膝關節屈運動相關肌肉表面肌電信號研究

張淑芳 韓 君 胡 波 由 佳 穆海芳

（宿州學院機械與電子工程學院，安徽 宿州234000）

1 表征膝關節屈運動相關數學模型

1.1 模型參數選擇

1.1.1 在時域，我們選擇信號其自身的均方根值是一種參數，均方根值如果不斷的提升那么也就顯示出信號強度以及信噪比要大一些，同時可以提升識別過程中也更加的精準。

1.1.2 在頻域，我們可以把信號其自身所具備的功率譜直方圖當成是一種核心的參數，其會伴隨著功率的提升而不斷提升，并且也展現出了肌肉越其自身的活性，同時也可以表征關節產生的運動。

1.1.3 在測試人體的sEMG 信號時，需要使用電極將其傳輸到檢測的電路中，而這一過程的完成需要有電極片和肌肉貼相互融合使用。其中有一部分的肌肉因為形成比較狹長，而有一部分肌肉則是處在皮膚的深層，因此，如果想要使得貼片保持服帖還是有一定困難的。因此，如何在測量的過程中平衡測量的程度也成為了本文研究模型中所不能夠缺少的一項參數。

1.2 數學模型

為了能夠讓研究的準確度得到提升因此需要獲得一個比較適合的表征膝關節屈運動肌肉，由此也就提出了與表征膝關節屈運動能夠相契合的一種數學模型，因此需要尋找幾個指標去為模型服務，而這幾個指標主要為幅值與能量，和具體測試的便捷程度。

數學模型為：

其中k 顯示的是膝關節屈運動相互掛念的肌肉，而這些肌肉主要包含了：股四頭肌與股直肌，同時還可能是股中間肌以及股二頭肌等。t（k）其顯示的一種域指標，f（k）則其本身顯示的是一種頻域指標，m（k）其顯示的則是一種測量所需要的簡易指標。W 為權重其自身的向量。因此要想完成本文的研究還需要對于多個不同部分的相關指標進行設置。

1.2.1 均方根值指標。在時域，使得信號的均方根值將其當成是一種重要的評價指標，為了能夠把不同肌肉在松弛狀態下出現的影響徹底的排除，我們則要求對于針對均方根值去進行適當的量化，則：

其中x（i）屬于采集到的數值，同時其屬于肌肉平伸狀態下sEMG 的最大值，Amax為最小值。

1.2.2 功率指標。對濾波之后的sEMG 信號去進行功率譜的分析，除此之外還能夠參照sEMG 信號其顯示出的功率譜去完成直方圖的繪制，針對sEM號功率當前的分布情況進行有效分析。

1.2.3 測量簡易指標。針對測量肌肉的不同，我們需要按照貼片電極放置的具體難易程度進行測量，因此在測量過程中出現的干擾因素也是有所差異的，最后按照測量獲得的難易程度將其具體的分為0～1。

2 肌電信號采集與去噪

2.1 肌電信號的采集

表面肌電信號并不是很強，其電壓值則保持在50 到2000 uv 之間。除此之外采集電路還要求放大信號，同時完成濾波和工頻的陷波。通過研究獲得的原始肌電信號（軟件濾波后），這一肌電信號已經完成了硬件電路的低通以及高通還有工頻濾波，但是盡管是這樣我們在圖中仍然能夠比較明顯的看出，其中還是涵蓋了非常多的噪聲。

2.2 小波去噪

小波變換一種視頻分析方法，并且還能夠使得時間窗口與頻率窗口產生變化。它不但可以展現出當前全部頻率下信號其整體展現出的時域特點，并且還提供了和這一頻率段相對的與研究相關的時間信息。除此之外，小波變換不論是在高頻帶亦或是在低頻段其所擁有的分辨率都是很高的，在低頻高分辨率。 低頻帶具有高頻分辨率和低頻分辨率，并且在時頻域中具有很強的局部特征。

表面肌電信號可以表示為：

其中s（i）其本身是擁有噪聲的一種sEMG 信號，x（i）其大表的是一種能夠被使用到的信號，e（i）則代表的是噪聲信號。通過s（i）的小波對其進行分解，噪聲與噪聲經常會出現在比較較高的一種頻率里。總的來說，能夠使用選擇單獨的閾值去對分解之后的小波系數進行處置，然后完成信號的重組，通過這樣的方式去使得去噪效果得以達成。將Labview與Matlab 結合共同完成應用去完成去噪處理的流程圖（圖1）

圖1 Labview 小波去噪流程圖

小波變換在高頻段仍然還存在相對比較高的一種時間分辨率，所以，小波變換在非平穩信號的去噪以及特征提取領域里進行的使用是非常寬廣的。

表面肌電信號可以表示為：

其中是s（i）其中包含噪聲的sEMG 信號，x（i）則是一種比較有用的信號，e（i）其代表的是噪聲信號，利用Labview 結合Matlab 進行去噪處理，處理流程圖（如圖1）。

得到sEMG 信號去噪后的波形圖（如圖2）。

圖2 經小波去噪后的股直肌信號

3 實驗與模型的驗證

3.1 實驗說明

在將實驗內容確認后則進行研究。本次研究一共選擇了9名志愿者，志愿者的年齡分布在18 到35 歲，并且全部不存在運動神經類的疾病；而在研究的八年中，前臂并未產生扭傷和運動損傷以及斷裂等會對運動功能產生影響的傷病；最近幾天也并未做過任何的劇烈運動；同時患者的肌肉并未產生酸痛與不適感；研究志愿者中沒有敏感皮膚。

該次實驗選擇的器材包含了：單道的生理參數記錄儀和Agcl 電極等；本次實驗的目的是對于膝關節屈運動相關肌肉的sEMG 信號進行收集，通過這樣的方式去獲得大表膝關節屈運動的肌肉。

3.2 實驗數據

不同肌肉經過去噪之后的波形圖和功率譜直方圖參見圖2。

在獲得不同肌肉運動過程中sEMG 信號其自身的均方根值，平伸時的最大值和其自身的最小值。

結束語

本文設置了表征膝關節屈曲運動相關模型，目的是希望能夠找到最有滴啊表現的膝關節運動肌肉，同時本文的研究目的也是為了能夠對該模型的正確性給予驗證。希望本文所進行的研究能夠為選擇肌電控制肌肉提供相關理論參照的同時降低對肌肉數量的控制，在降低數據需求的同時提升計算的速度和精度。