CN111671422A - 基于肌电与压力结合混合式传感器的肌肉疲劳检测系统 - Google Patents
基于肌电与压力结合混合式传感器的肌肉疲劳检测系统 Download PDFInfo
- Publication number
- CN111671422A CN111671422A CN202010380715.XA CN202010380715A CN111671422A CN 111671422 A CN111671422 A CN 111671422A CN 202010380715 A CN202010380715 A CN 202010380715A CN 111671422 A CN111671422 A CN 111671422A
- Authority
- CN
- China
- Prior art keywords
- module
- muscle fatigue
- mechanical
- signal
- muscle
- 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.)
- Pending
Links
- 206010049565 Muscle fatigue Diseases 0.000 title claims abstract description 56
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 210000003205 muscle Anatomy 0.000 claims abstract description 25
- 238000004891 communication Methods 0.000 claims abstract description 18
- 238000007726 management method Methods 0.000 claims abstract description 16
- 230000003750 conditioning effect Effects 0.000 claims abstract description 15
- 230000005540 biological transmission Effects 0.000 claims abstract description 14
- 230000003183 myoelectrical effect Effects 0.000 claims description 11
- 230000003321 amplification Effects 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 9
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000007906 compression Methods 0.000 claims description 5
- 230000006835 compression Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 238000012876 topography Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000011144 upstream manufacturing Methods 0.000 claims description 4
- 238000013144 data compression Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 12
- 238000010183 spectrum analysis Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 2
- 210000001087 myotubule Anatomy 0.000 description 10
- 238000001228 spectrum Methods 0.000 description 10
- 230000036982 action potential Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 206010016256 fatigue Diseases 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 238000002567 electromyography Methods 0.000 description 3
- 230000006698 induction Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000002232 neuromuscular Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000003814 drug Substances 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010012735 Diarrhoea Diseases 0.000 description 1
- 208000019914 Mental Fatigue Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000005714 functional activity Effects 0.000 description 1
- 230000000266 injurious effect Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000000741 silica gel Substances 0.000 description 1
- 229910002027 silica gel Inorganic materials 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
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
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0204—Operational features of power management
- A61B2560/0214—Operational features of power management of power generation or supply
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0266—Operational features for monitoring or limiting apparatus function
- A61B2560/0271—Operational features for monitoring or limiting apparatus function using a remote monitoring unit
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Power Engineering (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physical Education & Sports Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了属于明涉及生物医疗传感器应用技术领域的一种基于肌电与压力结合混合式传感器的肌肉疲劳检测系统。该系统包括测量电极阵列、表面肌电信号调理模块、机械地形图测量模块、多通道模数转换器、控制器、存储器、超声波无线电源管理模块、无线通信模块、无线传输模块、上位机、电机驱动器、电机和超声波发生器阵列。本发明采用肌电信号的频谱分析作为识别肌肉疲劳识别的主要手段，同时结合压力传感器测量的肌肉受力情况作为识别肌肉疲劳的辅助手段，并采用多种肌肉疲劳指标共同决策的方法，提高了识别肌肉疲劳的准确程度；利用超声波无线充电技术提高了系统的续航能力。
Description
技术领域
本发明涉及生物医疗传感器应用技术领域，尤其涉及基于肌电与压力结合混合式传感器的肌肉疲劳检测系统。
背景技术
人体的疲劳分为精神疲劳与肌肉疲劳，肌肉疲劳指的是肌肉过度紧张导致肌肉局部出现酸痛现象，使肌肉不再维持预期的功率输出。肌肉疲劳识别在临床医学、人机功效学、康复医学以及体育科学等方面均具有重要的实用价值。肌肉疲劳的指标有时域指标和频域指标，时域指标中肌电信号幅度增长常作为判断肌肉疲劳，频域指标中有中值频率和平均频率。众多科学研究发现，表面肌电信号的频率成分位于0-500Hz范围内，其中主要能量集中在50-150Hz范围内，在疲劳过程中肌电信号频谱曲线向左压缩，谱能量向低频转移。到目前为止，普遍承认的无创伤检测肌肉疲劳指标还是中值频率，在这方面研究比较多的是日本新泻大学的Tohru Kiryu教授研究小组和Boston大学的神经肌肉研究中心。目前典型的检测肌肉疲劳方法有传统的中值频率法和波形诱导法。
表面肌电信号作为从肌肉表面记录到的神经肌肉系统活动时的生物电信号，因其幅值和频率与神经肌肉的功能活动密切相关，且具有非损伤性、实时性、多靶点测量等优点，在肌肉疲劳的诊断方面有着良好的应用前景和重要的研究意义。关于肌肉疲劳时表面肌电信号功率谱向低频转移的原因和机制，归纳起来有以下几种观点：1、肌纤维传导速度(MCV)的降低；2、运动单元的募集；3、运动单位放电的同步化；4、电极与活动肌纤维间平均距离的变化。由于受到观察侧重点的不同和方法学的限制，上述结论不尽相同。
使用传统的信号分析方法如傅里叶变换分析肌电信号，只能分析出信号中的频率成分，不能确定出含有某种频率的信号发生的时间。采用短时傅里叶变换对肌电信号进行处理，通过在时域加窗将非平稳的肌电信号转换为一系列短时平稳信号，再对脑电数据进行功率谱分析，根据功率谱的变化识别出疲劳。
另一方面，肌肉抗疲劳能力有很大的个体差异，没有一种单独的方法能够准确可靠地检测肌肉疲劳，因此，实用可靠的肌肉疲劳检测方法具有重要的市场应用价值。
发明内容
本发明提出了基于肌电与压力结合混合式传感器的肌肉疲劳检测系统，该系统不做特别限定，可以用于各种动物或者人。本发明结合肌肉疲劳时域和频域指标，同时结合机械地形图(MMG)测量模块得到肌肉受力情况，综合判决后给出肌肉疲劳程度，提高了肌肉疲劳检测的准确程度，提供实用、简易和安全的肌肉疲劳检测方法，并利用对肌电信号输出功率进行归一化处理，排除被测对象在运动过程中的最大输出功率差异。
为达到上述目的，采用如下技术方案：
基于肌电与压力结合混合式传感器的肌肉疲劳检测系统，包括测量电极阵列、表面肌电(sEMG)信号调理模块、机械地形图(MMG)测量模块、多通道模数转换器、控制器、存储器、超声波无线电源管理模块、无线通信模块、无线传输模块、上位机、电机驱动器、电机和超声波发生器阵列；
所述测量电极阵列用于完成原始表面肌电和机械地形图信号的拾取；
所述表面肌电信号调理模块和机械地形图测量模块和多通道模数转换器相连接，分别用于完成原始表面肌电信号和机械地形图信号滤波、调理和放大并输入给多通道模数转换器；
所述多通道模数转换器和控制器连接，采用SPI接口或LVDS接口连接；
所述控制器通过本地总线和存储器、超声波无线电源管理模块、无线通信模块相连接，用于将数字表面肌电信号和机械地形图信号存储到存储器中，并通过无线通信模块发送给上位机；
所述超声波无线电源管理模块用于在系统供电电压不足时，通过控制器和无线通信模块向上位机主动发送充电请求；
所述上位机用于通过无线传输模块设置信号的采样频率、数字滤波窗函数、放大倍数、数据压缩算法参数；上位机还用于对表面肌电信号和机械地形图信号进行时域和频域分析，提取时域和频率的疲劳特征，同时结合机械地形图测量模块得到肌肉受力情况，综合判决出肌肉疲劳信息；上位机还用于监听超声波无线电源管理模块发送的充电请求，收到请求后开启超声波发生器阵列对其充电，并根据超声波无线电源管理模块反馈的充电效率通过电机驱动器控制电机调整超声波发生器阵列的方位，实现无线充电效率最大化。
所述测量电极阵列包括参考电极、正电极1、正电极2、负电极1、负电极2，正电极和负电极对称安装，正电极1和正电极2分别安装在肌肉的上游和下游，参考电极安装在4个电极的中心。
所述表面肌电信号调理模块包括仪表放大模块、截止频率为10Hz的高通滤波器模块、截止频率为500Hz的低通滤波器模块、50Hz双T限波滤波模块、可调放大倍数模块和共模信号反相模块；所述机械地形图测量模块包括FSR压力传感器和电压跟随器模块。
所述控制器为单片机、数字信号处理器或者可编程逻辑器件FPGA。
所述控制器将表面肌电信号和机械地形图信号通过无线通信模块发送给上位机的无线通信的方式为wifi或蓝牙，表面肌电信号和机械地形图信号采用无损压缩方式以减少数据传输量。
本发明整个系统的工作流程如下：系统上电后，首先，控制器根据上位机设置的sEMG和MMG采样频率、数字滤波窗函数和放大倍数、数据压缩算法等参数，如果上位机没有发送参数设置信息，控制器使用默认的参数信息；其次，通过测量电极阵列拾取原始表面肌电sEMG和MMG信号，并经过表面肌电(sEMG)信号调理模块和机械地形图(MMG)测量模块滤波、调理和放大并输入给多通道模数转换器；然后，控制器将数字sEMG和MMG信号存储到存储器中且能通过无线通信模块发送给上位机，无线通信的方式可以是wifi、蓝牙等形式；最后，上位机可以对数字sEMG和MMG信号进行时域和频域分析，提取时域和频率的疲劳特征，同时结合机械地形图(MMG)测量模块得到肌肉受力情况，经过综合判决后给出肌肉疲劳信息。另一方面，所述超声波无线电源管理模块在系统供电电压不足时，通过控制器和无线通信模块主动发送充电请求，上位机监听到充电请求后会开启超声波发生器阵列对其进行充电，并根据超声波无线电源管理模块反馈的充电效率通过电机驱动器控制电机调整超声波发生器阵列的方位，从而实现无线充电效率最大化，提高了系统的续航能力。
与现有技术相比，本发明具有如下有益效果：本发明采用肌电信号的频谱分析作为识别肌肉疲劳识别的主要手段，同时结合压力传感器测量的肌肉受力情况作为识别肌肉疲劳的辅助手段，并采用多种肌肉疲劳指标共同决策的方法，提高了识别肌肉疲劳的准确程度；利用超声波无线充电技术提高了系统的续航能力。
附图说明
图1为本发明基于肌电与压力结合混合式传感器的肌肉疲劳检测系统的组成示意图。
图2为本发明表面肌电(sEMG)信号调理模块和机械地形图测量模块功能框图。
图3为本发明测量电极阵列的安装位置示意图。
图4为本发明表面肌电信号传输方向示意图。
图5为本发明肌肉疲劳识别融合算法流程图。
图6为本发明肌肉纤维动作电位传导速度算法结构图。
图7为本发明傅里叶变换(FFT)算法数据选取方式示意图。
图8为本发明控制器端软件流程示意图。
图9为本发明上位机端软件流程示意图。
图10为本发明超声波无线充电流程图。
具体实施方式
下面结合附图和实施例对本发明作详细描述，但本发明的实施不仅限于此。
实施例1
本发明传感器中正电极、负电极和参考电极是浮动的，电极本身既是sEMG的探头，也是MMG的探头，通过电极支架固定在一起，在电极紧贴皮肤时，肌肉震动引起的任意一个浮动电极接触力的变化均可以通过硅胶垫片传递给FSR压力传感器，从而测量MMG信号。
本发明基于肌电与压力结合混合式传感器的肌肉疲劳检测系统的组成如图1所示，包括测量电极阵列、表面肌电(sEMG)信号调理模块、机械地形图(MMG)测量模块、多通道模数转换器、控制器、存储器、超声波无线电源管理模块、无线通信模块、无线传输模块、上位机、电机驱动器、电机和超声波发生器阵列。测量电极阵列可以同时完成表面肌电(sEMG)信号感应和机械地形图(MMG)信号感应；表面肌电(sEMG)信号调理模块、机械地形图(MMG)测量模块通过模拟接口和多通道模数转换器相连接；多通道模数转换器和控制器之间的连接方式为SPI接口；控制器可以使用单片机，控制器通过本地总线和存储器、超声波无线电源管理模块、无线通讯模块相连接；控制器可以通过无线通信模块将本地数字肌电信号和机械地形图信号实时发送给上位机，上位机根据接收的数字肌电信号和机械地形图信号进行肌肉疲劳算法识别出肌肉疲劳，上位机也可以将数字肌电信号和机械地形图信号离线显示；上位机还可以通过电极驱动器和电极带动超声波发生器阵列发出超声波，超声波无线电源管理模块将该超声波转换为能量对本地电池进行充电。
表面肌电测量模块和机械地形图测量模块如图2所示，表面肌电(sEMG)信号调理模块包括仪表放大模块、截止频率为10Hz的高通滤波器模块、截止频率为500Hz的低通滤波器模块、50Hz双T限波滤波模块、可调放大倍数模块和共模信号反相模块所组成。机械地形图测量模块包括FSR压力传感器和电压跟随器模块所组成。正电极、负电极用于感应sEMG信号和压力信号，参考电极用于消除正负电极的共模干扰，调理后的模拟sEMG和MMG信号输入给多路模数转换器。
测量电极阵列包括参考电极、正电极1、正电极2、负电极1、负电极2，安装位置如图3所示，正电极和负电极对称安装，正电极和负电极之间的间距为10mm，正电极1和正电极2分别安装在肌肉的上游和下游，间距为30mm，参考电极安装在4个电极的中心。
表面肌电信号传输方向如图4所示，电极1和电极2分别代表肌肉上游和下游的测量电极，表面肌电信号的传输方向由电极1传递到电极2，即电极1采集的差分信号转换为单端信号为x(n)，以及电极2采集的差分信号转换为单端信号为y(n)，二者在信号类型上具有相似性，但是存在延迟，通过数字信号处理算法互相关原理求出延迟t，然后求出表面肌电信号的传输速度v＝L/t，根据表面肌电信号的传输速度v的变化情况可以识别出肌肉疲劳。
本发明肌肉疲劳识别融合算法如图5所示。肌肉疲劳识别主要通过对采集的表面肌电信号进行功率谱分析、肌肉纤维动作电位传导速度分析、积分肌电图分析，并辅助结合肌肉的受力情况，识别出肌肉疲劳。根据肌肉疲劳时，表面肌电信号的功率谱(如平均功率频率、中位频率)向低频处移动，肌肉纤维动作电位传导速度出现下降现象以及积分肌电图的值下降，同时利用机械地形图测量模块辅助测量的肌肉受力情况，如果肌肉持续受力大于某一阈值，表明肌肉处于疲劳状态。只有当功率谱指标、肌肉纤维动作电位传导速度指标、积分肌电图指标以及肌肉受力指标同时满足肌肉疲劳状态时，才会识别给出肌肉疲劳，提高了识别的准确率。
功率谱分析首先对表面肌电信号进行自相关运算，然后对自相关函数进行FFT变换，得到自功功率谱密度函数，利用功率谱密度可以求出反映肌肉疲劳的平均功率频率和中心频率。
积分肌电图将表面肌电信号转换为均方根自谱函数，对均方根自谱函数曲线下的面积进行积分就是肌电积分值，可以计算出肌电信号在不同频率区段内的肌电积分值与所占全频率轴积分值的比例，利用肌肉疲劳时，肌电信号在不同频率区段内的肌电积分值与所占全频率轴积分值的比例变化这一特征识别出肌肉疲劳。
本发明肌肉纤维动作电位传导速度算法如图6所示。图中x(n)、y(n)分别代表电极1、电极2处测量的表面肌电信号，利用正交相关法求出表面肌电信号从电极1传递到电极2延时t，根据电极1和电极2安装距离L可以求出肌肉纤维动作电位传导速度v＝L/t。
具体算法如下：首先，对电极1处采集的数字肌电信号x(n)进行傅里叶变换，变换结果为X(N)＝FFT(x(n))＝Xr(N)+jXi(N)，其中Xr(N),Xi(N)分别代表X(N)的实部和虚部，然后对X(N)取共轭得到X*(N)＝Xr(N)-jXi(N)；
其次，对电极1处采集的数字肌电信号进行希尔伯特变换，即先对y(n)进行傅里叶变换，变换结果为Y(N)＝FFT(y(n))＝Yr(N)+jYi(N)，然后将变换结果乘以(-jsign(N))，结果变为Y'(N)＝(Xr(N)-jXi(N))×(-jsign(N))＝Y'(N)r+jY'(N)i，其中，
k为FFT的点数；
再次，将X*(N)和Y'(N)结果相乘得到S(m)＝(Xr(N)-jXi(N))×(Y'(N)r+jY'(N)i)＝S(m)r+jS(m)i，然后对S(m)进行傅里叶反变换转换到时域得到时域信号s(n)；
最后，由于正交相关曲线主零点附件为一直线，利用最小二乘法求解得到s(n)信号主零点的位置，从而求出表面肌电信号从电极1传递到电极2延时t，利用电极1和电极2安装距离L可以求出肌肉纤维动作电位传导速度v＝L/t。在肌肉疲劳时肌肉纤维动作电位传导速度会出现下降现象，利用这一特征可以判别出肌肉疲劳。
本发明傅里叶变换(FFT)算法数据选取方式如图7所示。在图6中进行互相关求延迟时，进行FFT变换时，时域数据具有50％的重叠，假设第1组到第N组的FFT变换时选取的点数为k，变换后的结果分别为X1(m)、X2(m)、...、XN(m),m＝0,...,k，可以通过对N组FFT变换后的数据求平均得到
提高信号的信噪比。
本发明控制器端软件流程如图8所示。图中当系统供电电压过低时将产生硬件中断，在中断服务程序里控制器给上位机发送无线充电请求。如果没有电压过低硬件中断，控制器监听上位机发送的数据采集命令，没有接收到数据采集命令时，系统进入低功耗状态。如果收到上位机的数据采集命令，控制器首先设置模数转换器采样率、压缩加密方式、数字滤波器带宽，然后启动多通道模数转换器，并依次读取肌电数据和MMG信息，控制器根据上位机的数据命令对数据压缩或不压缩并存储到存储器中。如果收到上位机的数据传输指令，启动DMA方式读取存储器中的数字肌电数据和MMG信息并通过无线通信模块发送到上位机。
本发明上位机端软件流程如图9所示。上位机启动后，用户登录系统后设置模数转换器采样率、压缩加密方式、数字滤波器带宽等参数，然后通过无线方式发送数据采集命令给控制器，接收控制器发送的肌电数据和MMG数据，根据压缩加密方式对数据进行解压和解密，然后运行肌肉疲劳识别算法，可以显示出原始的肌电数据和MMG数据以及肌肉疲劳识别结果；最后检测控制器是否发送无线充电请求，当控制器有无线充电请求时，开启超声波发生器阵列进行无线充电。
本发明超声波无线充电流程图如图10所示。控制器端可以设置欠压电压值，当供电电压不足时，给上位机发送无线充电请求，并等待上位机发送无线充电允许，当上位机不应答无线充电允许时，再次发送无线充电请求，如果3次上位机都不应答无线充电允许，给出报警信号。当建立无线充电连接后，控制器将无线充电效率数据实时反馈给上位机并等待充电结束。上位机端接收到控制器发送的无线充电请求时，给控制器反馈无线充电允许，然后开启超声波发生器阵列发出超声波，并根据控制器反馈的无线充电效率数据，通过电机驱动器控制电机调整超声波发生器阵列的方位，完成方位扫描，并记录不同方位时无线充电的效率，比较出效率最大时超声波发生器阵列的位置，通过电机将超声波发生器阵列调整到无线充电效率最高的方位，当无线充电完成时，关闭超声波发生器阵列。
以上公开的仅为本发明的具体实施例，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (5)
1.基于肌电与压力结合混合式传感器的肌肉疲劳检测系统，其特征在于，包括测量电极阵列、表面肌电信号调理模块、机械地形图测量模块、多通道模数转换器、控制器、存储器、超声波无线电源管理模块、无线通信模块、无线传输模块、上位机、电机驱动器、电机和超声波发生器阵列；
所述测量电极阵列用于完成原始表面肌电和机械地形图信号的拾取；
所述表面肌电信号调理模块和机械地形图测量模块和多通道模数转换器相连接，分别用于完成原始表面肌电信号和机械地形图信号滤波、调理和放大并输入给多通道模数转换器；
所述多通道模数转换器和控制器连接，采用SPI接口或LVDS接口连接；
所述控制器通过本地总线和存储器、超声波无线电源管理模块、无线通信模块相连接，用于将数字表面肌电信号和机械地形图信号存储到存储器中，并通过无线通信模块发送给上位机；
所述超声波无线电源管理模块用于在系统供电电压不足时，通过控制器和无线通信模块向上位机主动发送充电请求；
所述上位机用于通过无线传输模块设置信号的采样频率、数字滤波窗函数、放大倍数、数据压缩算法参数；上位机还用于对表面肌电信号和机械地形图信号进行时域和频域分析，提取时域和频率的疲劳特征，同时结合机械地形图测量模块得到肌肉受力情况，综合判决出肌肉疲劳信息；上位机还用于监听超声波无线电源管理模块发送的充电请求，收到请求后开启超声波发生器阵列对其充电，并根据超声波无线电源管理模块反馈的充电效率通过电机驱动器控制电机调整超声波发生器阵列的方位，实现无线充电效率最大化。
2.根据权利要求1所述的基于肌电与压力结合混合式传感器的肌肉疲劳检测系统，其特征在于，所述测量电极阵列包括参考电极、正电极1、正电极2、负电极1、负电极2，正电极和负电极对称安装，正电极1和正电极2分别安装在肌肉的上游和下游，参考电极安装在4个电极的中心。
3.根据权利要求1所述的基于肌电与压力结合混合式传感器的肌肉疲劳检测系统，其特征在于，所述表面肌电信号调理模块包括仪表放大模块、截止频率为10Hz的高通滤波器模块、截止频率为500Hz的低通滤波器模块、50Hz双T限波滤波模块、可调放大倍数模块和共模信号反相模块；所述机械地形图测量模块包括FSR压力传感器和电压跟随器模块。
4.根据权利要求1所述的基于肌电与压力结合混合式传感器的肌肉疲劳检测系统，其特征在于，所述控制器为单片机、数字信号处理器或者可编程逻辑器件FPGA。
5.根据权利要求1所述的基于肌电与压力结合混合式传感器的肌肉疲劳检测系统，其特征在于，所述控制器将表面肌电信号和机械地形图信号通过无线通信模块发送给上位机的无线通信的方式为wifi或蓝牙，表面肌电信号和机械地形图信号采用无损压缩方式以减少数据传输量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010380715.XA CN111671422A (zh) | 2020-05-08 | 2020-05-08 | 基于肌电与压力结合混合式传感器的肌肉疲劳检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010380715.XA CN111671422A (zh) | 2020-05-08 | 2020-05-08 | 基于肌电与压力结合混合式传感器的肌肉疲劳检测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111671422A true CN111671422A (zh) | 2020-09-18 |
Family
ID=72433445
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010380715.XA Pending CN111671422A (zh) | 2020-05-08 | 2020-05-08 | 基于肌电与压力结合混合式传感器的肌肉疲劳检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111671422A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114112657A (zh) * | 2021-10-28 | 2022-03-01 | 东南大学江北新区创新研究院 | 压电测试装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008253310A (ja) * | 2007-03-31 | 2008-10-23 | Saga Univ | 筋電・筋音測定用センサ |
| CN102157990A (zh) * | 2011-03-31 | 2011-08-17 | 深圳市锘特达科技发展有限公司 | 用于植入式医疗装置的无线充电方法及无线充电设备 |
| CN102688015A (zh) * | 2012-06-20 | 2012-09-26 | 刘江奎 | 一种胶囊型肠窥镜检测系统 |
| CN104600859A (zh) * | 2015-01-07 | 2015-05-06 | 郭和友 | 超声波电波双波远程无线充供电系统 |
| CN105990873A (zh) * | 2015-03-06 | 2016-10-05 | 江苏嘉钰新能源技术有限公司 | 一种电耦合无线充电装置及其方法 |
| CN107302233A (zh) * | 2016-04-14 | 2017-10-27 | 苏州宝时得电动工具有限公司 | 超声波无线充电装置及具有该超声波无线充电装置的电动工具 |
| JP2017217443A (ja) * | 2016-06-07 | 2017-12-14 | 学校法人梅村学園 | 筋状態測定シート |
| CN107715295A (zh) * | 2016-08-10 | 2018-02-23 | Smk株式会社 | 肌力训练装置 |
| CN109067017A (zh) * | 2018-08-21 | 2018-12-21 | 南京航空航天大学 | 基于自适应控制的超声波无线电能传输系统 |
-
2020
- 2020-05-08 CN CN202010380715.XA patent/CN111671422A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008253310A (ja) * | 2007-03-31 | 2008-10-23 | Saga Univ | 筋電・筋音測定用センサ |
| CN102157990A (zh) * | 2011-03-31 | 2011-08-17 | 深圳市锘特达科技发展有限公司 | 用于植入式医疗装置的无线充电方法及无线充电设备 |
| CN102688015A (zh) * | 2012-06-20 | 2012-09-26 | 刘江奎 | 一种胶囊型肠窥镜检测系统 |
| CN104600859A (zh) * | 2015-01-07 | 2015-05-06 | 郭和友 | 超声波电波双波远程无线充供电系统 |
| CN105990873A (zh) * | 2015-03-06 | 2016-10-05 | 江苏嘉钰新能源技术有限公司 | 一种电耦合无线充电装置及其方法 |
| CN107302233A (zh) * | 2016-04-14 | 2017-10-27 | 苏州宝时得电动工具有限公司 | 超声波无线充电装置及具有该超声波无线充电装置的电动工具 |
| JP2017217443A (ja) * | 2016-06-07 | 2017-12-14 | 学校法人梅村学園 | 筋状態測定シート |
| CN107715295A (zh) * | 2016-08-10 | 2018-02-23 | Smk株式会社 | 肌力训练装置 |
| CN109067017A (zh) * | 2018-08-21 | 2018-12-21 | 南京航空航天大学 | 基于自适应控制的超声波无线电能传输系统 |
Non-Patent Citations (1)
| Title |
|---|
| 侯朝焕，阎世尊，蒋银林, 北京：海洋出版社 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114112657A (zh) * | 2021-10-28 | 2022-03-01 | 东南大学江北新区创新研究院 | 压电测试装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102426651B (zh) | 人体前臂表面肌电信号采集及模式识别系统 | |
| CN104337666A (zh) | 多肌肉协同肌电反馈康复训练系统和方法 | |
| CN202494540U (zh) | 推拿数据测量系统 | |
| CN104107134A (zh) | 基于肌电反馈的上肢训练方法及系统 | |
| CN107280667A (zh) | 一种带有加速度传感器的无线表面肌电采集系统 | |
| CN106166065B (zh) | 一种基于社交网络的可穿戴心电健康交互平台及其实现方法 | |
| CN107212883B (zh) | 一种基于脑电控制的机械臂写字装置及控制方法 | |
| Wan et al. | Study on fatigue feature from forearm SEMG signal based on wavelet analysis | |
| CN202458347U (zh) | 一种颅内压无创综合检测系统 | |
| CN111671422A (zh) | 基于肌电与压力结合混合式传感器的肌肉疲劳检测系统 | |
| CN1812745A (zh) | 辐射应力非入侵式血压测量方法 | |
| CN1444905A (zh) | 用于监测母体子宫收缩活动和控制分娩进程的方法和装置 | |
| CN111134641A (zh) | 一种睡眠监测芯片系统及睡眠监测芯片 | |
| CN107397548A (zh) | 一种磨牙症的表面肌电信号特征识别系统及方法 | |
| CN107361794B (zh) | 一种基于超声组件与周围神经刺激器检测运动神经反馈的装置及方法 | |
| CN113100776A (zh) | 一种融合肌电和心电信号的疲劳监测系统及方法 | |
| CN112998692A (zh) | 一种应用背部表面肌电测试的脊柱侧弯检测装置及方法 | |
| Han et al. | Comparative study of a muscle stiffness sensor and electromyography and mechanomyography under fatigue conditions | |
| CN111714123A (zh) | 一种人体腰背部表面肌电信号的检测系统和方法 | |
| CN209154394U (zh) | 肌力康复训练系统 | |
| CN106137183A (zh) | 一种基于心电传感器的心电监护供电控制系统 | |
| CN214965576U (zh) | 一种应用背部表面肌电测试的脊柱侧弯检测装置 | |
| CN111973183A (zh) | 一种肌肉疲劳的联合测量装置、方法以及假肢 | |
| CN212307837U (zh) | 一种基于表面肌电和生物电阻抗的肢体运动信息采集系统 | |
| CN206565944U (zh) | 一种基于sEMG深层肌肉电信号的测量系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200918 |