基于小波包能量分析的肌肉疲劳识别方法

• 作者: 张冬晔 张琰 荣瑶 郝冬梅
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 关键词: 表面肌电信号 小波包变换 BP神经网络 支持向量机 肌肉疲劳
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 论著
• 页码范围: 579-585
• 页数: 7页
• 分类号: R318.04
• 字数: 4351字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2012.06.07

摘要

目的 由于肌肉疲劳常与肌肉骨骼的功能失调有关,肌电信号可以反映肌肉作用力的信息,因此本文研究了一种利用某些频带上的能量特征,识别最大自主握力(maximum volunteer contraction,MVC)和疲劳状态下肌电信号的方法.方法 实验记录10名年轻男子右上肢主动收缩时的表面肌电信号,并对表面肌电进行小波包变换得到第3层和第4层各节点的分解系数,由此计算各节点相应频段能量并且归一化后作为特征向量,最后将特征向量分别通过BP神经网络和支持向量机两种分类器完成识别.结果 用3块前臂肌肉的表面肌电信号,通过4层小波包变换和BP神经网络的分类器对疲劳和最大自主握力状态的识别效果最好,利用7倍交叉检验方法得到87.5％的正确率.结论 基于小波包能量分析的肌肉疲劳识别方法可有效检测肌肉收缩的不同状态.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝冬梅	北京工业大学生命科学与生物工程学院	48	285	7.0	15.0
2	张琰	北京工业大学生命科学与生物工程学院	2	10	2.0	2.0
3	荣瑶	北京工业大学生命科学与生物工程学院	1	6	1.0	1.0
4	张冬晔	北京工业大学生命科学与生物工程学院	2	10	2.0	2.0