信号；
(302)从(1+a)2×T检时刻开始，以全波形方式采集表示肌电信息的第六响应信号，一次性获取瞬变响应信号和稳态响应信号，其中T检为所述检测信号的周期；
(303)每当瞬态响应信号的平均功率为P1的整数倍时，放大所述检测信号，同时抽取相对应时刻的稳态响应信号的幅值。
进一步地，所述步骤(4)包括：
(401)分别所述稳态响应信号的幅值及与其对应的检测信号平均功率为坐标轴，描点做曲线；
(402)计算该曲线的线性度；
(403)当该曲线的线性度与预设参考值之间的方差小于预设方差时，确定肌肉属于康复状态；
(404)当本次检测非连续本次监控的多次检测中的第一次时，比较不同次检测之间该曲线的线性度与预设参考值之间的方差，当方差变小时，确定爆发力处于康复趋势。
进一步地，所述放大的倍数为每次当瞬态响应信号的平均功率为P1的整数倍时放大2倍。
进一步地，所述预设参考值基于经验值获得，例如基于大量临床数据；其临床数据量越大则预设参考值可靠性越高。
本发明的有益效果是：
(1)本发明采用时域方式去除检测前身体中和外部其他信号对待检测肌肉组织的影响，降低了检测中可能出现的噪声；
(2)本发明在降噪的同时，创造性地基于“掩蔽效应”的思路，通过主动引入检测用的低频噪声(优选采用低频冲击信号或低频脉冲信号)，使得检测中的噪声“可控”；即，在正式检测前通过多次引入不同的信号，屏蔽待检测肌肉组织可能被影响产生的以及其自身产生的高频噪声信号，以相对于环境和待检测肌肉组织内的高频噪声更低频率的“低频信号”为时域信号，经发明人多次实践验证，极大地屏蔽掉高频噪声信号，从而提高了获得响应信号时响应信号中的信噪比；
(3)通过多次引入不同幅度的信号的方式，达到在检测肌肉状态前对肌肉与信号之间的逐步适应，降低了肌肉组织对正式检测信号的应激反映造成响应信号不可靠性；
(4)通过频域多次检测方式确定适当的检测信号的频谱特征，达到在检测肌肉状态前对肌肉与信号之间的逐步适应，降低了肌肉组织对正式检测信号的应激反映造成响应信号不可靠性；
(5)以时域和频域方式分别检测的方式，降低了对于检测信号参数生成时所需的基础数据获得过程中的激励信号对肌肉的训练效应和肌肉由此产生的惰性，提高了肌肉对检测信号的响应速度；
(6)本发明创造性地采用了全波形记录方式，避免了现有技术中通过时域、频域分别检测和激励的方式进行肌肉组织测试时造成的大计算量，提高了检测效率；
(7)本发明创造性地在检测前采用不同采集方式多次采集，确定检测信号参数的方式，能够在正式检测时一次性地、相对现有技术多次检测的方式更快速地，获得肌肉状态，且多次检测之间彼此干扰性小，能够在保证检测准确性的前提下无需像现有技术中不同批次检测和测试期间需要暂停较长时间。
附图说明
图1示出了根据本发明的方法的流程框图。
具体实施方式
如图1所示，根据本发明的优选实施例，本发明提供了一种肌肉爆发力的监控方法，包括在多个对待检测肌肉组织不同压力作用下通过如下步骤确定肌肉爆发力等级并确定各等级之和的均值：
(1)以第一采集方式采集多个肌电信息；
(2)确定监控激励信号的检测开始时刻参数；
(3)以第二采集方式检测肌电信息；
(4)确定肌肉爆发力变化趋势。
优选地，所述步骤(1)包括：
(101)从零时刻起，以第一预定信号S1作为激励信号，定期向待检测肌肉组织发送激励信号，所述第一预定信号S1的幅值和频率不随时间变化；
(102)以时域采集方式采集表示肌电信息的第一响应信号，并确定接收到的该第一响应信号是否在预定的预备时间长度T预备内电位波动小于第一阈值；
(103)当接收到的该第一响应信号在预定的预备时间长度T预备内电位波动信息小于第一阈值时，计算此时刻与零时刻之间经历的时间长度为t1，并计算在时间t1内的第一预定信号S1的电位平均值At1，停止第一预定信号的激励；
(104)从t1时刻开始，以第二预定信号S2作为激励信号，定期向待检测肌肉组织发送激励信号，所述第二预定信号S2的幅值随时间变化且频率不随时间变化，且第二预定信号的幅值和频率均大于第一预定信号；
(105)以时域采集方式采集表示肌电信息的第二响应信号；
(106)记经过tk时间时，第二响应信号在t1时刻至(t1+tk)时刻的幅值均值为Atk；
(107)从(t1+tk)时刻开始，改变第二预定信号S2的幅值|S2|为：|S2|＝|S2|×(1+((1+lnAt1)/(1+lnAtk))；
(108)以时域采集方式采集表示肌电信息的第三响应信号，并确定接收到的该第三响应信号是否在预定的预备时间长度T预备内电位波动小于第二阈值；
(109)当接收到的该第三响应信号在预定的预备时间长度T预备内电位波动信息小于第二阈值时，计算此时刻与(t1+tk)时刻之间经历的时间长度为t2，并计算在时间t2内的第二预定信号S2的电位平均值At2，停止第二预定信号的激励；
(110)从(t1+tk+t2)时刻开始，以第三预定信号S3作为激励信号，定期向待检测肌肉组织发送激励信号，所述第三预定信号S3的幅值随时间变化且频率随时间变化，且第三预定信号的幅值和频率均大于第二预定信号；
(111)以时域采集方式采集表示肌电信息的第三响应信号；
(112)记经过tj时间时，第三响应信号在(t1+tk+t2)时刻至(t1+tk+t2+tj)时刻的幅值均值为Atj。
优选地，所述步骤(2)包括：
(201)从(t1+tk+t2+tj)时刻起，以第四预定信号S4作为激励信号，定期向待检测肌肉组织发送激励信号，所述第四预定信号S4的平均幅值为Atj、频率随时间变化；
(202)以频域采集方式采集表示肌电信息的第四响应信号，并确定接收到的该第四响应信号是否在预定的预备频率范围W预备内频谱密度小于第三阈值；
(203)当接收到的该第四响应信号在预定的预备频率范围W预备内频谱密度信息小于第三阈值时，计算此时刻与(t1+tk+t2+tj)时刻之间经历的时间长度为t3，并计算在时间t3内的第四预定信号S4的平均功率P1，停止第四预定信号的激励；
(204)从(t1+tk+t2+tj+t3)时刻开始，以第五预定信号S5作为激励信号，定期向待检测肌肉组织发送激励信号，所述第五预定信号S5的幅值随时间变化且频率随时间变化，且第五预定信号的幅值与第四预定信号相同、频率大于第四预定信号；
(205)以频域采集方式采集表示肌电信息的第五响应信号；
(206)记经过tf时间时，第五响应信号在(t1+tk+t2+tj+t3)时刻至(t1+tk+t2+tj+t3+tf)时刻的平均功率开始大于P1；
(207)计算起始激发时刻系数a＝1/(1+(tf/((T3+T5)/2)))，T3为所述第五预定信号的周期，T5为所述第五预定信号的周期。
优选地，所述步骤(3)包括：
(301)生成具有平均幅值为Atj、频率不小于所述第五预定信号的频率的信号作为检测信号，定期向待检测肌肉组织发送该检测信号；
(302)从(1+a)2×T检时刻开始，以全波形方式采集表示肌电信息的第六响应信号，一次性获取瞬变响应信号和稳态响应信号，其中T检为所述检测信号的周期；
(303)每当瞬态响应信号的平均功率为P1的整数倍时，放大所述检测信号，同时抽取相对应时刻的稳态响应信号的幅值。
优选地，所述步骤(4)包括：
(401)分别所述稳态响应信号的幅值及与其对应的检测信号平均功率为坐标轴，描点做曲线；
(402)计算该曲线的线性度；
(403)当该曲线的线性度与预设参考值之间的方差小于预设方差时，确定肌肉属于康复状态；
(404)当本次检测非连续本次监控的多次检测中的第一次时，比较不同次检测之间该曲线的线性度与预设参考值之间的方差，当方差变小时，确定爆发力处于康复趋势。
优选地，所述放大的倍数为每次当瞬态响应信号的平均功率为P1的整数倍时放大2倍。
优选地，所述预设参考值基于经验值获得，例如基于大量临床数据；其临床数据量越大则预设参考值可靠性越高。
以上对于本发明的较佳实施例所作的叙述是为阐明的目的，而无意限定本发明精确地为所揭露的形式，基于以上的教导或从本发明的实施例学习而作修改或变化是可能的，实施例是为解说本发明的原理以及让所属领域的技术人员以各种实施例利用本发明在实际应用上而选择及叙述，本发明的技术思想企图由权利要求及其均等来决定。

Claims (6)

1.一种肌肉爆发力的监控方法，包括在多个对待检测肌肉组织不同压力作用下通过如下步骤确定肌肉爆发力等级并确定各等级之和的均值：
(1)以第一采集方式采集多个肌电信息；
(2)确定监控激励信号的检测开始时刻参数；
(3)以第二采集方式检测肌电信息；
(4)确定肌肉爆发力变化趋势；
其特征在于，所述步骤(1)包括：
(101)从零时刻起，以第一预定信号S1作为激励信号，定期向待检测肌肉组织发送激励信号，所述第一预定信号S1的幅值和频率不随时间变化；
(102)以时域采集方式采集表示肌电信息的第一响应信号，并确定接收到的该第一响应信号是否在预定的预备时间长度T预备内电位波动小于第一阈值；
(103)当接收到的该第一响应信号在预定的预备时间长度T预备内电位波动信息小于第一阈值时，计算此时刻与零时刻之间经历的时间长度为t1，并计算在时间t1内的第一预定信号S1的电位平均值At1，停止第一预定信号的激励；
(104)从t1时刻开始，以第二预定信号S2作为激励信号，定期向待检测肌肉组织发送激励信号，所述第二预定信号S2的幅值随时间变化且频率不随时间变化，且第二预定信号的幅值和频率均大于第一预定信号；
(105)以时域采集方式采集表示肌电信息的第二响应信号；
(106)记经过tk时间时，第二响应信号在t1时刻至(t1+tk)时刻的幅值均值为Atk；
(107)从(t1+tk)时刻开始，改变第二预定信号S2的幅值|S2|为：|S2|＝|S2|×(1+((1+lnAt1)/(1+lnAtk))；
(108)以时域采集方式采集表示肌电信息的第三响应信号，并确定接收到的该第三响应信号是否在预定的预备时间长度T预备内电位波动小于第二阈值；
(109)当接收到的该第三响应信号在预定的预备时间长度T预备内电位波动信息小于第二阈值时，计算此时刻与(t1+tk)时刻之间经历的时间长度为t2，并计算在时间t2内的第二预定信号S2的电位平均值At2，停止第二预定信号的激励；
(110)从(t1+tk+t2)时刻开始，以第三预定信号S3作为激励信号，定期向待检测肌肉组织发送激励信号，所述第三预定信号S3的幅值随时间变化且频率随时间变化，且第三预定信号的幅值和频率均大于第二预定信号；
(111)以时域采集方式采集表示肌电信息的第三响应信号；
(112)记经过tj时间时，第三响应信号在(t1+tk+t2)时刻至(t1+tk+t2+tj)时刻的幅值均值为Atj。
2.根据权利要求1所述的方法，其特征在于，所述步骤(2)包括：
(201)从(t1+tk+t2+tj)时刻起，以第四预定信号S4作为激励信号，定期向待检测肌肉组织发送激励信号，所述第四预定信号S4的平均幅值为Atj、频率随时间变化；
(202)以频域采集方式采集表示肌电信息的第四响应信号，并确定接收到的该第四响应信号是否在预定的预备频率范围W预备内频谱密度小于第三阈值；
(203)当接收到的该第四响应信号在预定的预备频率范围W预备内频谱密度信息小于第三阈值时，计算此时刻与(t1+tk+t2+tj)时刻之间经历的时间长度为t3，并计算在时间t3内的第四预定信号S4的平均功率P1，停止第四预定信号的激励；
(204)从(t1+tk+t2+tj+t3)时刻开始，以第五预定信号S5作为激励信号，定期向待检测肌肉组织发送激励信号，所述第五预定信号S5的幅值随时间变化且频率随时间变化，且第五预定信号的幅值与第四预定信号相同、频率大于第四预定信号；
(205)以频域采集方式采集表示肌电信息的第五响应信号；
(206)记经过tf时间时，第五响应信号在(t1+tk+t2+tj+t3)时刻至(t1+tk+t2+tj+t3+tf)时刻的平均功率开始大于P1；
(207)计算起始激发时刻系数a＝1/(1+(tf/((T3+T5)/2)))，T3为所述第三预定信号的周期，T5为所述第五预定信号的周期。
3.根据权利要求2所述的方法，其特征在于，所述步骤(3)包括：
(301)生成具有平均幅值为Atj、频率不小于所述第五预定信号的频率的信号作为检测信号，定期向待检测肌肉组织发送该检测信号；
(302)从(1+a)2×T检时刻开始，以全波形方式采集表示肌电信息的第六响应信号，一次性获取瞬变响应信号和稳态响应信号，其中T检为所述检测信号的周期；
(303)每当瞬态响应信号的平均功率为P1的整数倍时，放大所述检测信号，同时抽取相对应时刻的稳态响应信号的幅值。
4.根据权利要求3所述的方法，其特征在于，所述步骤(4)包括：
(401)分别所述稳态响应信号的幅值及与其对应的检测信号平均功率为坐标轴，描点做曲线；
(402)计算该曲线的线性度；
(403)当该曲线的线性度与预设参考值之间的方差小于预设方差时，确定肌肉属于康复状态；
(404)当本次检测非连续本次监控的多次检测中的第一次时，比较不同次检测之间该曲线的线性度与预设参考值之间的方差，当方差变小时，确定爆发力处于康复趋势。
5.根据权利要求4所述的方法，其特征在于，所述放大的倍数为每次当瞬态响应信号的平均功率为P1的整数倍时放大2倍。
6.根据权利要求5所述的方法，其特征在于，所述预设参考值基于经验值获得。
CN201710480819.6A 2017-06-22 2017-06-22 肌肉爆发力的监控方法 Active CN107296617B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710480819.6A CN107296617B (zh) 2017-06-22 2017-06-22 肌肉爆发力的监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710480819.6A CN107296617B (zh) 2017-06-22 2017-06-22 肌肉爆发力的监控方法

Publications (2)

Publication Number Publication Date
CN107296617A CN107296617A (zh) 2017-10-27
CN107296617B true CN107296617B (zh) 2019-10-25

Family

ID=60136437

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710480819.6A Active CN107296617B (zh) 2017-06-22 2017-06-22 肌肉爆发力的监控方法

Country Status (1)

Country Link
CN (1) CN107296617B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5361775A (en) * 1993-04-06 1994-11-08 Mega Elektroniikka Oy Pl. Method for determining muscle endurance and sensitivity to fatigue
CN101432620A (zh) * 2006-05-03 2009-05-13 拜尔健康护理有限责任公司 用于电化学生物传感器的未足量检测系统
EP2168478B1 (en) * 2008-09-30 2015-12-02 Biosense Webster, Inc. Apparatus for investigation-tool position determination using compensation for unwanted current diversion
CN105962903A (zh) * 2016-07-25 2016-09-28 四川东鼎里智信息技术有限责任公司 一种可穿戴康复状态监测器
CN106236090A (zh) * 2016-07-25 2016-12-21 四川东鼎里智信息技术有限责任公司 一种基于arm的体能测试设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009000487A1 (de) * 2007-06-22 2008-12-31 Hans Schiessl Vorrichtung und verfahren für ein training und/oder eine analyse des bewegungsapparats eines benutzers

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5361775A (en) * 1993-04-06 1994-11-08 Mega Elektroniikka Oy Pl. Method for determining muscle endurance and sensitivity to fatigue
CN101432620A (zh) * 2006-05-03 2009-05-13 拜尔健康护理有限责任公司 用于电化学生物传感器的未足量检测系统
EP2168478B1 (en) * 2008-09-30 2015-12-02 Biosense Webster, Inc. Apparatus for investigation-tool position determination using compensation for unwanted current diversion
CN105962903A (zh) * 2016-07-25 2016-09-28 四川东鼎里智信息技术有限责任公司 一种可穿戴康复状态监测器
CN106236090A (zh) * 2016-07-25 2016-12-21 四川东鼎里智信息技术有限责任公司 一种基于arm的体能测试设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于气动肌肉和负刚度机构的主、被动宽频隔振研究;刘延斌 等;《振动与冲击》;20141231;第33卷(第24期);第179-186页 *

Also Published As

Publication number Publication date
CN107296617A (zh) 2017-10-27

Similar Documents

Publication Publication Date Title
US8764676B2 (en) Signal processing in physiological noise
CN111651060B (zh) 一种vr沉浸效果的实时评估方法和评估系统
Zhou et al. Characterizing the complexity of spontaneous motor unit patterns of amyotrophic lateral sclerosis using approximate entropy
Sulaiman et al. EEG-based stress features using spectral centroids technique and k-nearest neighbor classifier
Sulaiman et al. Stress features identification from EEG signals using EEG Asymmetry & Spectral Centroids techniques
CN104994782A (zh) 用于测量麻醉深度的方法和设备
CN106974621A (zh) 一种基于脑电信号重心频率的视觉诱导晕动症检测方法
CN103405225B (zh) 一种获取疼感评测指标的方法、装置及设备
CN112641449A (zh) 一种基于eeg信号的脑神经功能状态检测的快速评估方法
Zhou et al. MUAP number estimates in surface EMG: template-matching methods and their performance boundaries
Cerutti et al. Analysis of visual evoked potentials through Wiener filtering applied to a small number of sweeps
KR20180124327A (ko) 사용자의 졸음의 정도 혹은 집중력의 정도를 측정하기 위한 방법 및 이를 위한 웨어러블 디바이스
CN103989482B (zh) 用于幻听检测的声音刺激器及用于幻听检测的装置
Liu et al. Neural correlates of auditory temporal-interval discrimination in cats
Erim et al. Decomposition of intramuscular EMG signals using a heuristic fuzzy expert system
Fattah et al. Evaluation of different time and frequency domain features of motor neuron and musculoskeletal diseases
Xu et al. Digital filter design for peak detection of surface EMG
CN107296617B (zh) 肌肉爆发力的监控方法
CN101716074B (zh) 基于时间特性指标的诱发电位记录仪
CN107296606B (zh) 肌肉过渡平衡性监控装置
CN107137081B (zh) 肌肉过渡平衡性检测系统
CN107296607A (zh) 肌肉康复状态检测方法
Osanai et al. Extracting electromyographic signals from multi-channel LFPs using independent component analysis without direct muscular recording
CN106344008B (zh) 睡眠状态分析中清醒状态检测方法和系统
Sulaiman et al. Initial investigation of human physical stress level using brainwaves

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant