论文部分内容阅读
为了实现肌肉疲劳状态的准确检测分类,提出一个完整的基于人体表面肌电(sEMG)信号的肌肉疲劳分类与检测系统。首先,通过AgCl表面贴片电极和高精度模拟前端ADS1299采集人体sEMG信号,进行小波消噪等预处理之后,提取可反映人体肌肉疲劳状态的sEMG信号时域和频域特征。然后,在常用特征如积分肌电图(IEMG)、均方根(RMS)、中值频率(MF)以及平均功率频率(MPF)基础上,为更加精细地刻画人体肌肉疲劳状态,引入sEMG信号的频域特征带谱熵(BSE);为弥补傅里叶变换分析非平稳信号的不足,引入s