【摘要】：在采用SEMG信號評價肌肉疲勞時,存在兩點不足:首先,SEMG信號屬于微弱信號,其振幅和頻率主要由肌肉的生理特性所決定,呈現(xiàn)出“被動”特性,容易埋沒在噪聲中;第二,首先需要對SEMG信號進行時域和頻域分析才能得到有效信息,實時性不佳。而超聲信號方向性強,能量更集中,穿透力強。發(fā)射信號可控,具有“主動”的特性。用超聲波評價肌肉疲勞可以提高信噪比,改善系統(tǒng)的實時性。本文研究內(nèi)容主要分為理論分析和實驗分析。理論分析階段,首先對超聲評價肌肉疲勞的可行性進行了分析:重點對肌肉組織中的超聲特性進行了分析,并結(jié)合肌肉疲勞過程中其形態(tài)參數(shù)和生理參數(shù)的變化,對超聲在逐漸疲勞的肌肉中幅值衰減模型進行了簡化;其次,對標準SSA分析在處理較長時間序列時計算量較大的問題行了改進,并對窗口長度和重構奇異值個數(shù)的選擇方法進行了綜述。實驗分析階段:首先對比分析了改進SSA、小波閾值、經(jīng)驗公式三種算法在抑制高斯噪聲和隨機脈沖噪聲時的效果;其次,對10名被試者在做手臂等長運動時的肌電信號和超聲信號同步進行采集。利用采集到的信號分析超聲幅值衰減與肌肉發(fā)達程度、肌肉疲勞程度的關系,并分析了超聲在逐漸疲勞的肌肉組織中的衰減規(guī)律。超聲在逐漸疲勞的肌肉組織中的衰減模型可以簡化為只與衰減系數(shù)和傳播距離相關的函數(shù)。對于逐漸疲勞的肌肉組織,其生理特性發(fā)生改變(PH值下降、溫度上升、肌肉厚度增加),這些改變導致衰減系數(shù)增大、傳播距離加長,從而引起超聲幅值的衰減,并且其呈指數(shù)衰減。超聲響應信號衰減率可用于評估肌肉的發(fā)達程度,被試者肌肉越發(fā)達,超聲幅值隨肌肉組織狀態(tài)變化而大幅度變化;當超聲幅值變化緩慢時,被試者肌肉不夠發(fā)達。在處理非平穩(wěn)序列和較長時間序列時,重疊奇異譜分析算法去噪效果優(yōu)于標準SSA算法。
【圖文】：

MUSA算法流程圖

(2) 自動搜索可能的腱膜首先將圖像的行數(shù)和列數(shù)減半。為了增強圖像內(nèi)可能出現(xiàn)的所有的腱膜結(jié)構，計算圖像的垂直Sobel梯度（圖2-5c），然后對經(jīng)過處理的圖像垂直應用一階導數(shù)高斯（FODG）濾波，最后將 FODG 輸出設置為閾值以產(chǎn)生二進制 FODG 掩模（圖 2-5d），閾值設置為 FODG 輸出的最大灰度的 80%。從圖 2-5d 中可以看出二進制 FODG 掩模表示了兩個肌肉腱膜，而其他白色區(qū)域為其他結(jié)構。在圖 2-5d 中標出所有不連通的區(qū)域，將它們近似為橢圓，，并移除所有偏心率小于 0.995，且長軸短于圖像長度 70%的區(qū)域，得到圖 2-5e。對圖 2-5e 中的不規(guī)則圖形進行校正得到圖 2-5f。
【學位授予單位】：河北大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TN911.7;R685

【參考文獻】

相關期刊論文 前10條

1 田峰;;對中樞與外周運動性疲勞的再認識[J];中國組織工程研究;2015年42期

2 盧辰龍;匡翠林;易重海;章浙濤;;奇異譜分析濾波法在消除GPS多路徑中的應用[J];武漢大學學報(信息科學版);2015年07期

3 蔡斌;戴\戎;;評估肌肉疲勞的中樞和外周起源[J];醫(yī)用生物力學;2015年02期

4 黃耐寒;楊喜東;陳香;;一種考慮肌疲勞因素的肌力預測模型修正方法[J];航天醫(yī)學與醫(yī)學工程;2014年03期

5 明東;王欣;徐瑞;邱爽;趙欣;綦宏志;周鵬;張力新;萬柏坤;;sEMG Feature Analysis on Forearm Muscle Fatigue During Isometric Contractions[J];Transactions of Tianjin University;2014年02期

6 劉春龍;張志杰;余瑾;朱毅;;康復超聲成像技術測量健康青年腹部肌肉厚度及其信度研究[J];中國康復醫(yī)學雜志;2014年02期

7 王益艷;;基于特征均值的SVD信號去噪算法[J];計算機應用與軟件;2012年05期

8 錢征文;程禮;李應紅;;利用奇異值分解的信號降噪方法[J];振動.測試與診斷;2011年04期

9 ;Real-time surface electromyography in Parkinson's disease patients during exercise-induced muscle fatigue[J];Neural Regeneration Research;2011年14期

10 張波;劉文章;;蛙人回波建模與實驗研究[J];應用聲學;2010年04期

相關碩士學位論文 前4條

1 崔文祥;肌肉肌腱單元層面的肌疲勞特性研究[D];中國科學技術大學;2017年

2 章悅;基于肌音信號的靜動態(tài)肌肉收縮疲勞特征研究[D];華東理工大學;2017年

3 曹霞;肌肉疲勞過程中超聲圖像熵特性[D];陜西師范大學;2014年

4 呂海濤;生物多層組織的聲傳輸特性研究[D];陜西師范大學;2006年

本文編號：2688556