论文部分内容阅读
肌肉疲劳是肌肉做功能力降低的体现,在人体锻炼、康复训练和职业病预防等方面得到研究应用。肌音信号(MMG)是反映肌纤维收缩时的力学振动特性的非线性信号,能定量评估和诊断肌肉疲劳。本课题通过研究站立静态耸肩时上斜方肌的肌音信号,寻找肌音信号的非线性动力学特征与肌肉疲劳的关系。本课题采集了10名健康的受试者在以50%最大随意收缩力(MVC)的恒力做耸肩静态动作时上斜方肌的肌音信号,对获得的肌音信号进行降噪、分段和特征提取,研究特征值趋势与肌肉疲劳的对应关系。在信号降噪中,对三种经验模态分解算法进行了对比研究,采用了一种自适应噪声的完备经验模态分解(CEEMDAN)算法与相关系数相结合的方法;在特性分析中,比较了周期信号、肌音信号和随机信号在非线性动力学分形维数(FD)、LZ复杂度(LZC)、最大李雅普诺夫指数(MLE)和模糊熵(FEN)四种特征中的特性;在特征提取中,利用四种非线性动力学特征对上斜方肌肌肉静态收缩过程中的疲劳状态进行分析,并与时域特征中值频率(MDF)和平均功率频率(MPF)进行比较。研究结果表明,基于CEEMDAN算法和相关系数相结合的降噪方法效果显著;肌音信号是具有混沌特征的非线性、非平稳信号,肌音信号的非线性特征均介于周期信号和随机信号之间;肌音信号的FD、LZC、MLE和FEN随肌肉疲劳程度的增加呈现近似线性下降的趋势,在肌肉疲劳评估中与中值频率(MDF)和平均功率频率(MPF)效果相似。因此,作为量化肌肉的疲劳状态,肌音信号的特征除了传统的MDF和MPF外,还可以用FD、LZC、MLE、FEN等非线性特征很好的标志和度量,并在适用度上具有一定的优势,在敏感程度上有一定的理论支撑,为肌音信号在非线性领域评估肌肉疲劳程度提供了新的手段。