【摘要】：肌肉疲勞是由運(yùn)動(dòng)引起的肌肉最大隨意收縮力減小的現(xiàn)象,其研究可應(yīng)用于生理醫(yī)學(xué)的職業(yè)病預(yù)防或體育工程的運(yùn)動(dòng)員訓(xùn)練等方面。本文采用短時(shí)傅里葉變換對(duì)肌音信號(hào)進(jìn)行處理,提取頻域特征平均功率頻率(Mean Power Frequency,MPF)和中值頻率(Median Frequency,MDF),研究其與肌肉疲勞程度之間的關(guān)系。9名健康的男性志愿者參與了本次試驗(yàn),采用等值于60%最大隨意收縮力(MVC)的力產(chǎn)生恒力肌肉疲勞,同步記錄每一位受試者橈側(cè)腕屈肌的肌音信號(hào),對(duì)提取的頻域參數(shù)進(jìn)行分析。將持續(xù)30s的肌肉疲勞過(guò)程分為6個(gè)時(shí)間階段(每個(gè)階段為5s),并對(duì)每個(gè)時(shí)間階段內(nèi)的MPF和MDF計(jì)算均值。結(jié)果表明,隨著肌肉疲勞程度加深,肌音信號(hào)的MPF和MDF在每個(gè)時(shí)間階段內(nèi)的均值均呈現(xiàn)近似線性下降的趨勢(shì)。在30s肌肉疲勞過(guò)程中,從第1階段(1~5s)到第6階段(26~30s),MPF均值下降了15.8%,MDF均值下降了26.1%。基于短時(shí)傅里葉變換提取的MPF和MDF指標(biāo)能良好地反映疲勞敏感性和穩(wěn)定性,在評(píng)定肌肉靜態(tài)疲勞方面是較好的參考指標(biāo)。本文采用的方法和得到的結(jié)果為后期更深入地使用肌音信號(hào)對(duì)肌肉疲勞程度進(jìn)行量化研究提供了依據(jù)。
【圖文】：

華東理工大學(xué)學(xué)報(bào)（自然科學(xué)版）第４３卷通濾波器保留有效頻段的肌音信號(hào)。對(duì)肌音信號(hào)選取不同的小波母函數(shù)進(jìn)行小波閾值去噪實(shí)驗(yàn)后，根據(jù)信噪比（ＳＮＲ）和均方誤差（ＭＳＥ）兩個(gè)指標(biāo)進(jìn)行綜合考慮［１５－１６］，根據(jù)Ｄａｕｂｅｃｈｉｅｓ９（ｄｂ９）小波和Ｒｉｇｒｓｕｒｅ閾值選取方法，以及第１層的系數(shù)進(jìn)行噪聲層的估計(jì)來(lái)調(diào)整閾值以獲得較好的去噪效果。應(yīng)用上述方法對(duì)采集到的各個(gè)受試者的肌音信號(hào)進(jìn)行預(yù)處理，獲得的肌音信號(hào)如圖２所示。圖１受試者進(jìn)行橈側(cè)腕屈肌疲勞試驗(yàn)Ｆｉｇ．１Ｓｕｂｊｅｃｔｉｎｔｈｅｅｘｐｅｒｉｍｅｎｔｏｆｆｌｅｘｏｒｃａｒｐｉｒａｄｉａｌｉｓｆａｔｉｇｕｅ圖２持續(xù)恒定握力過(guò)程中橈側(cè)腕屈肌的肌音信號(hào)Ｆｉｇ．２ＭＭＧｉｎｔｈｅｄｕｒａｔｉｏｎｏｆｆｌｅｘｏｒｃａｒｐｉｒａｄｉａｌｉｓｉｎｃｏｎｓｔａｎｔｆｏｒｃｅ２橈側(cè)腕屈肌疲勞的肌音信號(hào)短時(shí)傅里葉變換與特征提取在信號(hào)處理過(guò)程中利用傅里葉變換進(jìn)行分析，能量頻譜將表明信號(hào)的某些特征，，例如頻率的峰值，但無(wú)從了解時(shí)間。因此，最簡(jiǎn)單也是最直接的處理方法是對(duì)信號(hào)采用分段處理，利用分段信號(hào)的傅里葉變換，實(shí)現(xiàn)對(duì)信號(hào)的時(shí)頻局域性分析。時(shí)頻分析法既能保持傅里葉變換的優(yōu)點(diǎn)，又能彌補(bǔ)其不足。時(shí)頻分析方法有線性時(shí)頻表示和雙線性時(shí)頻表示兩種，短時(shí)傅里葉變換就是一種常見的線性時(shí)頻表示。其本質(zhì)是加窗的傅里葉變換，隨著時(shí)間窗的移動(dòng)而形成信號(hào)的一種時(shí)頻表示。對(duì)于某一信號(hào)ｓ（ｔ），給定一個(gè)時(shí)間寬度很短的窗函數(shù)，讓窗滑動(dòng)，則信號(hào)的短時(shí)傅里葉變換為ＳＴＦＴ（ｔ，ｆ）＝∫∞－∞ｓ（τ）ｈ＊（τ－ｔ）ｅ－ｊ２π

華東理工大學(xué)學(xué)報(bào)（自然科學(xué)版）第４３卷通濾波器保留有效頻段的肌音信號(hào)。對(duì)肌音信號(hào)選取不同的小波母函數(shù)進(jìn)行小波閾值去噪實(shí)驗(yàn)后，根據(jù)信噪比（ＳＮＲ）和均方誤差（ＭＳＥ）兩個(gè)指標(biāo)進(jìn)行綜合考慮［１５－１６］，根據(jù)Ｄａｕｂｅｃｈｉｅｓ９（ｄｂ９）小波和Ｒｉｇｒｓｕｒｅ閾值選取方法，以及第１層的系數(shù)進(jìn)行噪聲層的估計(jì)來(lái)調(diào)整閾值以獲得較好的去噪效果。應(yīng)用上述方法對(duì)采集到的各個(gè)受試者的肌音信號(hào)進(jìn)行預(yù)處理，獲得的肌音信號(hào)如圖２所示。圖１受試者進(jìn)行橈側(cè)腕屈肌疲勞試驗(yàn)Ｆｉｇ．１Ｓｕｂｊｅｃｔｉｎｔｈｅｅｘｐｅｒｉｍｅｎｔｏｆｆｌｅｘｏｒｃａｒｐｉｒａｄｉａｌｉｓｆａｔｉｇｕｅ圖２持續(xù)恒定握力過(guò)程中橈側(cè)腕屈肌的肌音信號(hào)Ｆｉｇ．２ＭＭＧｉｎｔｈｅｄｕｒａｔｉｏｎｏｆｆｌｅｘｏｒｃａｒｐｉｒａｄｉａｌｉｓｉｎｃｏｎｓｔａｎｔｆｏｒｃｅ２橈側(cè)腕屈肌疲勞的肌音信號(hào)短時(shí)傅里葉變換與特征提取在信號(hào)處理過(guò)程中利用傅里葉變換進(jìn)行分析，能量頻譜將表明信號(hào)的某些特征，例如頻率的峰值，但無(wú)從了解時(shí)間。因此，最簡(jiǎn)單也是最直接的處理方法是對(duì)信號(hào)采用分段處理，利用分段信號(hào)的傅里葉變換，實(shí)現(xiàn)對(duì)信號(hào)的時(shí)頻局域性分析。時(shí)頻分析法既能保持傅里葉變換的優(yōu)點(diǎn)，又能彌補(bǔ)其不足。時(shí)頻分析方法有線性時(shí)頻表示和雙線性時(shí)頻表示兩種，短時(shí)傅里葉變換就是一種常見的線性時(shí)頻表示。其本質(zhì)是加窗的傅里葉變換，隨著時(shí)間窗的移動(dòng)而形成信號(hào)的一種時(shí)頻表示。對(duì)于某一信號(hào)ｓ（ｔ），給定一個(gè)時(shí)間寬度很短的窗函數(shù)，讓窗滑動(dòng)，則信號(hào)的短時(shí)傅里葉變換為ＳＴＦＴ（ｔ，ｆ）＝∫∞－∞ｓ（τ）ｈ＊（τ－ｔ）ｅ－ｊ２π
【作者單位】： 華東理工大學(xué)機(jī)械與動(dòng)力工程學(xué)院;
【分類號(hào)】：R318

【相似文獻(xiàn)】

相關(guān)期刊論文 前8條

1 鐘敏;陳文靜;蔣模華;;S變換輪廓術(shù)中消除條紋非線性影響的方法[J];光學(xué)學(xué)報(bào);2011年11期

2 武國(guó)寧;曹思遠(yuǎn);馬寧;劉建軍;;S變換的時(shí)頻分析特性及其改進(jìn)[J];地球物理學(xué)進(jìn)展;2011年05期

3 譚為民,彭東林,郭小渝;三種典型信號(hào)處理方法淺析[J];測(cè)控技術(shù);2003年06期

4 鄭彩云;馬雪飛;張可;章佳榮;喬鋼;;基于短時(shí)傅里葉變換的水聲OFDM時(shí)間同步方法[J];聲學(xué)技術(shù);2013年03期

5 鄧家梅,王健,曹家麟,馬世偉;被加型噪聲污染的信號(hào)的線性時(shí)頻表示[J];上海大學(xué)學(xué)報(bào)(自然科學(xué)版);1998年04期

6 諶秋菊;陳文靜;鐘敏;蘇顯渝;;提高S變換輪廓術(shù)測(cè)量精度的方法[J];光學(xué)學(xué)報(bào);2013年06期

7 李宏斌;徐楚林;溫周斌;;基于短時(shí)傅里葉變換的異常音檢測(cè)方法[J];聲學(xué)技術(shù);2014年02期

8 ;[J];;年期

相關(guān)會(huì)議論文 前1條

1 吳愛弟;牟永光;曹思遠(yuǎn);;正交小波包的時(shí)頻分析[A];1994年中國(guó)地球物理學(xué)會(huì)第十屆學(xué)術(shù)年會(huì)論文集[C];1994年

相關(guān)博士學(xué)位論文 前1條

1 紀(jì)躍波;多分辨時(shí)頻分析理論與多功能時(shí)頻分析系統(tǒng)的研究[D];重慶大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 壽超駿;短時(shí)傅里葉變換處理超聲信號(hào)診斷脂肪肝[D];浙江工商大學(xué);2015年

2 孫麗華;非線性Lamb波的測(cè)量與定量表征[D];南京郵電大學(xué);2015年

3 鄭武;短時(shí)傅里葉變換在火成巖裂縫中的測(cè)井評(píng)價(jià)方法研究[D];吉林大學(xué);2016年

4 馮愛玲;基于短時(shí)傅里葉變換的胎心率檢測(cè)算法與實(shí)現(xiàn)[D];廣東工業(yè)大學(xué);2014年

5 周丹;短時(shí)傅里葉變換和提升小波變換在脈象信號(hào)分析中的應(yīng)用[D];重慶大學(xué);2008年

6 林楊;多普勒穿墻雷達(dá)的系統(tǒng)設(shè)計(jì)和信號(hào)處理[D];電子科技大學(xué);2013年

7 吳乃玉;基于EEG信號(hào)的情緒分類研究[D];中央民族大學(xué);2013年

8 項(xiàng)紅亮;光子多普勒速度測(cè)量系統(tǒng)的數(shù)據(jù)處理方法[D];北京交通大學(xué);2012年

9 彭輝燕;基于HHT的故障診斷時(shí)頻分析[D];電子科技大學(xué);2010年

10 徐飛;基于小波變換的爆破振動(dòng)信號(hào)分析方法及應(yīng)用研究[D];安徽理工大學(xué);2011年

本文編號(hào)：2548060