论文部分内容阅读
目的
研究不同表面肌电信号数据截取方法在判断肌肉疲劳应用中的差异。
方法于2019年7至10月，以模拟手工搬举作业为模型，采集13名受试人员肱桡肌、肱二头肌、三角肌、左竖脊肌、右竖脊肌及股外侧肌产生的表面肌电信号。应用3种不同的肌电信号处理方法（全部信号、波峰信号、规定动作信号）对原始数据进行时域[均方根值（RMS）]、频域[平均中位频率（MDF）]分析，利用Wilcoxon符号秩和检验以及非线性曲线拟合分析不同肌电数据截取方法间的数据差异性。
结果模拟搬举作业受试人员年龄（24.31±2.02）岁，身高（173.78±4.84）cm，体重（66.28±5.58）kg，体重指数（BMI）21.94±1.58；肱三头肌皮褶厚度（14.08±4.86）mm，肩胛骨下皮褶厚度（15.54±3.59）mm。应用不同肌电信号截取办法处理信号数据后，经正态性检验、方差齐性检验、Wilcoxon检验，除肱二头肌MDF指标外，其余各肌肉RMS、MDF信号的差异均有统计学意义（P<0.016）。全部信号截取方法处理的数据分布离散度多数优于其他信号截取方案，RMS信号斜率变化率高于其他信号截取方案。非线性回归结果显示，全部信号截取方法处理数据的波动性小，回归方程拟合度高。
结论不同肌电信号处理方法存在差异，以动作周期起始点至结束点的全部信号截取法处理数据的波动性最小，肌电时域、频域指标随时间变化灵敏度最高，适用于在动态复杂作业中判断肌肉疲劳情况。