基于肌音信号的肱三头肌肌力估计研究

发布时间：2022-02-19 18:14

　　骨骼肌是维持人体姿态、实现人体运动的重要生物组织,因此对于肌肉输出力的估计在体育训练、康复工程以及医疗辅助器械领域具有十分重要的意义。肌音信号（MMG）是肌肉收缩时产生的振动信号,可以反映肌肉的力学特性,因此本课题使用肌音信号进行肱三头肌的肌力估计研究。本课题旨在分析MMG与肌力之间的关联关系,并建立一种具有广泛适用性的肱三头肌肌力估计模型。在研究中选用ADXL354三轴加速度计、ZNLBS-VI-30KG拉力传感器以及NI9205数据采集模块实现了对MMG和肌力信号的同步采集,并设计了实验数据采集界面。随后采集了受试者在不同肌力等级下的恒力收缩实验数据,使用线性、二次多项式以及指数三种函数对比分析了MMG特征与肌力之间的关联关系。最后采集了受试者在不同发力模式下的变力收缩实验数据,对比分析了 BP神经网络、极限梯度提升（XGBoost）和二次多项式等三种模型的肌力估计效果,选取出最终的肌力估计模型;并验证了肌力估计模型在不同发力模式下的适用性。结果表明,MMG特征与肌力之间呈现非线性关系（p<0.05）;二次多项式模型的肌力估计效果虽然稍差于XGBoost模型,但其在工程应用领... 

【文章来源】：华东理工大学上海市211工程院校教育部直属院校

【文章页数】：80 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 前言
    1.1 课题背景
    1.2 课题目的和意义
    1.3 肌音信号研究现状
        1.3.1 肌音信号概述
        1.3.2 肌音信号相对肌电信号的优势
        1.3.3 基于肌音信号的肌肉疲劳与肌力研究现状
    1.4 肌力估计研究现状
        1.4.1 基于肌电信号的肌力估计研究现状
        1.4.2 基于肌音信号的肌力估计研究现状
    1.5 肌力估计相关应用
    1.6 肌力估计模型研究现状
    1.7 本课题研究内容简介
第2章 肌音信号及肌力采集系统搭建
    2.1 传感器选择及电路设计
        2.1.1 肌音信号采集传感器选择
        2.1.2 肌音信号采集传感器外围电路设计
        2.1.3 肌力信号采集传感器选择
    2.2 数据采集卡选择
    2.3 数据采集界面设计
    2.4 本章小结
第3章 实验方案及肌音信号特征提取
    3.1 实验方案设计
        3.1.1 恒力收缩实验
        3.1.2 变力收缩实验
    3.2 肌音信号特征提取方法
        3.2.1 滑动窗窗长的选取
        3.2.2 时域特征
        3.2.3 频域特征
        3.2.4 时-频域特征
    3.3 本章小结
第4章 肌音信号特征与肌力关系分析
    4.1 数据预处理
        4.1.1 滤波及祛零漂
        4.1.2 数据段选取
    4.2 典型特征随肌力变化显著性分析
        4.2.1 时、频域典型特征
        4.2.2 典型特征变化显著性分析
    4.3 典型特征与肌力之间的关系分析
        4.3.1 线性及非线性函数关系拟合
        4.3.2 线性及非线性函数关系对比
        4.3.3 分析讨论
    4.4 本章小结
第5章 基于肌音信号的肌力估计研究
    5.1 用于肌力估计的特征选取方法
    5.2 基于BP神经网络的肌力估计
        5.2.1 BP神经网络简介
        5.2.2 BP神经网络的模型实现
        5.2.3 模型的肌力估计效果及分析
    5.3 基于XGBoost的肌力估计研究
        5.3.1 XGBoost简介
        5.3.2 XGBoost的模型实现
        5.3.3 模型的肌力估计效果及分析
    5.4 基于二次多项式的肌力估计研究
        5.4.1 二次多项式简介
        5.4.2 二次多项式的模型实现
        5.4.3 模型的肌力估计效果及分析
    5.5 肌力估计模型的对比及适用性分析
        5.5.1 肌力估计模型对比
        5.5.2 肌力估计模型适用性分析
    5.6 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
攻读硕士期间成果


【参考文献】：
期刊论文
[1]XGBoost在卫星网络协调态势预测中的应用[J]. 朱明,王春梅,高翔,王静.  小型微型计算机系统. 2019(12)
[2]基于肌音信号的握力运动时桡侧腕屈肌动态疲劳分析[J]. 钟豪,吴清,夏春明,章悦,顾晓琳,张胜利.  华东理工大学学报(自然科学版). 2018(05)
[3]肌音信号在康复工程中应用的研究进展[J]. 吴清,夏春明,郑建荣.  中国康复医学杂志. 2016(10)
[4]表面肌电信号复杂性与肌力关系研究[J]. 于在洋,张旭,王东清,高晓平,Li Sheng,周平.  航天医学与医学工程. 2016(02)
[5]一种考虑肌疲劳因素的肌力预测模型修正方法[J]. 黄耐寒,杨喜东,陈香.  航天医学与医学工程. 2014(03)
[6]肌音的匹配追踪时--频分析与肌肉疲劳状态研究[J]. 周永洲,闵一建.  长春教育学院学报. 2013(12)
[7]基于MATLAB的FIR数字滤波器设计与仿真[J]. 马月红,马彦恒,王雪飞.  电子测量技术. 2010(11)
[8]基于肌音信号的虚拟假肢控制[J]. 夏春明,杨正宜,曹炜,曹恒.  华东理工大学学报(自然科学版). 2010(04)
[9]基于肌音信号的仿生手信号采集系统设计[J]. 苗露,曹炜,王爱林,杨正宜.  现代电子技术. 2010(09)
[10]腕长伸肌表面肌电与握力大小的相关性研究[J]. 吴小鹰,侯文生,郑小林,许蓉,彭承琳.  仪器仪表学报. 2008(08)

博士论文
[1]基于高密度阵列表面肌电的肌肉肌腱单元解析及肌力估计[D]. 黄成君.中国科学技术大学 2017

硕士论文
[1]基于肌音信号的静动态肌肉收缩疲劳特征研究[D]. 章悦.华东理工大学 2017
[2]通信中的若干数字滤波器设计[D]. 周金元.复旦大学 2011
[3]基于神经网络和小波分析的风机故障诊断专家系统[D]. 米江.南京航空航天大学 2010
[4]表面肌电信号的特征提取与模式分类研究[D]. 邱青菊.上海交通大学 2009



本文编号：3633381