基于肌音信号短时傅里叶变换的桡侧腕屈肌疲劳程度研究

发布时间：2019-10-12 11:58

【摘要】：肌肉疲劳是由运动引起的肌肉最大随意收缩力减小的现象,其研究可应用于生理医学的职业病预防或体育工程的运动员训练等方面。本文采用短时傅里叶变换对肌音信号进行处理,提取频域特征平均功率频率(Mean Power Frequency,MPF)和中值频率(Median Frequency,MDF),研究其与肌肉疲劳程度之间的关系。9名健康的男性志愿者参与了本次试验,采用等值于60%最大随意收缩力(MVC)的力产生恒力肌肉疲劳,同步记录每一位受试者桡侧腕屈肌的肌音信号,对提取的频域参数进行分析。将持续30s的肌肉疲劳过程分为6个时间阶段(每个阶段为5s),并对每个时间阶段内的MPF和MDF计算均值。结果表明,随着肌肉疲劳程度加深,肌音信号的MPF和MDF在每个时间阶段内的均值均呈现近似线性下降的趋势。在30s肌肉疲劳过程中,从第1阶段(1~5s)到第6阶段(26~30s),MPF均值下降了15.8%,MDF均值下降了26.1%。基于短时傅里叶变换提取的MPF和MDF指标能良好地反映疲劳敏感性和稳定性,在评定肌肉静态疲劳方面是较好的参考指标。本文采用的方法和得到的结果为后期更深入地使用肌音信号对肌肉疲劳程度进行量化研究提供了依据。
【图文】：

桡侧腕屈肌,疲劳试验

华东理工大学学报（自然科学版）第４３卷通滤波器保留有效频段的肌音信号。对肌音信号选取不同的小波母函数进行小波阈值去噪实验后，根据信噪比（ＳＮＲ）和均方误差（ＭＳＥ）两个指标进行综合考虑［１５－１６］，根据Ｄａｕｂｅｃｈｉｅｓ９（ｄｂ９）小波和Ｒｉｇｒｓｕｒｅ阈值选取方法，以及第１层的系数进行噪声层的估计来调整阈值以获得较好的去噪效果。应用上述方法对采集到的各个受试者的肌音信号进行预处理，获得的肌音信号如图２所示。图１受试者进行桡侧腕屈肌疲劳试验Ｆｉｇ．１Ｓｕｂｊｅｃｔｉｎｔｈｅｅｘｐｅｒｉｍｅｎｔｏｆｆｌｅｘｏｒｃａｒｐｉｒａｄｉａｌｉｓｆａｔｉｇｕｅ图２持续恒定握力过程中桡侧腕屈肌的肌音信号Ｆｉｇ．２ＭＭＧｉｎｔｈｅｄｕｒａｔｉｏｎｏｆｆｌｅｘｏｒｃａｒｐｉｒａｄｉａｌｉｓｉｎｃｏｎｓｔａｎｔｆｏｒｃｅ２桡侧腕屈肌疲劳的肌音信号短时傅里叶变换与特征提取在信号处理过程中利用傅里叶变换进行分析，能量频谱将表明信号的某些特征，，例如频率的峰值，但无从了解时间。因此，最简单也是最直接的处理方法是对信号采用分段处理，利用分段信号的傅里叶变换，实现对信号的时频局域性分析。时频分析法既能保持傅里叶变换的优点，又能弥补其不足。时频分析方法有线性时频表示和双线性时频表示两种，短时傅里叶变换就是一种常见的线性时频表示。其本质是加窗的傅里叶变换，随着时间窗的移动而形成信号的一种时频表示。对于某一信号ｓ（ｔ），给定一个时间宽度很短的窗函数，让窗滑动，则信号的短时傅里叶变换为ＳＴＦＴ（ｔ，ｆ）＝∫∞－∞ｓ（τ）ｈ＊（τ－ｔ）ｅ－ｊ２π

桡侧腕屈肌,握力,信号,时频表示

华东理工大学学报（自然科学版）第４３卷通滤波器保留有效频段的肌音信号。对肌音信号选取不同的小波母函数进行小波阈值去噪实验后，根据信噪比（ＳＮＲ）和均方误差（ＭＳＥ）两个指标进行综合考虑［１５－１６］，根据Ｄａｕｂｅｃｈｉｅｓ９（ｄｂ９）小波和Ｒｉｇｒｓｕｒｅ阈值选取方法，以及第１层的系数进行噪声层的估计来调整阈值以获得较好的去噪效果。应用上述方法对采集到的各个受试者的肌音信号进行预处理，获得的肌音信号如图２所示。图１受试者进行桡侧腕屈肌疲劳试验Ｆｉｇ．１Ｓｕｂｊｅｃｔｉｎｔｈｅｅｘｐｅｒｉｍｅｎｔｏｆｆｌｅｘｏｒｃａｒｐｉｒａｄｉａｌｉｓｆａｔｉｇｕｅ图２持续恒定握力过程中桡侧腕屈肌的肌音信号Ｆｉｇ．２ＭＭＧｉｎｔｈｅｄｕｒａｔｉｏｎｏｆｆｌｅｘｏｒｃａｒｐｉｒａｄｉａｌｉｓｉｎｃｏｎｓｔａｎｔｆｏｒｃｅ２桡侧腕屈肌疲劳的肌音信号短时傅里叶变换与特征提取在信号处理过程中利用傅里叶变换进行分析，能量频谱将表明信号的某些特征，例如频率的峰值，但无从了解时间。因此，最简单也是最直接的处理方法是对信号采用分段处理，利用分段信号的傅里叶变换，实现对信号的时频局域性分析。时频分析法既能保持傅里叶变换的优点，又能弥补其不足。时频分析方法有线性时频表示和双线性时频表示两种，短时傅里叶变换就是一种常见的线性时频表示。其本质是加窗的傅里叶变换，随着时间窗的移动而形成信号的一种时频表示。对于某一信号ｓ（ｔ），给定一个时间宽度很短的窗函数，让窗滑动，则信号的短时傅里叶变换为ＳＴＦＴ（ｔ，ｆ）＝∫∞－∞ｓ（τ）ｈ＊（τ－ｔ）ｅ－ｊ２π
【作者单位】：华东理工大学机械与动力工程学院;
【分类号】：R318

【相似文献】