基于微观神经驱动信息的肌力估计方法研究

发布时间：2022-02-19 21:59

　　人类的肢体运动是骨骼在肌肉收缩的牵引下围绕关节运动产生的。测量或估计骨骼肌收缩力是探究运动行为和状态的基础。骨骼肌收缩时会产生肌力和肌电（Electromyogram,EMG）,利用EMG估计肌力是一个广泛而实用的技术。通过EMG分解技术可得到单个运动单位的发放序列和动作电位波形信息（即微观神经驱动信息）,其本质是单个运动神经元接受的来自中枢神经系统的驱动指令。多年来,基于表面肌电（surface EMG,sEMG）信号的宏观特征进行肌力估计的研究已被广泛报道,但基于微观神经驱动信息的肌力估计还未得到很好的研究。使用sEMG的宏观特征进行肌力估计缺乏对肌力产生的内在机制的描述且肌肉持续收缩产生的肌疲劳现象会影响sEMG信号特性,导致肌力估计精度下降。为实现高精度的肌力估计且不受肌肉疲劳的影响,开展了基于微观神经驱动信息的肌力估计研究。主要研究成果与贡献归纳如下:（1）基于微观神经驱动信息的肌力估计方法。该方法首先对预处理后的高密度sEMG使用逐步独立向量剥离算法进行分解,得到各运动单位的动作电位波形和其发放序列,然后采用机器学习方法构建各运动单位的动作电位波形和颤搐力幅度之间的关系,通... 

【文章来源】：中国科学技术大学安徽省211工程院校985工程院校

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 肌肉运动的生理基础
        1.1.1 肌力产生原理及获取方式
        1.1.2 肌电产生原理及获取方式
    1.2 肌力估计研究意义
    1.3 肌力估计研究现状
    1.4 本论文研究目标及研究内容
    1.5 本论文组织架构
第2章 基于表面肌电的肌力估计方法
    2.1 引言
    2.2 表面肌电宏观特征的获取技术
    2.3 微观神经驱动信息的获取技术
    2.4 常用肌力估计模型
    2.5 本章小结
第3章 基于微观神经驱动信息的肌力估计方法
    3.1 引言
    3.2 肌电分解提取微观神经驱动信息
    3.3 肌力估计模型建立
    3.4 实验方案与预处理
        3.4.1 实验对象
        3.4.2 实验数据采集方案
        3.4.3 信号预处理
    3.5 肌力估计性能评估
        3.5.1 肌力估计评估指标及数据样本划分
        3.5.2 肌力估计对比方法
        3.5.3 统计分析方法
    3.6 实验结果与分析
        3.6.1 微观信息提取的结果
        3.6.2 不同方法进行肌力估计的结果
        3.6.3 统计分析的结果
    3.7 总结与讨论
    3.8 本章小结
第4章 基于微观信息的疲劳状态下肌力估计研究
    4.1 引言
    4.2 疲劳实验方案及预处理
        4.2.1 实验对象
        4.2.2 实验数据采集方案
        4.2.3 信号预处理
    4.3 肌力估计性能评估
        4.3.1 肌力估计评估指标及数据样本划分
        4.3.2 统计分析方法
    4.4 实验结果与分析
        4.4.1 表征肌肉疲劳状态的参数
        4.4.2 微观信息提取的结果
        4.4.3 不同方法在疲劳状态下的估计结果
        4.4.4 统计分析的结果
    4.5 总结与讨论
    4.6 本章小结
第5章 总结与展望
    5.1 本文主要工作与成果
    5.2 研究展望
参考文献
致谢
在读期间发表的学术论文与取得的其他研究成果


【参考文献】：
期刊论文
[1]运动性肌肉疲劳的表面肌电信号特征研究[J]. 张佑琏,马国际.  湖北体育科技. 2011(01)
[2]Cybex等速仪对男子铅球运动员胸大肌与三角肌进行检测与分析[J]. 刘玉桥,门伟,颜智.  中国中医药现代远程教育. 2010(09)
[3]肌电信号的功率谱分析方法[J]. 杨广映,罗志增.  传感技术学报. 2004(03)
[4]并行数据采集技术在三维测力系统中的应用[J]. 于岱峰,孙义,宋春宁,马翠玉,徐德波.  北京体育大学学报. 2004(04)

硕士论文
[1]下肢运动状态识别及预测算法研究[D]. 申森.河北工业大学 2014



本文编号：3633691