本文主要研究内容
作者蒋文都（2019）在《基于肌音信号非线性特征分析的静态肌肉疲劳研究》一文中研究指出：肌肉疲劳是肌肉做功能力降低的体现,在人体锻炼、康复训练和职业病预防等方面得到研究应用。肌音信号(MMG)是反映肌纤维收缩时的力学振动特性的非线性信号,能定量评估和诊断肌肉疲劳。本课题通过研究站立静态耸肩时上斜方肌的肌音信号,寻找肌音信号的非线性动力学特征与肌肉疲劳的关系。本课题采集了10名健康的受试者在以50%最大随意收缩力(MVC)的恒力做耸肩静态动作时上斜方肌的肌音信号,对获得的肌音信号进行降噪、分段和特征提取,研究特征值趋势与肌肉疲劳的对应关系。在信号降噪中,对三种经验模态分解算法进行了对比研究,采用了一种自适应噪声的完备经验模态分解(CEEMDAN)算法与相关系数相结合的方法;在特性分析中,比较了周期信号、肌音信号和随机信号在非线性动力学分形维数(FD)、LZ复杂度(LZC)、最大李雅普诺夫指数(MLE)和模糊熵(FEN)四种特征中的特性;在特征提取中,利用四种非线性动力学特征对上斜方肌肌肉静态收缩过程中的疲劳状态进行分析,并与时域特征中值频率(MDF)和平均功率频率(MPF)进行比较。研究结果表明,基于CEEMDAN算法和相关系数相结合的降噪方法效果显著;肌音信号是具有混沌特征的非线性、非平稳信号,肌音信号的非线性特征均介于周期信号和随机信号之间;肌音信号的FD、LZC、MLE和FEN随肌肉疲劳程度的增加呈现近似线性下降的趋势,在肌肉疲劳评估中与中值频率(MDF)和平均功率频率(MPF)效果相似。因此,作为量化肌肉的疲劳状态,肌音信号的特征除了传统的MDF和MPF外,还可以用FD、LZC、MLE、FEN等非线性特征很好的标志和度量,并在适用度上具有一定的优势,在敏感程度上有一定的理论支撑,为肌音信号在非线性领域评估肌肉疲劳程度提供了新的手段。
Abstract
ji rou pi lao shi ji rou zuo gong neng li jiang di de ti xian ,zai ren ti duan lian 、kang fu xun lian he zhi ye bing yu fang deng fang mian de dao yan jiu ying yong 。ji yin xin hao (MMG)shi fan ying ji qian wei shou su shi de li xue zhen dong te xing de fei xian xing xin hao ,neng ding liang ping gu he zhen duan ji rou pi lao 。ben ke ti tong guo yan jiu zhan li jing tai song jian shi shang xie fang ji de ji yin xin hao ,xun zhao ji yin xin hao de fei xian xing dong li xue te zheng yu ji rou pi lao de guan ji 。ben ke ti cai ji le 10ming jian kang de shou shi zhe zai yi 50%zui da sui yi shou su li (MVC)de heng li zuo song jian jing tai dong zuo shi shang xie fang ji de ji yin xin hao ,dui huo de de ji yin xin hao jin hang jiang zao 、fen duan he te zheng di qu ,yan jiu te zheng zhi qu shi yu ji rou pi lao de dui ying guan ji 。zai xin hao jiang zao zhong ,dui san chong jing yan mo tai fen jie suan fa jin hang le dui bi yan jiu ,cai yong le yi chong zi kuo ying zao sheng de wan bei jing yan mo tai fen jie (CEEMDAN)suan fa yu xiang guan ji shu xiang jie ge de fang fa ;zai te xing fen xi zhong ,bi jiao le zhou ji xin hao 、ji yin xin hao he sui ji xin hao zai fei xian xing dong li xue fen xing wei shu (FD)、LZfu za du (LZC)、zui da li ya pu nuo fu zhi shu (MLE)he mo hu shang (FEN)si chong te zheng zhong de te xing ;zai te zheng di qu zhong ,li yong si chong fei xian xing dong li xue te zheng dui shang xie fang ji ji rou jing tai shou su guo cheng zhong de pi lao zhuang tai jin hang fen xi ,bing yu shi yu te zheng zhong zhi pin lv (MDF)he ping jun gong lv pin lv (MPF)jin hang bi jiao 。yan jiu jie guo biao ming ,ji yu CEEMDANsuan fa he xiang guan ji shu xiang jie ge de jiang zao fang fa xiao guo xian zhe ;ji yin xin hao shi ju you hun dun te zheng de fei xian xing 、fei ping wen xin hao ,ji yin xin hao de fei xian xing te zheng jun jie yu zhou ji xin hao he sui ji xin hao zhi jian ;ji yin xin hao de FD、LZC、MLEhe FENsui ji rou pi lao cheng du de zeng jia cheng xian jin shi xian xing xia jiang de qu shi ,zai ji rou pi lao ping gu zhong yu zhong zhi pin lv (MDF)he ping jun gong lv pin lv (MPF)xiao guo xiang shi 。yin ci ,zuo wei liang hua ji rou de pi lao zhuang tai ,ji yin xin hao de te zheng chu le chuan tong de MDFhe MPFwai ,hai ke yi yong FD、LZC、MLE、FENdeng fei xian xing te zheng hen hao de biao zhi he du liang ,bing zai kuo yong du shang ju you yi ding de you shi ,zai min gan cheng du shang you yi ding de li lun zhi cheng ,wei ji yin xin hao zai fei xian xing ling yu ping gu ji rou pi lao cheng du di gong le xin de shou duan 。
论文参考文献
论文详细介绍
论文作者分别是来自华东理工大学的蒋文都，发表于刊物华东理工大学2019-07-16论文，是一篇关于肌音信号论文,肌肉疲劳论文,信号降噪论文,分形维数论文,复杂度论文,最大李雅普诺夫指数论文,模糊熵论文,华东理工大学2019-07-16论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自华东理工大学2019-07-16论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：肌音信号论文; 肌肉疲劳论文; 信号降噪论文; 分形维数论文; 复杂度论文; 最大李雅普诺夫指数论文; 模糊熵论文; 华东理工大学2019-07-16论文;