基于边际谱熵的肌肉疲劳实时评估方法研究

摘要

肌肉疲劳是一种复杂的生理现象。针对利用表面肌电信号实时评估肌肉疲劳,要求疲劳指标兼具快速、可靠、抗噪的问题,提出基于边际谱熵的肌肉疲劳实时评估方法。首先,利用不同数据长度的确定性周期信号和高斯白噪声分析了边际谱熵快速性与数据长度稳健性;其次,利用10名受试者握力持续静态收缩状态下从100%MVC下降到50%MVC时桡侧腕长伸肌的肌肉疲劳信号,分析了边际谱熵评估肌肉疲劳的可靠性与应用于不同个体的稳定性;最后,在某一受试者肌肉疲劳信号中加入高斯白噪声和心电噪声考察了边际谱熵的抗噪性。实验结果表明,边际谱熵与近似熵和中值频率相比计算快速,数据长度稳健性更优;线性拟合优度较佳(0.46±0.14),能可靠地评估肌肉疲劳;斜率变异系数较低(30.30%),对不同个体稳定性高;加入高斯白噪声和心电噪声后边际谱熵拟合优度变化率较低(分别为34.39%和3.78%),具有良好的抗噪性。因此边际谱熵兼具快速、能可靠评估肌肉疲劳以及抗噪等优点,为实时评估肌肉疲劳提供一种新方法。