表面肌电信号

摘要： 背景:下肢外骨骼机器人用于恢复患者的基本行走能力,要实现人-机的高度协同和制定机器人控制策略,就要对包括步态在内的人体下肢运动意图进行识别.目的:提出一种新式分类器,利用人体表面肌电信号进行步态识别.方法:首先,采集人体5种步态模式的下肢表面肌电信号;其次,对采集的信号进行降噪和特征提取以获得5种步态模式的数据集,并将其两两结合形成10组数据集;再次,将每组数据集的训练集按照AdaBoost算法规则输入至概率神经网络进行训练;从次,将已训练概率神经网络集成获得10个强分类器;最后,将测试集样本输入到10个强分类器并采取投票机制判断其所述类别.结果 与结论:实验使用改进AdaBoost算法对5种步态模式进行识别,取得了90.2％的平均识别率;将其与仅使用一个概率神经网络进行对比,单独使用概率神经网络时的平均识别率为68.2％,低于改进AdaBoost分类器的平均识别率;将弱分类器更换为支持向量机、BP神经网络、决策树构建强分类器进行对比,当仅使用一个弱分类器时,支持向量机的平均识别率高于概率神经网络,然而将弱分类器使用改进AdaBoost算法集成以后,以概率神经网络为弱分类器时的识别率相较于以支持向量机为弱分类器时84.3％的识别率更高.

摘要： 针对表面肌电信号的微弱性、低频性和强噪声性,设计了高共模抑制比、抗干扰能力强的表面肌电信号采集系统,并对采集到的信号进行处理分析。系统中包含放大电路、滤波电路、电平抬升电路、主控电路,采集受试者手臂放松、握拳、展臂、模拟震颤四种姿势的表面肌电信号,经串口通信将传感器所采集到的数据上传至上位机,之后将采集到的表面肌电信号进行中值滤波及傅立叶变换分析。测试结果表明,系统可以有效提取0—500 Hz的有用信号,且四种姿势下的表面肌电信号主要能量集中在0—500 Hz,在0—200 Hz内更为明显,符合表面肌电信号的频率特性。表面肌电信号采集系统具有可靠性和抗干扰性,拥有较好的市场应用前景。

摘要： 表面肌电(surface electromyogram,s EMG)信号的去噪处理和特征提取的效果好坏直接关系到识别的准确率。以获得较高的识别准确率为目标,对肌电信号的去噪处理和特征提取展开研究。先对表面肌电信号进行小波阈值去噪;再分别运用时域、频域和时频分析对去噪后的信号进行特征提取;最后利用BP神经网络对肌电信号进行分类。实验结果较好地实现了对肌电信号的分类,分类识别率为97%±2%。

摘要： 针对个人室内定位中步长估计方法存在估计精度不高、适用范围有限的问题,提出一种采用表面肌电信号和加速度信息的改进步长估计模型。通过采集行人在行走过程中的表面肌电信号和加速度信息,利用平滑滤波算法对该信号进行预处理,并通过峰值检测算法进行步数检测,在此基础上提出一种改进的步长估计模型,利用该模型进行了个人室内定位测试。实验测试结果表明:改进的步长估计模型可实现个人室内不同行走速度下的步长估计,该模型获得的步长估计平均误差和误差率分别为0.01 m和1.01%,个人室内定位行进距离的平均误差和误差率分别为0.78 m和0.48%,满足个人室内定位用步长估计的要求,可为康复医疗、商场购物等个人室内定位应用领域提供参考。

摘要： 近年来,机器人技术不断应用于康复医学领域,因康复机器人具有提高康复效率、保证康复质量、降低人力成本等优势,在临床应用中受到越来越多的关注。然而,目前康复机器人临床疗效的评价仍依赖于传统的量表评价法,无法实时提供准确的运动功能评价指标来有效指导和提供康复治疗方案。因此,研发出与治疗系统相匹配的、客观定量的康复疗效评价系统显得尤为重要。本文就信息获取的类型,从基于康复机器人内部传感器、基于表面肌电信号、基于体感交互设备,对目前国内外康复机器人训练效果的客观评价方法予以综述,以期为康复机器人临床疗效评价系统方面的研究提供参考。

摘要： 作为近年来新兴的康复技术手段,基于表面肌电(Surface Electromyograph,sEMG)信号的智能康复技术,能够有效地支撑量化诊断和康复疗效客观评估,并辅助康复机器人实现安全、自然的人机交互。本文旨在总结sEMG信号在智能康复技术领域中的研究现状,并对未来技术发展进行了展望。首先,介绍了sEMG信号在量化诊断/康复疗效评估、智能假肢,以及康复辅助机器人中的应用。然后,从智能评估、运动意图,以及人机交互控制策略三个方面对基于sEMG的智能康复关键技术进行综述。最后,从鲁棒性、便携性,以及可解释性三个方面分析了现有研究的局限性,并对基于sEMG信号的智能康复技术进行了展望。基于sEMG信号的智能康复技术有望深入推动康复医疗的创新发展。

摘要： 目的 利用表面肌电技术研究新生儿胸锁乳突肌肌电活动特点,探讨胸锁乳突肌肌电活动随出生体重变化的趋势,探究正常足月新生儿胸锁乳突肌时域均方根值(RMS)特征,为临床先天性肌性斜颈(CMT)的筛查和评估提供客观依据。方法 399例正常出生1-7 d足月新生儿,按出生体重分为4组:2500g--、3000g--、3500g--、4000-4500g。应用表面肌电技术与分析系统,对颈部仰卧中立位、侧屈、旋转三种体位下进行胸锁乳突肌表面肌电信号采集,得到正常出生1-7 d足月新生儿胸锁乳突肌肌电信号特征后进行分析。结果 了解正常出生1-7 d足月新生儿胸锁乳突肌时域均方根值(RMS)特征,研究结果提示:在颈部处于不同体位时,出生体重不同的新生儿胸锁乳突肌表面肌电信号时域均方根值(RMS)特征不同,出生体重在4000-4500g的新生儿胸锁乳突肌表面肌电信号RMS值显著高于出生体重在2500-3499g的新生儿。因此,新生儿胸锁乳突肌表面肌电信号RMS值可能与出生体重有关,随着出生体重的增大,胸锁乳突肌表面肌电信号RMS值相应增高。结论 应用表面肌电技术与分析系统,初步总结正常足月新生儿胸锁乳突肌的表面肌电特征,为临床先天性肌性斜颈(CMT)的筛查和评估提供客观依据。

摘要： 表面肌电信号是伴随人体肌肉活动产生的信号,可用于判断肌肉疲劳,但不同肌肉状态判断标准不同,因此需要对表面肌电信号进行分析与分类。依据实验室采集的信号,结合四分位差、威利森振幅、改进脉冲百分率和平均能量差四种时域法,建立分类模型进行实验。实验结果表明,该分类模型能提升分类精确率。

摘要： 为了获得更加便捷和简单的人机交互方式,采用由Arduino UNO开发板和肌电传感器组成的双通道表面肌电信号采集系统采集手前臂的表面肌电信号,并在上位机中利用MATLAB(R2018b)对采集到的信号进行预处理、活动段检测、特征提取和分类器训练与预测;在识别出手势动作之后,利用GUI界面实时地显示出识别结果。该系统从肌电信号到手势识别、再从手势识别到计算机系统的人机交互方式展现了巨大的潜力和应用空间,尤其是在虚拟现实领域。

摘要： 目的:通过疼痛数字评分(NRS)、膝关节功能评价及表面肌电测试检验Mulligan疗法结合贴布技术在髌股疼痛综合征患者中的即刻效果。方法:选择2019年3月~2020年1月髌股疼痛综合征患者60例,随机数字表法分为干预组和假干预组各30例,干预组采用Mulligan疗法(包括髌骨的滑移松动、胫骨的侧向滑移、胫骨的后方滑移、内旋松动)结合贴布技术治疗;对于假干预组,治疗师的手放置在关节表面模拟缓解疼痛的滑行,不提供滑行力,手法治疗后在与干预组同样的位置给予贴布治疗,但不提供力学支持;评估者不参与分组和治疗。结果:治疗前两组所有指标无显著性差异。干预组治疗后NRS评分低于假干预组,而Kuj ala评分、Ly sholm评分、膝关节无痛主动屈曲活动度及患侧股内、外侧肌IEMG值高于假干预组(P0.05)。结论:Mulligan疗法结合贴布技术可以即刻减轻髌股疼痛综合征的疼痛症状、改善膝关节无痛活动范围及运动功能,且可以增加股内侧肌和股外侧肌肉的募集。

摘要： 本课题设计了自主设计表面肌电信号传感系统，通过拾取人体腿部肌肉肌电信号，经由前置差分放大电路、陷波电路、滤波电路、有效值转换等调理电路处理后，由单片机采集，以蓝牙传输的方式将数据传输至智能终端显示并绘图，终端将数据通过互联网上传至云端服务器进行保存。云端用这些数据训练基于长短时记忆网络(LSTM)的肌肉疲劳度分类模型，训练完成后，在云端加载模型，处理实时接收的数据流，将识别的疲劳信息反馈给智能终端显示，达到实时监测使用者腿部疲劳状况的目的。智能终端负责显示和数据转发，云端负责数据分析和保存。

摘要： 本文利用表面肌电信号(Surface electromyography,sEMG)实验分析法,观察久坐和坐站交替下背部肌肉表面肌电改变,了解久坐人群在久坐和坐站交替下斜方肌和背阔肌表面肌电信号的变化规律,为按时调整坐站交替姿势能成为久坐人群缓解背阔肌和斜方肌疲劳的手段提供理论依据.

摘要： 采用意大利BTS FREEEMG300无线表面肌电信号系统,分别对河北师范大学体育学院12名男同学进行低姿、正常、高姿三种不同高度俯卧撑(高姿与低姿俯卧撑各是在约半米高的凳子上进行完成动作)进行胸大肌上中下束表面肌电信号的数据收集.分析三种不同高度俯卧撑对胸大肌的刺激,通过表面肌电信号分析,对比三种不同身体高度俯卧撑对胸大肌上中下束的活动状况.

摘要： 观察1名髂胫束综合征膝外侧痛患者的疼痛评分(visual analogue scale,VAS),记录其股外侧肌的表面肌电情况,并对其行肌内效贴扎治疗,再观察肌内效贴扎对其疼痛及股外侧肌表面肌电信号的影响.探讨ITB的紧张与松弛对股外侧肌的表面肌电影响,及肌内效贴扎在治疗ITBS中的作用,进一步启发如何优化髂胫束综合征的康复治疗策略.

摘要： 采用意大利BTSFREEEMG300无线表面肌电信号记录仪，对关闭式、开放式和半开放式三种不同站位下网球运动员正手击球动作过程中下肢肌肉的表面肌电信号进行采集。通过对原始肌电信号的处理，分析每个状态肌肉所测的分肌电值(IEMG)和肌肉发力时序。

摘要： 为了探讨视屏显示终端(VDT)作业过程中肩部肌肉疲劳程度与时间的关系,在实验室中进行VDT作业模拟实验,使用运动肌电测试分析系统采集5名受试者双侧斜方肌表面肌电信号(sEMG),并以积分肌电(IEMG)为评价指标,分析双侧斜方肌IEMG随时间变化规律.结果表明:双侧斜方肌IEMG随作业时间的增长整体呈上升趋势且右侧斜方肌IEMG值明显高于左侧斜方肌IEMG值,说明长时间的VDT作业会导致斜方肌产生明显的疲劳反应,建议长时间VDT作业过程减少作业时长并进行合理休息从而降低VDT作业人员肩部肌肉发生疾患的风险.

摘要： 随着《“健康中国2030”规划纲要》的颁布和实施,全民健身热潮愈发高涨,爬行运动作为一种体育锻炼新方法正逐渐被大众接受和喜爱,而匍匐爬行作为军队战术训练的必备项目,如何有效提高匍匐爬行效率,科学化解决匍匐爬行训练,贯彻军民融合国家战略,是军事功能性体能训练的一个重要方面,鉴于此本研究以健康成年人低姿匍匐爬行、高姿匍匐爬行、手膝跪爬和手足爬四种不同重心高度爬行动作为研究对象,探讨四种爬行动作的表面主要肌群做功规律,通过对不同重心高度爬行动作的表面肌电研究,有助于人们对爬行的重新认识和指导人们爬行健身,使正确的爬行有效的推广到全民健身中去,给大众健身、运动康复、体能训练及军事匍匐爬行练习时提供理论指导.

摘要： 随着《“健康中国2030”规划纲要》的颁布和实施,全民健身热潮愈发高涨,爬行运动作为一种体育锻炼新方法正逐渐被大众接受和喜爱,而匍匐爬行作为军队战术训练的必备项目,如何有效提高匍匐爬行效率,科学化解决匍匐爬行训练,贯彻军民融合国家战略,是军事功能性体能训练的一个重要方面,鉴于此本研究以健康成年人低姿匍匐爬行、高姿匍匐爬行、手膝跪爬和手足爬四种不同重心高度爬行动作为研究对象,探讨四种爬行动作的表面主要肌群做功规律,通过对不同重心高度爬行动作的表面肌电研究,有助于人们对爬行的重新认识和指导人们爬行健身,使正确的爬行有效的推广到全民健身中去,给大众健身、运动康复、体能训练及军事匍匐爬行练习时提供理论指导.

摘要： 随着《“健康中国2030”规划纲要》的颁布和实施,全民健身热潮愈发高涨,爬行运动作为一种体育锻炼新方法正逐渐被大众接受和喜爱,而匍匐爬行作为军队战术训练的必备项目,如何有效提高匍匐爬行效率,科学化解决匍匐爬行训练,贯彻军民融合国家战略,是军事功能性体能训练的一个重要方面,鉴于此本研究以健康成年人低姿匍匐爬行、高姿匍匐爬行、手膝跪爬和手足爬四种不同重心高度爬行动作为研究对象,探讨四种爬行动作的表面主要肌群做功规律,通过对不同重心高度爬行动作的表面肌电研究,有助于人们对爬行的重新认识和指导人们爬行健身,使正确的爬行有效的推广到全民健身中去,给大众健身、运动康复、体能训练及军事匍匐爬行练习时提供理论指导.

摘要： 随着《“健康中国2030”规划纲要》的颁布和实施,全民健身热潮愈发高涨,爬行运动作为一种体育锻炼新方法正逐渐被大众接受和喜爱,而匍匐爬行作为军队战术训练的必备项目,如何有效提高匍匐爬行效率,科学化解决匍匐爬行训练,贯彻军民融合国家战略,是军事功能性体能训练的一个重要方面,鉴于此本研究以健康成年人低姿匍匐爬行、高姿匍匐爬行、手膝跪爬和手足爬四种不同重心高度爬行动作为研究对象,探讨四种爬行动作的表面主要肌群做功规律,通过对不同重心高度爬行动作的表面肌电研究,有助于人们对爬行的重新认识和指导人们爬行健身,使正确的爬行有效的推广到全民健身中去,给大众健身、运动康复、体能训练及军事匍匐爬行练习时提供理论指导.

摘要： 本发明提供了一种基于表面肌电信号和运动信号的预测分类方法和装置，所述方法包括：采集表面肌电信号和运动信号；对采集的运动信号进行第一处理，计算出步态协调性参数对应的运动数据；对采集到的表面肌电信号进行第二处理，提取相应的特征数据；将所述运动数据和所述特征数据作为递归小脑模型神经网络的输入数据并进行训练预测，得到分类结果。通过上述技术方案，可以实现对表面肌电信号和运动信号的分类识别，进而促进膝骨性关节炎临床诊断和疗效评价。

摘要： 本发明公开了一种表面肌电信号作为同步信号触发体外膈肌起搏器的方法及装置,该方法包括以下步骤：1)、采集吸气肌的表面肌电信号；2)、进行包络计算，使用均方根算法实现，采取包络值大于阈值表示肌肉收缩，阈值根据一定时段包络值的均值确定；3)、产生同步信号，可以利用同步信号触发体外膈肌起搏器的信号输出。本发明通过以上手段提高了控制精度，实现了更为稳定的表面肌电信号作为同步信号从而触发体外膈肌起搏器。

摘要： 本发明提供了一种基于表面肌电信号和运动信号的预测分类方法和装置，所述方法包括：采集表面肌电信号和运动信号；对采集的运动信号进行第一处理，计算出步态协调性参数对应的运动数据；对采集到的表面肌电信号进行第二处理，提取相应的特征数据；将所述运动数据和所述特征数据作为递归小脑模型神经网络的输入数据并进行训练预测，得到分类结果。通过上述技术方案，可以实现对表面肌电信号和运动信号的分类识别，进而促进膝骨性关节炎临床诊断和疗效评价。

摘要： 本发明公开了一种表面肌电信号采集及信号处理设备，包括电信号数据互联网共享互传装置机盒，电信号数据互联网共享互传装置机盒的外表面设置有电源开关和接口面板，电信号数据互联网共享互传装置机盒的一侧贯穿设置有散热孔，电信号数据互联网共享互传装置机盒的另一侧设置有机盒提手，电信号数据互联网共享互传装置机盒的内表面设置有隔音层，电信号数据互联网共享互传装置机盒的顶部设置有机盒锁扣和机盒盖转轴头，机盒盖转轴头的两端通过机盒盖转轴轴承连接有机盒盖，机盒盖的顶部设置有路由器天线放置孔和控制面板，控制面板的外表面设置有工作指示灯和报警指示灯，因此该种表面肌电信号采集及信号处理设备利用隔音层和散热孔实现了隔音散热的目的。

摘要： 本发明公开了一种表面肌电信号作为同步信号触发体外膈肌起搏器的方法及装置,该方法包括以下步骤：1)、采集吸气肌的表面肌电信号；2)、进行包络计算，使用均方根算法实现，采取包络值大于阈值表示肌肉收缩，阈值根据一定时段包络值的均值确定；3)、产生同步信号，可以利用同步信号触发体外膈肌起搏器的信号输出。本发明通过以上手段提高了控制精度，实现了更为稳定的表面肌电信号作为同步信号从而触发体外膈肌起搏器。

摘要： 基于表面肌电信号的语音信号识别系统和识别方法 。 如同前臂肌肉运动对应手、腕、肘的运动模式，说话时面部肌肉也对应着不同的运动模式，通过采集面部肌肉的表面肌电，完全可以从信号特征中识别对应的肌肉动作模式，进而识别语音信息。一种基于表面肌电信号的语音信号识别系统，其组成包括 : 语音信号采集模块（ 1 ）， 所述的语音信号采集模块连接语音信号预处理模块（ 2 ），所述的语音信号预处理模块连接语音信号分隔模块 (3) ，所述的语音信号分隔模块连接特征参数提取模块（ 4 ），所述的特征参数提取模块连接语音信号辨识模块 (5) 。本发明用于表面肌电信号的语音信号识别。

摘要： 本发明涉及一种基于表面肌电信号的下肢运动识别方法及系统，该方法包括以下步骤：步骤1、采集不同运动模式下的表面肌电信号并进行预处理，提取时域、频域和非线性特征；步骤2、使用人工蜂群算法‑麻雀搜索算法混合优化核极限学习机的惩罚参数和核参数，得到最优核极限学习机分类器；步骤3、利用优化后的分类器进行识别。该方法及系统有利于提高下肢运动模式识别的准确率。

摘要： 本发明公开了一种融合表面肌电信号与唇部图像的无声语音识别系统，包括：依次相连的表面肌电信号采集系统、表面肌电信号预处理系统、表面肌电信号识别模型；依次相连的唇部图像采集系统、唇部图像预处理系统、唇部图像识别模型；以及综合识别模型；综合识别模型的输入端分别与唇部图像识别模型和表面肌电信号识别模型的输出端相连，综合识别模型用于对表面肌电信号识别模型和唇部图像识别模型的预测结果进行融合并输出综合预测。本发明还公开了一种融合表面肌电信号与唇部图像的无声语音识别方法，同步采集表面肌电信号和唇部图像并进行综合预测。本发明相较于肌电信号或者唇部图像单模态信息作为输入的识别方法有着明显的精度提升。

摘要： 基于动态阈值和EasyTL的跨个体表面肌电信号手势识别方法，属于康复治疗领域，为了解决现有的识别方法在模型选择和参数调节时，存在耗时长以及识别效率低的问题。本发明针对样本个体采集的原始表面肌电信号进行滤波和活动段识别后，进行特征值提取，构建源域；以源域为基础，引入概率矩阵和中心距离构建损失函数，通过线性规划方法求出解迁移学习分类器；对待识别个体的原始表面肌电信号依次进行采集、滤波和活动段识别后，进行特征值提取，生成目标域；将目标域与源域进行域内对齐后输入迁移学习分类器，完成对待识别个体的手势动作的识别。有益效果为避免了模型选择和参数调节的同时，减少了标签数据和训练时间。

摘要： 本申请适用于医疗器械技术领域，公开了一种表面肌电信号采集器及表面肌电信号采集系统，包括：表面肌电信号采集电极，采集器本体，固设于采集器本体的第一电极接口、肌电信号采集电路、模数转换电路、主控芯片和第一无线通信器；第一电极接口的第一端与表面肌电信号采集电极之间通过线缆连接，从而可以在将表面肌电信号采集电极固定于采集部位后，将采集器本体就近固定于便于固定的部位，缩短了二者之间的线缆距离并便于二者各自的固定，避免线缆缠绕、脱落；主控芯片通过无线的方式输出采集数据，以便上位机进行进一步分析，相较于集成于康复类医疗设备的采集方案更具通用性，可以自由搭配任意康复类医疗设备或将采集数据导出另作他用。