TWI490011B - 運動分析系統與方法 - Google Patents
運動分析系統與方法 Download PDFInfo
- Publication number
- TWI490011B TWI490011B TW099121749A TW99121749A TWI490011B TW I490011 B TWI490011 B TW I490011B TW 099121749 A TW099121749 A TW 099121749A TW 99121749 A TW99121749 A TW 99121749A TW I490011 B TWI490011 B TW I490011B
- Authority
- TW
- Taiwan
- Prior art keywords
- signal
- action
- motion
- motion analysis
- intensity
- Prior art date
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4519—Muscles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1071—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring angles, e.g. using goniometers
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physical Education & Sports Medicine (AREA)
- Geometry (AREA)
- Physiology (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Rheumatology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
本發明是有關於一種運動分析系統與方法,且特別是有關於一種透過肌肉動作分析之運動分析系統與方法。
近年來由於科技技術的進步,許多以往需要藉由人力才能完成的工作項目已開始大量的被機械力所取代。雖然帶來了許多生活上的方便,但是對於人體本身而言,相對地活動機會逐漸減少。人們的生活方式由以往的活動式生活逐漸趨向於坐式生活方式(Sedentary Life),無可避免將導致人體的體適能逐漸退步。在體適能能力當中,以往多著重於心肺功能的評估與增進,對於其他體適能力而言卻常忽略,這將促使體適能力不平衡的提升之外,也使得訓練效果大打折扣。其中運動時的肌肉適能的衰退更是造成常見文明病的原因之一,例如下背疼痛(Low back pain),造成的原因大多是由於運動時肌源性的問題所造成-亦即肌肉無力(Muscle weakness)或肌肉緊張(Muscle tightness)。如今亦有不少的文獻證明,肌力的增進對於非運動員的健康體能的維持及現代文明病的預防也有很大的助益。因此,人們開始需要一種能夠監控運動時肌肉狀態的裝置。
此外,人機應用介面的發展迅速,以往人機應用介面只能透過鍵盤、滑鼠的進行輸入。但近年來,已逐漸發展出利用紅外線感應、陀螺儀等儀器來感應人體的動作,以
對電腦或遊戲機下達對應的指令。然而,這些儀器仍然只能感應出上、下、左、右等簡單動作,而無法真實辨識出人體的動作,使得其應用相當的侷限。
本發明係有關於一種運動分析系統與方法,其利用感測單元所感測到之加速度訊號來進行肌動圖(Mechanomyogrphy,MMG)的分析,不僅可獲得使用者之動作姿態及動作頻率等資訊,更可分辨出不同的動作強度。
根據本發明之第一方面,提出一種運動分析系統與方法。運動分析系統用以分析一運動狀態。運動分析系統包括一感測單元、一低通濾波單元、一高通濾波單元及一處理單元。感測單元設置於一肌肉的表面,並感測一加速度訊號。低通濾波單元(low-pass filter)過濾加速度訊號,以產生一低頻訊號。高通濾波單元(high-pass filter)過濾加速度訊號,以產生一高頻訊號。處理單元依據低頻訊號分析一動作姿態或一動作頻率,並依據高頻訊號分析一動作強度。
根據本發明之第二方面,提出一種運動分析方法。運動分析方法用以分析一生物之運動狀態。運動分析方法包括以下步驟。於一肌肉的表面感測一加速度訊號。過濾加速度訊號,以產生一低頻訊號。過濾加速度訊號,以產生一高頻訊號。依據低頻訊號分析一動作姿態或一動作頻率。依據高頻訊號分析生物之一動作強度。
為了對本發明之上述及其他方面有更佳的瞭解,下文特舉較佳實施例,並配合所附圖式,作詳細說明如下:
請參照第1圖,其繪示第一實施例之生物運動分析系統100之方塊圖,生物運動分析系統100用以感測一生物之運動狀態。此生物例如是人類、貓、狗、馬或魚等動物。生物運動分析系統100包括一感測單元110、一低通濾波單元(Low-Pass Filter)120、一高通濾波單元(High-Pass Filter)130、一處理單元140及一提供單元150。感測單元110用以感測一加速度訊號A0,例如是機械式加速規(Accelerometer)、壓電電壓式加速規、電荷式加速規或電容式加速規。低通濾波單元120用以過濾電子訊號後,讓低頻之部分得以通過。高通濾波單元130用以過濾一電子訊號後,讓高頻之部分得以通過。處理單元140用以進行分析各種訊號,以獲得相關資訊。低通濾波單元120、高通濾波單元130及處理單元140例如是一晶片、一韌體電路或儲存複數組程式碼之電腦可讀取記錄媒體。提供單元150則提供各種所需之資訊,例如是硬碟、記憶卡、鍵盤、滑鼠或傳輸線。
請參照第2A~3B圖,其繪示一使用者200配戴感測單元110並進行運動之示意圖。在第2A圖中,使用者200係進行站立抬腳之動作。其中,感測單元110係配戴於使
用者200之大腿210,透過本實施例之生物運動分析系統100(繪示於第1圖)可以分析出大腿210相對於水平面L的角度,以推知使用者200之大腿210的動作姿態。若使用者200反覆進行同樣的動作,本實施例之生物運動分析系統100亦可分析出其動作頻率。
在第2B圖中,使用者200係進行半蹲之動作。在第2A圖及第2B圖中,大腿210相對於水平面L的角度類似,但第2B圖大腿210之肌肉的動作強度(非外顯動作)大於第2A圖大腿210之肌肉的動作強度。透過本實施例之生物運動分析系統100(繪示於第1圖)可以進一步分析出大腿210之肌肉的動作強度。
在第3A圖中,使用者200係進行爬坡之動作。透過本實施例之生物運動分析系統100(繪示於第1圖)可以分析出大腿210相對於水平面L的角度,以推知使用者200之大腿210的動作姿態。若使用者200反覆進行同樣的動作,本實施例之生物運動分析系統100亦可分析出其動作頻率。
在第3B圖中,使用者200同樣進行爬坡之動作,但第3B圖之使用者200的負載較大,所以其大腿210之肌肉的動作強度較大。透過本實施例之生物運動分析系統100(繪示於第1圖)可以進一步分析出大腿210之肌肉的動作強度。
當然,感測單元110除了可以設置於大腿210外,感測單元110亦可設置於其他四肢、頭部、胸部、腰部等區域,其設置位置並非用以限定本發明。
請同時參照第1圖及第4圖,第4圖繪示本實施例之生物運動分析方法的流程圖。以下搭配流程圖、第1圖之方塊圖及一實際量測例子來清楚說明本實施例之生物運動分析方法。在一實際量測例子中,使用者之肱三頭肌(triceps brachii)上貼上感測單元110進行兩次量測。第一次量測時,使用者持有7.5公斤啞鈴反覆進行臥推之動作。第二次量測時,使用者持有15公斤啞鈴反覆進行臥推之動作。然而,本發明所屬技術領域中具有通常知識者均可明瞭,本實施例之生物運動分析系統100並不侷限於此流程圖,其流程步驟均可適當地調整順序與內容。
首先,於步驟S401中,設置感測單元110於生物之肌肉的表面,以感測一加速度訊號A0。
接著,在步驟S403中,以低通濾波單元110過濾加速度訊號A0,以產生一低頻訊號A1。以第5圖為例,第5圖繪示第一次與第二次實際量測例子中所獲得之低頻訊號A1。
然後,在步驟S405中,以高通濾波單元130過濾加速度訊號A0,以產生一高頻訊號A2。請參照第6A~6B圖,其分別繪示第一次與第二次實際量測例子中所獲得之高頻訊號A2。由第6A~6B圖可以看出第一次之高頻訊號A2的訊號振幅小於第二次之高頻訊號A2的訊號振幅。
接著,在步驟S407中,處理單元140依據低頻訊號A1分析此生物之一動作姿態或一動作頻率。處理單元140依據低頻訊號A1之訊號波形可以分析出運動過程的角度變化,再進一步分析出動作姿態。
在另一實施例中,處理單元140亦可利用已知的各種運動姿態與其對應的訊號波形來比對出此生物的動作姿態。
此外,在此步驟中,處理單元140更依據低頻訊號A1之一訊號頻率分析出動作頻率。一般而言,低頻訊號A1的訊號頻率與動作頻率是一致的,因此處理單元140只需計算出低頻訊號A1之動作頻率,即可獲得此生物之動作頻率。
以第5圖為例,我們可以看出第一次與第二次之低頻訊號A1的訊號波形相似且訊號頻率近似。因此,使用者在第一次與第二次之量測所做的動作姿態類似且動作頻率近似。
然後,在步驟S409中,處理單元140依據高頻訊號A2之一訊號振幅極大值或極小值分析動作強度。處理單元140可以透過訊號振幅極值的大小來比較出動作強度的大小。在實施上,亦可先過濾不正常的雜訊,再進行訊號振幅之分析。一般而言,訊號振幅越大者,動作強度越大。舉例來說,第6B圖之訊號振幅大於第6A圖之訊號振幅,因此,處理單元140可以得知使用者在第二次運動的動作強度大於第一次運動的動作強度。
此外,訊號振幅與動作強度之對應關係R(繪示於第1圖)不一定成正比的線性關係。在本實施例中,訊號振幅與動作強度之對應關係R可以預先儲存於一儲存單元中,再經由提供單元150的提供後,即可作為處理單元140分析動作強度的參考。如此一來,處理單元140即可進一
步獲得動作強度之值(例如是7.5公斤啞鈴或15公斤啞鈴)。
接著,在步驟S411中,處理單元140更依據動作姿態、動作頻率或動作強度的變化,分析出一肌肉柔軟度、一肌肉耐力或一肌肉疲勞程度。舉例來說,在特定的動作姿態及特定的動作頻率下,動作強度隨時間的變化可以分析出肌肉的疲勞程度。
請參照第7圖,其繪示第二實施例之生物運動分析方法的流程圖,本實施例之生物運動分析方法與第一實施例不同之處在於訊號振幅與動作強度之對應關係R(繪示於第1圖)的提供方式,其餘相同之處不再重複敘述。
首先,在步驟S701中,在已知之動作強度下,以感測單元110感測於生物之肌肉的表面感測加速度訊號A0。其中已知之動作強度例如是使用者未做任何運動、或者執行最大強度之運動。運動之類型例如是等長收縮(isometric contraction)運動或等張收縮(isotonic contraction)運動。
接著,在步驟S703中,以高頻濾波單元130過濾此加速度訊號A0,以產生校正訊號A2。
然後,在步驟S705中,處理單元140依據已知之動作強度及此校正訊號獲得對應關係R。此對應關係R可以儲存於儲存單元中。
接著,在步驟S707~S717中,對使用者進行實際量
測,獲得量測結果。步驟S707~S717類似於第一實施例之步驟S401~S411,在此不再重複敘述。
根據上述實施例,生物運動分析系統100與方法係透過感測單元110所感測到之加速度訊號A0來進行肌動圖(Mechanomyogrphy,MMG)的分析,不僅可獲得使用者之動作姿態及動作頻率等資訊,更可分辨出不同的動作強度。
此外,上述實施例所採用之分析方式並不是肌電圖(Electromygraphy,EMG)。上述實施例之感測單元110不需要利用水膠(gel)作為導電介質,所以不會讓使用者感到不適。
再者,上述實施例之生物運動分析系統100可以整合於包覆式運動配件,例如具有彈性的護膝。在產品的應用上相當的便利。
綜上所述,雖然本發明已以較佳實施例揭露如上,然其並非用以限定本發明。本發明所屬技術領域中具有通常知識者,在不脫離本發明之精神和範圍內,當可作各種之更動與潤飾。因此,本發明之保護範圍當視後附之申請專利範圍所界定者為準。
100‧‧‧生物運動分析系統
110‧‧‧感測單元
120‧‧‧低通濾波單元
130‧‧‧高通濾波單元
140‧‧‧處理單元
150‧‧‧提供單元
200‧‧‧使用者
210‧‧‧大腿
A0‧‧‧加速度訊號
A1‧‧‧低頻訊號
A2‧‧‧高頻訊號
L‧‧‧水平面
R‧‧‧對應關係
S401、S403、S405、S407、S409、S411、S701、S703、S705、S707、S709、S711、S713、S715、S717‧‧‧流程步驟
第1圖繪示第一實施例之生物運動分析系統之方塊圖。
第2A~3B圖繪示一使用者配戴感測單元並進行運動之示意圖。
第4圖繪示本實施例之生物運動分析方法的流程圖。
第5圖繪示第一次與第二次實際量測例子中所獲得之低頻訊號。
第6A~6B圖分別繪示第一次與第二次實際量測例子中所獲得之高頻訊號。
第7圖繪示第二實施例之生物運動分析方法的流程圖。
100‧‧‧運動分析系統
110‧‧‧感測單元
120‧‧‧低通濾波單元
130‧‧‧高通濾波單元
140‧‧‧處理單元
150‧‧‧提供單元
A0‧‧‧加速度訊號
A1‧‧‧低頻訊號
A2‧‧‧高頻訊號
R‧‧‧對應關係
Claims (13)
- 一種運動分析系統,用以分析一主動運動的狀態,該運動分析系統包括:一感測單元,設置於一肌肉的表面,並感測一加速度訊號,其中該感測單元設置於一軀幹驅動的四肢;一低通濾波單元(low-pass filter),過濾該加速度訊號,以產生一低頻訊號;一高通濾波單元(high-pass filter),過濾該加速度訊號,以產生一高頻訊號;以及一處理單元,依據該低頻訊號分析一動作姿態或一動作頻率,並依據該高頻訊號分析一動作強度。
- 如申請專利範圍第1項所述之運動分析系統,其中該處理單元依據該高頻訊號之一訊號振幅分析該動作強度。
- 如申請專利範圍第2項所述之運動分析系統,更包括:一提供單元,提供該訊號振幅與該動作強度之一對應關係,該處理單元更依據該對應關係分析該動作強度。
- 如申請專利範圍第1項所述之運動分析系統,其中該處理單元依據該低頻訊號之一訊號頻率分析該動作頻率。
- 如申請專利範圍第1項所述之運動分析系統,其中該處理單元依據該低頻訊號之一訊號波形分析該動作姿態。
- 如申請專利範圍第1項所述之運動分析系統,其 中該感測單元係為一機械式加速規(Accelerometer)、一壓電電壓式加速規、一電荷式加速規或一電容式加速規。
- 一種運動分析方法,用以分析一主動運動的狀態,該運動分析方法包括:於一軀幹驅動的四肢之一肌肉的表面感測一加速度訊號;過濾該加速度訊號,以產生一低頻訊號;過濾該加速度訊號,以產生一高頻訊號;依據該低頻訊號分析一動作姿態或一動作頻率;以及依據該高頻訊號分析一動作強度。
- 如申請專利範圍第7項所述之運動分析方法,其中分析該動作強度之步驟係依據該高頻訊號之一訊號振幅分析該動作強度。
- 如申請專利範圍第8項所述之運動分析方法,更包括:提供該訊號振幅與該動作強度之一對應關係;其中,分析該動作強度之步驟更依據該對應關係分析該動作強度。
- 如申請專利範圍第9項所述之運動分析方法,其中提供該對應關係之步驟包括:在已知之該動作強度下,感測該訊號振幅,以獲得該對應關係。
- 如申請專利範圍第7項所述之運動分析方法,其中分析該動作頻率係依據該低頻訊號之一訊號頻率分析該動作頻率。
- 如申請專利範圍第7項所述之運動分析方法,其中分析該動作姿態之步驟係依據該低頻訊號之一訊號波形分析該動作姿態。
- 如申請專利範圍第7項所述之運動分析方法,更包括:依據該動作姿態、該動作頻率或該動作強度的變化,分析一肌肉柔軟度、一肌肉耐力或一肌肉疲勞程度。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW099121749A TWI490011B (zh) | 2010-07-01 | 2010-07-01 | 運動分析系統與方法 |
US12/842,244 US20120004578A1 (en) | 2010-07-01 | 2010-07-23 | System and Method for Analyzing Biomechanics |
US14/822,952 US20150342513A1 (en) | 2010-07-01 | 2015-08-11 | System and Method for Analyzing Biomechanics |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW099121749A TWI490011B (zh) | 2010-07-01 | 2010-07-01 | 運動分析系統與方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201201881A TW201201881A (en) | 2012-01-16 |
TWI490011B true TWI490011B (zh) | 2015-07-01 |
Family
ID=45400242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW099121749A TWI490011B (zh) | 2010-07-01 | 2010-07-01 | 運動分析系統與方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20120004578A1 (zh) |
TW (1) | TWI490011B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10120455B2 (en) | 2016-12-28 | 2018-11-06 | Industrial Technology Research Institute | Control device and control method |
US11065506B2 (en) | 2018-08-30 | 2021-07-20 | Industrial Technology Research Institute | Muscle training equipment, muscle training system and muscle training method |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150342513A1 (en) * | 2010-07-01 | 2015-12-03 | Industrial Technology Research Institute | System and Method for Analyzing Biomechanics |
TWI454255B (zh) * | 2012-03-29 | 2014-10-01 | Univ Chang Gung | The use of muscle signal control of the rehabilitation system |
US10339433B2 (en) * | 2015-11-04 | 2019-07-02 | Visa International Service Association | Integrated power source on a payment device |
TWI583357B (zh) | 2015-12-17 | 2017-05-21 | 財團法人工業技術研究院 | 肌肉震動訊號處理系統與方法 |
TWI689859B (zh) | 2019-03-19 | 2020-04-01 | 國立臺灣科技大學 | 由手腕偵測肌動訊號識別使用者手勢之系統及方法 |
CN111772639B (zh) * | 2020-07-09 | 2023-04-07 | 深圳市爱都科技有限公司 | 一种用于可穿戴设备的运动模式识别方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6234975B1 (en) * | 1997-08-05 | 2001-05-22 | Research Foundation Of State University Of New York | Non-invasive method of physiologic vibration quantification |
TW200821551A (en) * | 2006-03-14 | 2008-05-16 | Sony Corp | Body motion detector, body motion detecting method, and body motion detecting program |
-
2010
- 2010-07-01 TW TW099121749A patent/TWI490011B/zh active
- 2010-07-23 US US12/842,244 patent/US20120004578A1/en not_active Abandoned
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6234975B1 (en) * | 1997-08-05 | 2001-05-22 | Research Foundation Of State University Of New York | Non-invasive method of physiologic vibration quantification |
TW200821551A (en) * | 2006-03-14 | 2008-05-16 | Sony Corp | Body motion detector, body motion detecting method, and body motion detecting program |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10120455B2 (en) | 2016-12-28 | 2018-11-06 | Industrial Technology Research Institute | Control device and control method |
US11065506B2 (en) | 2018-08-30 | 2021-07-20 | Industrial Technology Research Institute | Muscle training equipment, muscle training system and muscle training method |
Also Published As
Publication number | Publication date |
---|---|
TW201201881A (en) | 2012-01-16 |
US20120004578A1 (en) | 2012-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI490011B (zh) | 運動分析系統與方法 | |
Jiang et al. | Exploration of force myography and surface electromyography in hand gesture classification | |
AU2016236838B2 (en) | Muscle activity monitoring | |
Saponas et al. | Demonstrating the feasibility of using forearm electromyography for muscle-computer interfaces | |
TWI393579B (zh) | The state of the muscle movement state analysis system, methods and computer program products | |
Butkevičiūtė et al. | Removal of movement artefact for mobile EEG analysis in sports exercises | |
US20160262687A1 (en) | Biomechanical activity monitoring | |
Zhou et al. | Measuring muscle activities during gym exercises with textile pressure mapping sensors | |
US10772528B2 (en) | Rehabilitation system and method | |
WO2014100514A1 (en) | System, apparatus, and method for promoting usage of core muscles and other applications | |
WO2018214523A1 (zh) | 一种肌电信号采集方法及装置 | |
US20200281508A1 (en) | Human body mounted sensors using mapping and motion analysis | |
US20220019284A1 (en) | Feedback from neuromuscular activation within various types of virtual and/or augmented reality environments | |
US20190320944A1 (en) | Biomechanical activity monitoring | |
Ancans et al. | Inertial sensors and muscle electrical signals in human-computer interaction | |
Boyd et al. | A-mode ultrasound driven sensor fusion for hand gesture recognition | |
CN113614751A (zh) | 脑电图信号的识别和提取 | |
Delva et al. | FSR based force myography (FMG) stability throughout non-stationary upper extremity tasks | |
Němcová et al. | Recommendations for ECG acquisition using BITalino | |
Kong et al. | Revisiting the influence of hip and knee angles on quadriceps excitation measured by surface electromyography | |
Kuber et al. | Detecting Fatigue during Exoskeleton-Assisted Trunk Flexion Tasks: A Machine Learning Approach | |
Leverick et al. | Investigation of the suitability of utilizing permutation entropy to characterize gait dynamics | |
Gan et al. | Accelerometer ranges for different static postures | |
Bonarini et al. | Affective videogames: The problem of wearability and comfort | |
Chiu et al. | Design and construction of an intelligent stacking cone upper limb rehabilitation system |