[發明專利]利用肌電信號邊際譜熵提取肌肉疲勞特征的方法和裝置

有效

• 申請號: 201710516492.3
• 申請日: 2017-06-29
• 公開（公告）號: CN107320097B
• 公開（公告）日: 2020-05-01
• 發明（設計）人: 王勇;侯言旭;吳平平;胡保華
• 申請（專利權）人: 合肥工業大學
• 主分類號: A61B5/0488
• 分類號: A61B5/0488
• 代理公司: 合肥興東知識產權代理有限公司 34148
• 代理人: 胡東升

本發明公開了一種利用肌電信號邊際譜熵提取肌肉疲勞特征的方法和裝置，該方法包括以下步驟：a、將采集到的肌電信號存入數組sEMG[CE]中；b、利用希爾伯特黃變換時頻分析方法結合信息熵理論，對采集到數組sEMG[CE]中的肌電信號提取邊際譜熵特征；c、將上述邊際譜熵值存入數組HHE[CH]中，定義HHE[CE]為一幀數據，數組HHE[CH]用來按照先進先出方式存放邊際譜熵；以及d、重復上述步驟a、b和c，存滿數組HHE[CH]，將存滿后的數組HHE[CH]作為肌肉疲勞特征，以用于肌肉疲勞判斷。采用上述方法判斷肌肉疲勞，基于邊際譜熵的肌肉疲勞指標，計算快速，數據長度穩健性好，評估肌肉疲勞可靠性強，抗噪性能好。

技術領域

本發明涉及一種利用肌電信號評估肌肉疲勞的方法，尤其涉及一種利用肌電信號邊際譜熵提取肌肉疲勞特征的方法和提取肌肉疲勞裝置。

背景技術

肌肉疲勞是一種復雜的生理現象，其發生機理及其復雜，涉及中樞神經系統，肌肉能量代謝，血液中供氧量等，嚴重的肌肉疲勞會導致肌肉不可恢復的損傷。

肌肉疲勞的評估和監測對預防運動過量導致的肌肉疲勞損傷有重要意義，廣泛用于臨床醫學、康復醫學、體育科學、以及人類工效學等領域。

表面肌電信號(sEMG)是一種反應神經、肌肉系統功能與狀態的非平穩時變生物電信號，其信號特征從不同方面、不同程度反映了肌肉疲勞相關過程，因此sEMG在肌肉疲勞評估中發揮著重要作用。研究表明，肌電信號的部分特征值伴隨著肌肉疲勞的發生有明顯的變化趨勢，因此利用肌電信號評估肌肉疲勞關鍵的工作之一是從肌電信號中提取有效的特征值，要求該特征值應能伴隨著肌肉疲勞的發生具有穩定的變化趨勢。

目前，利用肌電信號評估肌肉疲勞的課題中，對肌電信號特征值提取主要集中在時域和頻域，時域特征多用均方根RMS，肌電積分值IEMG，均值AVG等；頻域特征多使用中值頻率MPF，均值頻率MPF。但時域特征與頻域特征的算法穩定性和聚類性仍有提升的空間。

此外例如模糊近似熵、樣本熵、小波熵等非線性特征值也有應用于肌肉疲勞的研究，也取得了一些進展。但目前大多非線性指標存在預先才選擇參數以及計算復雜度高的缺點，例如應用較多的近似熵，需要實現根據信號的先驗信息確定算法容限，同時信號長度會對特征值穩定性產生影響。樣本熵是在近似熵基礎上改進產生，具有更好的數據長度穩健性，但容限選擇失誤會導致在短數據時出現無定義的情況。

模糊近似熵用模糊集代替二值分類函數，使其具有更好的可靠性、抗噪性，但模糊近似熵必須計算每個距離矢量的隸屬度函數，增加了算法的時間復雜度。

小波熵需事先選定小波基函數，而往往小波基函數的很大程度上決定了小波熵的效果。因此，在用于肌肉疲勞的特征值提取課題中，需要一種自適應、穩定性高又兼備良好的算法復雜度特征提取方法。

利用肌電信號評估肌肉疲勞較其他肌電信號應用領域又有其特殊之處，利用肌電信號評估肌肉疲勞不同于肌電信號起始點檢測目的在于檢測肌電信號中某點的突變值；也有別于利用肌電信號進行疾病診斷，疾病診斷是對待測信號的整段提取特征值，目的是使正常信號和病理信號差異性最大。而肌肉疲勞本身是一個過程，需要對這一過程的每時段肌電信號進行特征值提取，通過特征值的變化趨勢來評估肌肉疲勞，因此特征值需伴隨肌肉疲勞的產生具有確定性的變化趨勢，并且要求變化趨勢具有良好的一致性和可重復性。

發明內容

鑒于以上現有評估肌肉疲勞方法的缺點，本發明的目的在于提供一種利用肌電信號邊際譜熵提取肌肉疲勞特征的方法，以使提取的特征值的變化趨勢具有良好的一致性和可重復性。

本發明還提供了一種提取肌肉疲勞特征的裝置，以使提取的特征值的變化趨勢具有良好的一致性和可重復性。