人体下肢表面肌电信号的检测与分析

人体步行时下肢肌电信号 (EMG)活跃 ,为研究步态周期内 EMG随路况的变化趋势 ,采用了下肢表面 EMG8通道检测装置进行了实验 ,对多人在 6种路况 (或步速 )下行走时的下肢 EMG进行了检测和分析。实验结果表明 ,步行时下肢肌肉活动有一定的规律性 ;各路况信号开始及持续时间、信号绝对值平均、中频等特征值区分明显 ,可以将其应用于智能肌电控制假肢路况模式辨识     

人体行走过程中上肢运动仿真及生物力学特征分析

为了分析人体行走过程中上肢运动状态的影响因素,对正常步态下人体上肢运动仿真模型与理想单摆模型进行了对比分析.以7名(4男,3女)步态无异常的志愿者为研究对象,采集人体测量学参数,建立上肢理想单摆模型.采用运动捕捉系统及肌电测量系统,对志愿者常速(1.2 m/s)步行下的上肢运动以及肩关节周围6组肌肉的肌电信号进行同步测量,并基于所测运动学参数对人体行走中上肢运动进行仿真,计算实际肩关节角位移和角速度,分析相关肌肉的肌电信号特征.理想模型与实际测量结果比较表明,不同志愿者在同速行走过程中上肢的摆动周期相近,各相关肌肉肌电信号随摆臂而周期性变化,上肢实际最大摆动角速度均大于理想单摆角速度.证明摆臂过程中肩关节周围相关肌群驱动力大于肩关节阻尼.     

基于表面肌电信号参数的人体上肢运动研究

根据检测得到的右上肢主肌肉群的肌电信号,探讨了人体右上肢主肌肉群的肌肉功能状态和男性与女性之间肌肉功能状态的差别.20位实验者右上肢完成13个基本动作,对三角肌、肱二头肌、肱三头肌、掌长肌和指伸肌五块肌肉进行肌电采集,用SPSS 14.0软件时特征参数平均振幅(AEMG)和积分肌电(IEMG)进行数据处理.结果表明:完成不同的日常生活活动,肌肉的活跃程度存在着一定的相似性和差异性;男性以增强指伸肌和三角肌为主,女性则以掌长肌和三角肌为主.实验数据可为老年人和残疾人康复训练及肌电信号控制提供一定的理论依据和指导作用.     

不同路况下正常步态特征研究

为系统研究人体步态随路况的变化 ,利用人体运动分析系统采集了多个健康人在上下坡、上下楼梯、平地等路况下行走时的位移 -时间和地面受力数据 ,并利用人体下肢刚体动力学模型 ,计算了各路况下髋、膝、踝关节所需力矩。分析结果表明 ,各路况下人体步态差异很大 ,各关节所提供的力矩各不相同。支撑期上楼梯时所需膝力矩最大 ,摆动期上楼梯和上坡时所需膝力矩均较大。各种情况下不仅力矩的数值不同 ,而且力矩的模式也有很大差异。这些数值结果为了解人体运动规律 ,分析异常步态以及康复方法提供了依据     

一种外骨骼式康复机器人训练效果仿真

针对外骨骼式下肢康复机器人训练有效性的问题,开展了基于人体生物力学软件Any Body的康复训练仿真实验研究.通过人体动作捕捉实验,获取一成年男子在正常步行时的运动学信息,利用Any Body建立人体步行模型,并以下肢肌肉受力情况为依据确定下肢主要肌肉群.建立人-机系统模型,借助Hill方程,以人体下肢肌肉收缩速率作为判断标准,通过模拟实现矢状面内运动的外骨骼式下肢康复机器人的康复运动,获取下肢主要肌肉的收缩速率变化情况,并将其与正常步行时的肌肉收缩速率进行比较与分析.结果表明,两种情况下大腿肌肉群的收缩速率变化情况基本一致,小腿与髋部肌肉群差异较明显.改进外骨骼结构,使其能够同时实现在冠状面内的运动,比较在两种结构下的下肢主要肌肉收缩速率变化情况,结果表明髋部肌肉产生了较为明显的波动.因此,能实现矢状面内运动的外骨骼式下肢康复机器人能够有效训练大腿肌肉群,但对小腿与髋部肌肉的训练效果不明显,加入冠状面运动后,能提高对髋部肌肉的训练效果.     

下肢外骨骼康复机器人步态规划方法的研究

针对脑卒中偏瘫患者,依据正常人髋、膝关节运动数据建立人体关节数学模型。将Brunnstromc与训练过程中下肢肌肉表面肌电信号的变化相结合,规划出对不同患者具有适用性、针对性的人体生理学训练步态。在Visual C++开发环境下获取患者自身健康腿的关节运动数据,并结合Matcom实现混合编程,可避免医疗师将数据提取再用Matlab进行处理的过程;同时由于下肢具有的步态对称性,可作为步态协调性康复训练的参考模型。结果表明通过多方面的结合及应用,加深了对步态规划方法的认识与理解,也为康复训练临床试验及寻求更稳定合理的步态规划提供了借鉴作用。     

试探3种步态特性脑性瘫痪儿童下肢肌肉相关性

为探讨不同步态特性脑瘫患者下肢肌肉相关性,并分析不同步态特性患者之间的差异及相似性,为基础和临床研究脑瘫儿童及治疗、康复训练提供参考依据,本研究选取深圳市残疾人康复中心的22例脑瘫儿童(平均年龄(5.8±2.0)岁)、患者及家长自愿完成实验,根据专业临床医生诊断将患者分为3组,包括8例痉挛步态脑瘫患者、9例偏瘫步态脑瘫患者及5例其他步态脑瘫患者,3组在性别、年龄、智力、社会适应行为能力、粗大运动动能及平衡能力上无显著性差异(P0.05)。测试者沿5m平台自由行走,采用美国MP150肌电采集分析系统,同时采集脑瘫儿童下肢胫骨前肌和腓肠肌表面肌电信号,并进行肌张力测试。使用SPSS19.0进行数据提取和实验结果相关性分析。结果表明,3组步态特性脑瘫患者下肢肌肉之间具有显著的差异性,痉挛特性与其他特性抑制了脑瘫患儿下肢肌群协调性,偏瘫特性患者下肢肌肉协调性较高,这种差异性为对不同特性脑瘫患儿采取不同的治疗方式提供理论依据。     

基于双向长短时记忆神经网络的步态时空参数脑肌电解码方法

针对脑电(EEG)信号对连续步态轨迹解码结果与实际轨迹相关性低的问题,提出一种基于双向长短时记忆(BiLSTM)神经网络的步态参数解码方法。首先,构建基于双向长短时记忆神经网络的步态时空参数解码模型,根据脑肌电信号特性设计解码模型的超参数;其次,同步采集脑电、下肢运动相关肌肉的表面肌电信号(sEMG)和下肢关节运动信号,并对脑电和表面肌电信号的步态相关特征进行分析;然后,以多通道脑电和下肢运动相关表面肌电信号作为解码模型的输入,自动提取脑肌电融合信号中步态相关特征并构建膝踝关节运动轨迹与特征之间的非线性回归模型;最后,以多通道脑电作为解码模型的输入,构建步态相关脑电信号和表面肌电信号之间的非线性回归模型。实验结果表明：所提方法与传统支持向量机方法相比,对踝关节解码轨迹与实测轨迹形状相似性Pearson相关系数提高了0.12;与单独采用脑电、表面肌电信号和脑肌电信号平均绝对值特征融合信号进行解码方法相比,对踝关节解码轨迹与实测轨迹形状相似性Pearson相关系数分别提高了0.81、0.19和0.63。该方法可实现从脑电信号中对部分表面肌电信号波形的解码,解码波形和实测波形的平均Pears...     

人体下肢行走关节连续运动表面肌电解码方法

为实现人体下肢步态动作的连续识别,提出了一种利用表面肌电信号进行下肢关节运动角度连续解码的方法。首先利用光学运动捕捉实现下肢关节运动角度的计算,然后采集下肢运动相关主力肌肉的表面肌电信号并提取其活动强度信息;在此基础上,基于受限玻尔兹曼机构建深度自动编码器(DAE),实现多路表面肌电信号强度时间序列的低维空间编码和最优特征提取;最后,利用BP神经网络建立特征量与关节矢状面运动角度之间的非线性回归模型。实验结果表明:该方法提取的信号特征信息优于传统的主量分析方法,采用提出的模型能够更精确地估计下肢关节连续运动角度,其估计值与真实值的均方误差较传统方法降低25%~35%。研究结果为人机交互接口技术的开发、实现下肢可穿戴智能装备的生物电连续控制、提高人机运动平稳性奠定了基础。     

人体下肢运动协调模型

人体在行走、奔跑等运动时,在运动神经中枢的支配下,下肢运动存在一定的协调关系.这种协调性是生物进化和后天学习的结果,它使人体运动更加灵活、高效.研究健康人体的下肢运动协调性对于中风病人的康复治疗、足式机器人的步态规划、外骨骼机器人等助力设备的人机协同控制等领域具有重要意义.目前人体下肢协调性的研究仍比较初级,多停留在现...     

步行中下肢关节动力学以及表面肌电的研究综述

步行是我们日常生活中最为普遍的运动,要想深入地了解这项运动,必须对行走过程中控制人体运动的关节力矩进行分析。单纯的运动学或动力学研究不能准确揭示出人体步态所蕴藏的生命信息,因此,从关节动力学角度结合表面肌电研究人体步态已成为当前研究的热点。通过多环节运动的动力学方法可对下肢关节动力学指标进行分析与探讨。目的：综述人体运动中下肢关节力矩、关节功率等关节动力学参数变化,以及肌电相关指标的变化。方法：检索PubMed和中国知网数据库中有关步行时下肢关节动力学的文章。英文检索词为Joint kinetics;Walking;sEMG,中文检索词为“关节动力学;步行;表面肌电。”结果与结论：目前对于人体步行中下肢关节动力学的研究：在研究指标上,单一指标的研究较多,多指标的综合研究不足。在研究对象上,针对青年人群和步行障碍患者的研究比较多,对老年人和儿童的相关报到较少。在研究内容上,针对背部负重行走的步态研究居多,对负重损伤的力学机制研究较少,在研究结果上,一些结论之间相互矛盾,负重影响人体步态的确切机制仍然模糊不清。     

康复用下肢外骨骼结构设计与仿真

针对现有康复用下肢外骨骼普遍质量偏重,人机协调性较差的问题,根据人体行走步态特征设计了一套康复用下肢外骨骼.选用伺服电机和滚珠丝杠的直线执行机构,运动方式更接近于人体下肢骨骼运动;大量使用碳纤维和航空铝材料,降低了装置的质量;设计无级可调结构,保证了人机协调性.动力学仿真表明,人体穿戴该装置后,能够按照正常的步态完成行走过程,该装置的设计合理.     

利用表面肌电信号的下肢动态关节力矩预测模型

为实现表面肌电信号的下肢关节力矩动态解码,建立了从表面肌电信号到关节力矩输出的人体下肢运动系统正向生物力学模型。首先,从幅值和频率两个角度建立表面肌电信号到骨骼肌激活程度模型;其次,根据肌丝滑移理论,构建反映骨骼肌生理结构和微观力学特性的肌肉力模型,同时确定活动肌肉拉力线方向及力作用点位移矢量,将骨骼肌力转换到关节力矩;最后,以牛顿-欧拉逆动力学方法获得关节力矩作为准确值,给出正向生物力学模型参数动态标定方法。在模型基础上,对4名对象进行随意步态下膝关节屈伸动态力矩预测试验,结果表明:所建模型对步态行走下的膝关节动态关节力矩具有很好的动态跟踪性能,最大绝对误差为(11.0±1.32)N·m,平均残差为(4.43±0.698)N·m,预测值与准确值之间的平均线性相关系数为0.927±0.042,验证了该方法的正确性和有效性;可为康复训练机器人人机协同过程中的力学交互模式研究提供接口。     

基于肌电信号的下肢关节连续运动预测

为研究不同运动模式下基于肌电信号的下肢多关节连续运动预测,通过支持向量机对肌电-运动的映射关系进行训练,实现对下肢髋、膝和踝3个关节矢状面内的连续运动预测.由10位健康受试者的运动预测和统计分析可知:在适速行走过程中,髋、膝和踝关节的关节角度预测均方根误差分别9.36°,10.82°和6.87°;在不同运动模式下,关节的运动预测值与测量值之间均表现出一定的相关性,其中,膝和髋关节的预测值与测量值之间相关系数均大于0.72,表现出比较明显的相关性.实验结果表明:基于肌电信号进行下肢多关节连续运动预测,尤其是在适速行走时对膝和髋关节的运动预测是可行的.     

基于肌电信号的人体下肢运动意图映射研究进展

智能下肢假肢与下肢外骨骼是肢体功能障碍者恢复日常运动的重要手段。基于肌电信号的直接意图控制是其自适应、自主控制的关键技术之一。针对此问题,阐述了基于肌电信号的人体下肢运动意图映射研究进展,包括比例肌电法、肌骨模型法和人工智能算法,讨论了基于肌电信号的人体运动意图映射研究所面临的主要问题。最后,对该领域未来发展方向进行了展望和总结。     

基于最大摩擦因数的下肢肌无力者滑跌步态特性分析

针对老年人行走过程滑跌现象的频繁发生,提出了利用改进的所需最大摩擦因数及COM(center of mass)波动值来分析滑跌过程的方法.该方法以基于Kane方程的仿生下肢行走动力学模型为基础,能够实现行走过程动力学参数值的快速检测,能对行走过程的任一瞬时平衡状态进行分析,并据此判断和验证滑动和跌倒过程的临界值,建立了老年人滑跌步态的理论基础.通过肌力正常与肌无力老年人的行走步态实验数据比较,下肢肌力不足的老年人,因其神经肌肉控制力下降,步态姿势趋于不稳定,发生滑倒的概率更高.步态分析实验数据表明,该方法能够对滑跌过程进行准确描述.     

一种基于卷积神经网络的下肢动作模式识别方法

针对目前下肢动作模式识别技术存在的数据量少、识别率低的问题,提出了一种新的基于卷积神经网络的下肢动作模式识别方法。以下肢步态动作识别为对象,采集无负重平地行走,无负重上/下楼及负重上/下楼5种步态的表面肌电信号（surface electromyography,sEMG）,对sEMG进行特征提取,构建了一种以特征集作为输入的卷积神经网络,并比较了其与另外几种传统分类识别方法的识别准确率和工作特征。实验结果表明,新方法对于5种步态的平均识别准确率大于95%,错误率都低于8%,具有较高的准确性。因此所提方法的输入特征集更能代表预测模型特征,模式识别率更高,可为康复医疗机器人、助力机器人等设备改善下肢运动功能提供参考。     

基于超声图像的运动肌肉疲劳研究?

分析了运动肌肉疲劳前后肌肉形态结构参数的变化,为运动肌肉疲劳评价提供参考.文中应用B型超声技术,测量9名男性志愿者在递增负荷功率自行车运动疲劳前后下肢肌肉的肌肉厚度、羽状角并对其进行分析.结果表明功率自行车运动疲劳后,不同被测肌肉的肌肉厚度、羽状角较疲劳前显著增加(P0.05),其中大腿股外侧肌、股内侧肌的厚度变化率、羽状角变化率较大.得出了运动肌肉疲劳前后肌肉的肌肉厚度和羽状角发生变化,提示其可结合传统的表面肌电信号评估肌肉疲劳.     

人体在向后滑倒时平衡调节能力的生物力学研究

通过分析从坐到站及行走过程中多次平衡干扰对滑倒的调节效果,从运动生物力学的角度,探究在有外部干扰及疲劳滑动状态下对人体平衡能力的影响以及差异性.利用动态滑轨在受试者完成坐起动作和正常向前行走时产生突然的向前运动,使受试者产生向后跌倒的趋势.运用Noraxon表面肌电测试系统、Kistler三维测力台、BTS三维红外动作捕捉系统,以及Ariel录像分析系统,同步记录受试者在正常坐起及向后滑倒过程中的运动学、动力学和肌电参数.运用Biodex多关节等速肌力测试系统实现下肢关节肌肉的疲劳.结果表明:有效的质心调节可以使人体在遇到突然的向后滑动时保持相对稳定状态,使身体不至于产生较大的波动,充分的下肢支撑以及有效的上肢关节的调节是避免滑倒的关键.在从坐到站及人体行走过程中,地面反作用力、压力中心移动范围的值相比无干扰状态下显著增加.在从坐到站过程中突然滑动测力台,腓肠肌内侧、股二头肌,胫骨前肌和股直肌的积分肌电值较无干扰状态有了显著的增加.人体在疲劳状态下,腓肠肌内侧和股直肌肌电值明显增加.在滑台上多次的滑动训练可以提高人体平衡能力.模拟跌倒的测试可以评估人体的跌倒风险,对于老年人跌倒风险的评估也有一定的意义.      

基于躯干肌肉活动监测的手部行为识别

为解决某些手部工作意图不能由手部的运动和肌肉行为来反映的问题,拟通过监测部分躯干肌肉的协作方式,识别手部行为意图.因此在限定任务的情况下,设计了伴有单手操作的弯伸腰实验.同步采集全身运动信号和一组椎旁肌肌电信号.调整、选择肌电信号的两步聚类细分程度.作为双向长短时神经网络的输入信号,肌肉组行为标注步骤的F1平均值为91.37％.最终确认,从躯干肌肉群行为抽取的编码可作为信号源,识别手部精确控制、维持平衡等意图.