基于小波变换的按摩手法肌电信号分析

王 晓，王丽荣，宋雅娟，任丽晔，冯 萍

(1.长春理工大学电子信息工程学院，长春130022;2.长春大学a.电子信息工程学院;b.计算机科学技术学院，长春130022)

0 引言

中医的推拿按摩由于具有独特的医疗作用，已引起了国际医学界的广泛重视，古老的按摩疗法正为人类的医疗保健事业做出新的贡献。手法研究是推拿研究中最基础的领域［1］，不同的按摩手法动作及其规范性直接决定了手法的性质和疗效。若按摩师手法操作不规范，就会影响按摩的临床效果，进而影响人们的身体健康［2，3］。因此，如何客观评价按摩师手法操作的规范性显得尤为重要。

目前，按摩手法的规范化工作尚处于定性研究阶段，对手法的描述还没有相对准确的衡量标准和科学表达方式。赵毅等［4］提出推拿手法量化是推拿学科发展的必由之路，对手法有统一的客观量化标准是推拿界共同的愿望和追求。

表面肌电信号(sEMG:Surface Electromyography)是人体自主运动时神经肌肉活动发放的生物电信号［5］。目前，肌电信号不仅成为人工假肢理想的控制信号，而且在动作识别、人机工效学、运动康复医学、神经肌肉系统疾病的诊断、功能电刺激和生物反馈等研究中都有广泛的应用［6-9］。

按摩手法中的肌电信号在本质上是一种具有非平稳特性的生理信号［10］。小波变换［11］是用来研究非平稳信号的一种有效的时频分析方法，能有效提取信号的细节特征进行多分辨率分析，在信号处理方面的应用也越来越广泛。2010年吕杰等［12］利用小波变换对滚法作用力进行了能量分析;2012年张毅等［13］利用小波变换和样本熵的方法对脑电信号进行了特征提取，识别率达到91.43%。

1 表面肌电信号的采集

1.1 表面肌电信号采集方法

实验采用型号为TB-0810的无线表面肌电仪进行相关数据采集，其技术参数如下:输入频道为8通道;同步时间误差小于1 ms;精确度为1%;分辨率为12位;无线发射功率为10 mW;采样频率为10～4 000 Hz;采样的通道数量、采样频率和采样模式可以自由设定。

选择5名有10年以上教学经验的按摩师采集专家数据，选择10名长春大学特教学院08级按摩专业的学生进行相应手法数据采集。参与测试的人员均无肢体病患史，在进行测试前24 h内均未进行过剧烈的肢体运动，测试人员在操作过程中均采用立式体位，且所有手法操作均严格按照按摩手法规范进行。

根据专业文献和按摩专家经验，滚法的主要作用肌群为肱三头肌、三角肌、胸大肌和肱桡肌。在手法操作前，对施术者的相关肌群进行贴片，施术者按照实验要求进行手法操作2 min，在此操作过程中实时采集贴片肌群的肌电信号。信号采集结束后，在每个施术者稳定操作的部分，分别选取4个连续周期的信号数据进行保存，用于后续分析。

1.2 表面肌电图采集结果

由上述实验方法得到肌电图如图1和图2所示。横坐标是时间刻度，表征手法操作时间。纵坐标是肌电信号的幅值，表征信号强弱。

由图1和图2的直观分析可知:1)专家组和学员组在滚法的操作过程中，主要作用肌群的激活顺序有所不同;2)总体对比，学员组的操作力度不够，重点施力的肌群不正确;3)在手法的操作频率上，学员组操作相对不稳定，且比专家组频率低，还有待进一步提高。

图1 专家组滚法表面肌电信号图Fig.1 The sEMG of expert group on rolling method

图2 学员组滚法表面肌电信号组图Fig.2 The sEMG of beginner on rolling method

由于直观分析只能从肌电图中人为地进行主观分析，不能定量地分析手法操作的规范程度，不利于后续工作中评价指标的建立。因此笔者针对手法操作力度和重点施力肌群方面，采用小波变换进行肌电信号能量分析，以期提出总体评价系数，给出量化指标，进而指导学员组的按摩训练。

2 基于小波变换的信号能量分析

2.1 非平稳信号的判断

小波变换是用来研究非平稳信号的一种有效的时频分析方法。对采集的专家组与学员组的滚法信号分别进行非平稳分析，如果非平稳分析的统计量，则说明该信号是非平稳信号，适合采用小波变换方法分析。经非平稳分析后，结果显示如表1所示。

2.2 肌电信号的小波变换

图3 专家组肱三头肌小波分解后各层系数波形图Fig.3 Each scale coefficient waveform after wavelet decomposition on expert group triceps

实验中表面肌电信号采集系统的采样频率为200 Hz，根据Nyquist采样定律即 fs≥2fm及小波基函数的分析，笔者采用db5对滚法的肌电信号进行7层小波分解，可相应得到近似系数ca7和细节系数cd1～cd7，如图3和图4所示。由于小波变换是一种典型的时频局部化分析方法，在图3和图4中可明显看到各频率段波形的不同［14］。小波变换也是一种多分辨率分析方法，其中小尺度的变换包含了高频成分即细节部分，大尺度的变换包含了信号的低频成分即近似部分。

表1 肌电信号经非平稳测试得到的Z值Tab.1 Value Z of EMG obtained by the non-stationary test

图4 学员组肱三头肌小波分解后各层系数波形图Fig.4 Each scale coefficient waveform after wavelet decomposition on beginner group triceps

2.3 肌电信号的能量分析

Parseval定理表明信号在时域的总能量等于信号在频域的总能量，即信号经时频变换后其总能量保持不变，符合能量守恒定律，即

笔者对肌电信号进行多分辨率分析，即对信号的高频分量不再分解，而对低频分量进行连续分解，得到能量表达式为

其中E是一种操作手法对应肌电信号的总能量;EM是相应手法中各个主要作用肌群所对应信号的能量;M=1，2，3，…，M∈Z，M是主要作用肌群的标号，其中1代表肱三头肌，2代表三角肌，3代表胸大肌，4代表肱桡肌;N是对信号进行小波分解的层数。表2和表3为计算的各相关参量的值。

由表2可知，在滚法操作过程中，肱桡肌的力度较大，其次是胸大肌和肱三头肌。而在学员组的操作过程中，各肌群所分配的力度不合理，需要结合操作规范，进一步有针对性地训练各肌群的施力。

表2 各肌群肌电信号能量占总能量的百分比 %Tab.2 The percentage of each muscle group's EMG signal's energy to the total energy

表3 小波各层系数重构后能量占总能量的百分比 %Tab.3 The percentage of wavelet energy of each scale coefficient to the total energy after reconstruction

在表3中，cd1～cd7是所分解表面肌电信号各频带的细节系数，ca7是对应表面肌电信号的近似系数。专家组的ca7、cd7和cd6对应的频带范围是0～3.125 Hz，集中了信号约75%的能量。由此可知，在滚法操作过程中，能量主要集中在低频段，体现了滚法操作的柔和性。另外20%的能量主要集中在cd4和cd5对应的频带范围3.125～12.5 Hz内。总之，与谢志勇等［15］提出的滚法各分力的频段主要集中在2～15 Hz的结论相一致［16］。

3 结语

按摩手法最基本的要求是持久、有力、均匀和柔和，总能量值的大小反映了按摩师手法是否有力，结合时间周期可判断其均匀性，即是否作用力相对稳定;各肌群能量值的大小能反映按摩师手法操作过程中肢体的发力结构;能量分布的频带反映了手法操作是否具有柔和性。在实际按摩操作过程中，除了达到按摩的基本要求外，还应根据不同按摩对象的体质进行手法力度上适当调整。

结合小波变换对滚法各肌群肌电信号进行能量分析的结果表明，在衡量按摩师手法是否规范时，只测量参与完成该动作的相关主要肌群的肌电信号，即可给出按摩手法客观评价指标。通过分析各主要作用肌群的能量分布，在肌肉力量的训练上给予按摩学员针对性的指导，使其力量训练更加科学有效，促进其手法操作向最佳发力结构演变，提高学员按摩手法的操作质量。

［1］曹仁发.中医推拿学［M］.2版.北京:人民卫生出版社，2006.CAO Ren-fa.Chinese Massage to Learn［M］.2nd ed.Beijing:People's Medical Publishing House，2006.

［2］ANTONY J PORCINO.Meaning and Challenges in the Practice of Multiple Therapeutic Massage Modalities:a Combined Methods Study［J］.BMC Complementary and Alter-Native Medicine，2011(11):75.

［3］DRACKLEY N，BAUER B.The Effect of Massage Therapy for Breast Surgery Patients［J］.BMC Complementary and Alternative Medicine，2012，12(1):62.

［4］赵毅，孙鹏，安光辉.推拿手法量化是推拿学科发展的必由之路［C］∥中华中医药学会推拿分会第九届推拿学术年会论文集.杭州，中国:［s.n.］，2006:45-49.ZHAO Yi，SUN Peng，AN Guang-hui.Massage Quantification is the Only Way for the Development of Massage Science［C］∥Association of Chinese Medicine Massage Branch of the Ninth Massage Academic Conference Proceedings.Hangzhou，China:［s.n.］，2006:45-49.

［5］REAZ M B I，HUSSAIN M S，MOHD-YASIN F.Techniques of EMG Signal Analysis:Detection，Processing，Classification and Applications［J］.Biological Procedures Online，2006，8(1):11-35.

［6］蔚二文，陈维毅.表面肌电图在肌肉功能评估中的应用［J］.大众科技，2007，7(2):120-122.WEI Er-wen，CHEN Wei-yi.The Application of Surface Electromyography in the Assessment of Muscle Function［J］.Popular Science＆ Technology，2007，7(2):120-122.

［7］杨新亮，罗志增.OGWE算法及其在表面肌电信号中的应用［J］.华中科技大学学报:自然科学版，2011，39(2):411-413.YANG Xin-liang，LUO Zhi-zeng.The Algorithm of OGWE and Its Application on Surface Electromyography ［J］.Journal of Huazhong University of Science＆ Technology:Natural Science Edition，2011，39(2):411-413.

［8］吴銮，黄鹏程，鲍官军，等.表面肌电信号分析及其在康复医学中的应用［J］.机电工程，2011，28(11):1368-1373.WU Luan，HUANG Peng-cheng，BAO Guan-jun，et al.SEMG Signal Analysis Method and Its Application in Rehabilitation Medicine［J］.Journal of Mechanical＆ Electrical Engineering，2011，28(11):1368-1373.

［9］冯萍，任丽晔，宋雅娟，等.推拿手法评估中表面肌电信号的应用探索［J］.计算机光盘软件与应用，2012，12(21):22-25.FENG Ping，REN Li-ye，SONG Ya-juan，et al.Exploration on the Application of SEMG on Massage Evaluation ［J］.Computer CD Software and Applications，2012，12(21):22-25.

［10］SHWEDYK E.A Nonstationary Model for the Electromyogram［J］.IEEE Trans Biomed Eng，1977，24(5):417-424.

［11］姚成，司玉娟，郎六琪，等.改进的基于小波变换的QRS波检测算法［J］.吉林大学学报:信息科学版，2011，29(5):1037-1043.YAO Cheng，SI Yu-juan，LANG Liu-qi，et al.Modified Algorithm of QRS Wave Detection Based on Wavelet Transform［J］.Journal of Jilin University:Information Science Edition，2011，29(5):1037-1043.

［12］吕杰，曹金凤.基于小波变换的中医推拿滚法作用力信号能量分析［J］.医用生物力学，2010，25(6):439-443.LÜ Jie，CAO Jin-feng.The Force Signal Energy Analysis of Chinese Massage Rolling Based on Wavelet Transform ［J］.Medical Biological Mechanics，2010，25(6):439-443.

［13］张毅，罗明伟，罗元.脑电信号的小波变换和样本熵特征提取［J］.智能系统学报，2012，7(4):1-6.ZHANG Yi，LUO Ming-wei，LUO Yuan.EEG Feature Extraction Method Based on Wavelet Transform and Sample Entropy［J］.CAAI Transactions on Intelligent Systems，2012，7(4):1-6.

［14］付朝阳，郭雷，常威威.基于小波变换和多通道脉冲耦合神经网络的高光谱图像融合［J］.吉林大学学报:工学版，2011，41(3):838-843.FU Zhao-yang，GUO Lei，CHANG Wei-wei.Fusion Algorithm of Hyperspectral Images Based on Wavelet Transform and Muti-Channal PCNN［J］.Journal of Jilin University:Engineering and Technology Edition，2011，41(3):838-843.

［15］谢志勇，许世雄，李信安，等.摆动类滚法推拿作用力频域分析［J］.医用生物力学，1996，11(4):208-211.XIE Zhi-yong，XU Shi-xiong，LI Xin-an，et al.The Frequency Domain Analysis of Swing Class Rolling Method Massage Force［J］.Medical Biological Mechanics，1996，11(4):208-211.

［16］SONG Ya-juan，WANG Li-rong，FENG Ping，et al.The Evaluation of Massage Skill of One-Finger Zen Based on Pressure Distribution Data［C］∥2012 Fifth International Conference on Intelligent Networks and Intelligent Systems(ICINS 2012).Tianjin，China:［s.n.］，2012:314-317.