CN110558980A - 一种肌肉动态收缩的运动单元提取方法 - Google Patents
一种肌肉动态收缩的运动单元提取方法 Download PDFInfo
- Publication number
- CN110558980A CN110558980A CN201910859587.4A CN201910859587A CN110558980A CN 110558980 A CN110558980 A CN 110558980A CN 201910859587 A CN201910859587 A CN 201910859587A CN 110558980 A CN110558980 A CN 110558980A
- Authority
- CN
- China
- Prior art keywords
- muscle
- signal
- dynamic
- force
- contraction
- 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.)
- Granted
Links
- 210000003205 muscle Anatomy 0.000 title claims abstract description 56
- 230000008602 contraction Effects 0.000 title claims abstract description 16
- 238000000605 extraction Methods 0.000 title abstract description 7
- 238000000034 method Methods 0.000 claims abstract description 12
- 230000004118 muscle contraction Effects 0.000 claims description 22
- 239000011159 matrix material Substances 0.000 claims description 16
- 230000003183 myoelectrical effect Effects 0.000 claims description 6
- 230000017105 transposition Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000003313 weakening effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000012880 independent component analysis Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002232 neuromuscular Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004540 process dynamic Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
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
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
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)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Physical Education & Sports Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种肌肉动态收缩的运动单元提取方法，首先同时采集多通道表面肌电信号和肌肉力信号，然后根据肌肉动态收缩时肌肉力的增加和减小，将多通道表面肌电信号进行分段，最后设计肌肉动态收缩函数，提取肌肉运动单元。由于肌肉运动单元发放受到肌肉力影响较大，所以肌肉动态收缩函数中引入肌肉力变化斜率，有效提高了运动单元提取的精确性。本发明实现简单，满足实际应用的需要。
Description
技术领域
本发明涉及一种肌肉动态收缩的运动单元提取方法。
背景技术
表面肌电信号(surface EMG,sEMG)是利用表面电极从人体体表检测肌电信号，在临床上，通过多通道sEMG可以较全面地了解神经肌肉的功能状态。目前，对sEMG信号分析处理主要针对的是肌肉静态收缩的表面肌电信号，对肌肉动态收缩的研究非常少，本发明就是针对肌肉动态收缩，提出一种肌肉动态收缩的运动单元(Motor Unit，MU)提取方法。
国内外学者研究的多通道sEMG信号分解方法主要有：K均值聚类算法、模板匹配法、人工神经网络(ANN)算法、实时线性混叠盲信号分离算法、独立成分分折(ICA)、卷积核补偿算法等方法。但是这些方法针对肌肉静态收缩取得较好的效果，对于肌肉动态收缩是难以处理的，总的来看，多通道表面肌电信号处理还处于探索阶段，是肌电研究领域的难点之一。
发明内容
鉴于上述问题，本发明的目的在于提供一种肌肉动态收缩的运动单元提取方法，其特征是包括以下步骤：
步骤一，采集肌肉动态收缩下的多通道表面肌电信号，对信号滤波，削弱干扰，同时记录肌肉力的变化；
步骤二，根据肌肉力的单调增和单调减变化，将表面肌电信号分段，并且拟合得到相应每段肌肉力变化斜率；
步骤三，针对每段表面肌电信号，计算信号互相关矩阵的逆矩阵；
步骤四，计算每段表面肌电信号的肌肉动态收缩函数，根据信号相关性得到发放序列，发放序列ξ(n)计算公式如下：
ξ(n)＝DT(n)C-1y
其中D(n)是肌肉动态收缩函数，T表示转置，C-1是信号互相关矩阵的逆矩阵，y是分段信号，n是信号对应时刻；
步骤五，重复每段表面肌电信号，计算发放序列，最后对所有发放序列归类整理，剔除重复以及不合理的发放时刻，优化结果。
优化的措施包括：
步骤四中肌肉动态收缩函数D(n)根据力信号的增或减设计，并且考虑肌肉力的影响，D(n)的具体形式如下：
其中k是常数，f为肌肉力变化斜率，y是分段信号，n是信号对应时刻。
与现有技术相比，本发明提供一种肌肉动态收缩的运动单元提取方法，根据肌肉动态收缩时肌肉力的增加和减小，将多通道表面肌电信号进行分段，设计了肌肉动态收缩函数，有效解决了肌肉动态收缩的影响。由于肌肉运动单元发放受到肌肉力影响较大，所以肌肉动态收缩函数中引入肌肉力变化斜率，有效提高了运动单元提取的精确性。同时，肌肉力变化斜率采用拟合方法得到，有利于处理肌肉力非线性变化情况。
附图说明
图1是本发明流程图。
图2是本发明实施例的肌肉力变化斜率拟合示意图。
具体实施方式
以下结合附图实例对本发明作进一步详细描述，本领域技术人员可由本说明书所揭露的内容轻易地实现。
如图1所示为本发明的流程图。一种肌肉动态收缩的运动单元提取方法，其特征是包括以下步骤：
步骤一，采集肌肉动态收缩下的多通道表面肌电信号，对信号滤波，削弱干扰，同时记录肌肉力的变化。由于sEMG信号中包含各种干扰信号，预处理首先需要采用带通滤波器，保留10Hz--500Hz频段信号，然后采用陷波滤波器，滤除50Hz工频干扰。
步骤二，根据肌肉力的单调增和单调减变化，将表面肌电信号分段，并且拟合得到相应每段肌肉力变化斜率。肌肉力变化斜率拟合见图2所示，图中，虚线是肌肉力信号，实线是拟合的力斜率直线，要求拟合的力斜率能够反映力变化的趋势。
步骤三，针对每段表面肌电信号，计算信号互相关矩阵的逆矩阵。首先计算多通道信号互相关矩阵以及互相关矩阵逆矩阵，互相关矩阵表示为：
C＝E(S(n)ST(n))
其中n是采样时刻，S(n)是第n个采样时刻的多通道信号，ST(n)是第n个采样时刻的多通道信号转置，E(·)是数序期望，计算互相关矩阵的逆矩阵C-1，即
C-1＝[E(S(n)ST(n))]-1
步骤四，计算每段表面肌电信号的肌肉动态收缩函数，根据信号相关性得到发放序列，发放序列ξ(n)计算公式如下：
ξ(n)＝DT(n)C-1y
其中D(n)是肌肉动态收缩函数，T表示转置，C-1是信号互相关矩阵的逆矩阵，y是分段信号，n是信号对应时刻。肌肉动态收缩函数D(n)根据力信号的增或减设计，并且考虑肌肉力的影响，D(n)的具体形式如下：
其中k是常数，f为肌肉力变化斜率，y是分段信号，n是信号对应时刻。
步骤五，重复每段表面肌电信号，计算发放序列，最后对所有发放序列归类整理，剔除重复以及不合理的发放时刻，优化结果。不合理的发放指发放时刻小于15毫秒间隔的时刻，需剔除。
综上所述，本发明提供一种肌肉动态收缩的运动单元提取方法，根据肌肉动态收缩时肌肉力的增加和减小，将多通道表面肌电信号进行分段，设计了肌肉动态收缩函数，有效解决了肌肉动态收缩的影响。由于肌肉运动单元发放受到肌肉力影响较大，所以肌肉动态收缩函数中引入肌肉力变化斜率，有效提高了运动单元提取的精确性。同时，肌肉力变化斜率采用拟合方法得到，有利于处理肌肉力非线性变化情况。本发明实现简单，满足实际应用的需要。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (2)
1.一种肌肉动态收缩的运动单元提取方法，其特征是包括以下步骤：
步骤一，采集肌肉动态收缩下的多通道表面肌电信号，对信号滤波，削弱干扰，同时记录肌肉力的变化；
步骤二，根据肌肉力的单调增和单调减变化，将表面肌电信号分段，并且拟合得到相应每段肌肉力变化斜率；
步骤三，针对每段表面肌电信号，计算信号互相关矩阵的逆矩阵；
步骤四，计算每段表面肌电信号的肌肉动态收缩函数，根据信号相关性得到发放序列，发放序列ξ(n)计算公式如下：
ξ(n)＝DT(n)C-1y
其中D(n)是肌肉动态收缩函数，T表示转置，C-1是信号互相关矩阵的逆矩阵，y是分段信号，n是信号对应时刻；
步骤五，重复每段表面肌电信号，计算发放序列，最后对所有发放序列归类整理，剔除重复以及不合理的发放时刻，优化结果。
2.根据权利要求1所述的一种肌肉动态收缩的运动单元提取方法，其特征在于，步骤四中肌肉动态收缩函数D(n)根据力信号的增或减设计，并且考虑肌肉力的影响，D(n)的具体形式如下：
其中k是常数，f为肌肉力变化斜率，y是分段信号，n是信号对应时刻。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910859587.4A CN110558980B (zh) | 2019-09-11 | 2019-09-11 | 一种肌肉动态收缩的运动单元提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910859587.4A CN110558980B (zh) | 2019-09-11 | 2019-09-11 | 一种肌肉动态收缩的运动单元提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110558980A true CN110558980A (zh) | 2019-12-13 |
| CN110558980B CN110558980B (zh) | 2022-04-05 |
Family
ID=68779413
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910859587.4A Expired - Fee Related CN110558980B (zh) | 2019-09-11 | 2019-09-11 | 一种肌肉动态收缩的运动单元提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110558980B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111419230A (zh) * | 2020-04-17 | 2020-07-17 | 上海交通大学 | 一种用于运动单元解码的表面肌电信号采集系统 |
| CN115363606A (zh) * | 2022-08-26 | 2022-11-22 | 左点实业（湖北）有限公司 | 一种盆底肌与腹肌协调性分析方法、装置和设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108388855A (zh) * | 2018-02-11 | 2018-08-10 | 宁波工程学院 | 一种针电极肌电信号分解方法 |
| CN108403108A (zh) * | 2018-02-11 | 2018-08-17 | 宁波工程学院 | 基于波形优化的阵列式表面肌电信号分解方法 |
| CN108403115A (zh) * | 2018-02-11 | 2018-08-17 | 宁波工程学院 | 一种肌肉运动单元数量估计方法 |
-
2019
- 2019-09-11 CN CN201910859587.4A patent/CN110558980B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108388855A (zh) * | 2018-02-11 | 2018-08-10 | 宁波工程学院 | 一种针电极肌电信号分解方法 |
| CN108403108A (zh) * | 2018-02-11 | 2018-08-17 | 宁波工程学院 | 基于波形优化的阵列式表面肌电信号分解方法 |
| CN108403115A (zh) * | 2018-02-11 | 2018-08-17 | 宁波工程学院 | 一种肌肉运动单元数量估计方法 |
Non-Patent Citations (1)
| Title |
|---|
| 杨铮: "基于肌肉活动段检测表面肌电信号灵敏性研究", 《中国优秀博硕士学位论文全文数据库(硕士) 基础科学辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111419230A (zh) * | 2020-04-17 | 2020-07-17 | 上海交通大学 | 一种用于运动单元解码的表面肌电信号采集系统 |
| CN115363606A (zh) * | 2022-08-26 | 2022-11-22 | 左点实业（湖北）有限公司 | 一种盆底肌与腹肌协调性分析方法、装置和设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110558980B (zh) | 2022-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108681396B (zh) | 基于脑-肌电双模态神经信号的人机交互系统及其方法 | |
| CN108403108B (zh) | 基于波形优化的阵列式表面肌电信号分解方法 | |
| Liu et al. | A multistage, multimethod approach for automatic detection and classification of epileptiform EEG | |
| CN101596101B (zh) | 依据脑电信号判定疲劳状态的方法 | |
| Phinyomark et al. | A novel feature extraction for robust EMG pattern recognition | |
| CN111067514B (zh) | 一种基于多尺度多变量传递熵的多通道脑电耦合分析方法 | |
| CN110558980B (zh) | 一种肌肉动态收缩的运动单元提取方法 | |
| CN104997508B (zh) | 阵列式sEMG信号自动分解方法 | |
| Baspinar et al. | Performance comparison of artificial neural network and Gaussian mixture model in classifying hand motions by using sEMG signals | |
| Phinyomark et al. | Wavelet-based denoising algorithm for robust EMG pattern recognition | |
| CN109009098B (zh) | 一种运动想象状态下的脑电信号特征识别方法 | |
| CN105956547B (zh) | 基于阵列式表面肌电信号平滑的分解方法 | |
| CN108388855B (zh) | 一种针电极肌电信号分解方法 | |
| CN114190944A (zh) | 基于脑电信号的鲁棒情绪识别方法 | |
| Chen et al. | Characterization of surface EMG signals using improved approximate entropy | |
| CN114533089A (zh) | 一种基于表面肌电信号的下肢动作识别分类方法 | |
| CN108403113B (zh) | 一种半自动的阵列式表面肌电信号分解方法 | |
| Naik et al. | Evaluation of higher order statistics parameters for multi channel sEMG using different force levels | |
| CN105975917B (zh) | 面向强干扰的阵列式表面肌电信号分解方法 | |
| CN113662558A (zh) | 一种区分脑电眨眼伪迹与额极痫样放电的智能分类方法 | |
| Fan et al. | A canonical correlation analysis based EMG classification algorithm for eliminating electrode shift effect | |
| CN110507324B (zh) | 一种肌肉运动单元搜索方法 | |
| CN108403114B (zh) | 一种面向恒力的阵列式表面肌电信号分解方法 | |
| Phinyomark et al. | Optimal EMG amplitude detectors for muscle-computer interface | |
| CN110720911B (zh) | 一种肌肉运动单元提取方法 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220405 |