递增负荷诱发肌肉疲劳过程中肌肉sEMG与负荷的非线性关系研究

部义峰，李世明

1.Jiangsu Normal University，Xuzhou 221116，Jiangsu，China;2.Sports Institute of Ludong University，Yantai 264025，Shandong，China;3.Hefei Institute of Material Science，Chinese A-cademy of Sciences，Hefei 230031，Anhui，China

运动性肌肉疲劳产生的机制较为复杂，涉及了中枢神经驱动、神经肌肉的兴奋—收缩偶联、肌肉的能量代谢等多项生理过程，肌肉表面肌电信号(sEMG)的形成与变化均与上述生理过程存在不同程度的因果关系，因而成为运动性肌肉疲劳生理机制研究的重要领域。研究表明，在良好控制条件下，在特定范围负荷内，肌肉的力—电关系存在一定的线性关系，这些结论为研究肌肉疲劳产生的机制提供了重要的信息。然而，对于递增负荷至疲劳过程中，对肌肉力—电关系完整表达的研究还不多见，同时对于二者的关系为正相关还是负相关的争议仍然存在。基于此，本研究的目的在于:1)明确递增负荷诱发肌肉疲劳过程中的sEMG变化规律;2)探索递增负荷诱发肌肉疲劳过程中sEMG与负荷的非线性关系。

1 研究对象与方法

1.1 实验对象

受试者为某大学体育学院男生5名，身体健康，测试前24 h未从事剧烈运动，未在空腹下进行实验，实验室温度22摄氏度左右。实验对象具体情况见表1。

表1 实验对象基本情况(n=5)

1.2 运动方案

疲劳的运动方案采用世界卫生组织(WHO)推荐的踏车方案［1］。受试者手戴心率遥测表，首先在零负荷状态下蹬踏自行车1分钟，体会每分钟50转的速率。受试者准备完毕进入正式测试阶段，功率自行车起始负荷为50 W，然后依次递增50 W，每3分钟递增一次，自行车转速保持50 rmp/min，负荷递增到200 W后不再增加负荷，直到经反复鼓励运动员运动能力达不到50 rmp/min时终止运动，负荷顺序从50 W起为一级负荷，依次分别为二级负荷、三级负荷、四级负荷以及五级负荷。在每一负荷末期(5 S)对股外肌、股二头肌、腓肠肌内、外侧的肌电信号进行同步采集，同时，记录每次负荷末受试者心率。踏车前后分别采集受试者的指血用于血乳酸的测试。

1.3 实验仪器

中科院智能研究所开发的JE－TB0810八通道肌电采集系统;中国上海钧康医用设备有限公司产Ag/AgCI一次性使用心电电极，产品标准号:Q/SIDR2－2003;瑞典产 MONARK824型功率自行车;芬兰产S410心率遥测表;日本产Lactate ProTM血乳酸分析仪。

1.4 肌电信号采集与电极贴放

肌电采集仪所有通道配备一阶高通滤波器和二阶巴特沃斯低通滤波器，以消除环境噪声和运动伪迹的影响，前者截止频率为10 Hz，后者截止频率为3000 Hz。信号的采样频率为1000 Hz，增益倍数349/119，共模抑制比﹥100 db，输入阻抗﹥1012Ω，输入原始信号范围±3 mV。

三个电极成等边三角形分别贴于股外肌、股二头肌、腓肠肌内、外侧上。贴电极前用电极上自带细砂纸轻擦皮肤表面去除角质。为了减少肌肉的交叉干扰，将电极贴放在肌肉肌腹沿肌纤维走向的方向上，电极圆心间距为3～3.5 cm。

1.5 疲劳的判定

疲劳判定采用定性与定量相结合的方法，采用常用判定标准［2－4］:

1)达到预期最大心率(220－年龄)或与预期心率相差﹤5～10次/min;

2)血乳酸超过9 mmol/L;

3)RPE≥18。

受试者经鼓励督促仍不能按照规定强度运动持续10秒以上，并同时满足以上标准时，认为达到极度疲劳状态，停止运动。

1.6 血液的采集与血乳酸的测定

血液采集方法:血液均采集于运动员无名指，采集血液前用酒精棉球对受试者无名指消毒，待无名指上酒精风干后使用一次性采血针进行采血，采血针刺破表皮后，对运动员无名指进行轻推，动作方法为从无名指近端向远端推动。然后用干棉球将第一滴血擦拭干净，选用第二滴血作为血样进行测试，其目的是避免针刺时破碎表皮细胞的存在，影响到测试的精度。

测定方法:首先用校正试剂条对测试仪进行校正，然后将测定试剂条插入测试仪，让试剂条垂直接触血液，血液就被自动定量地吸入试剂条，测定仪自动开始测定，59秒后，显示乳酸浓度。

1.7 数据处理

本研究对递增负荷过程中肌肉sEMG的频域与时域指标进行了统计;对递增负荷过程中肌肉sEMG与负荷的关系进行了曲线拟合，拟合过程中确定显著性水平为0.05，非常显著性水平为0.01。研究过程中数据的统计处理均由SPSS16.0完成。

2 研究结果

2.1 递增负荷过程中运动员疲劳判定指标的变化

表2为递增负荷过程中运动员疲劳判定指标变化一览表。结果显示，随着负荷强度的不断增加心率逐渐增加，达到最大负荷强度时，依靠增加负荷量使受试者达到疲劳状态，受试者平均最大心率达到188次/min。RPE指数也随着负荷强度的增加而增加，达到最大负荷时，受试者RPE指数都达到19。血乳酸水平在运动后3分钟达到最大值，平均为11.34 mmol/L。运动后即刻、3分钟、6分钟的血乳酸值与安静时相比均具有非常显著性差异(P＜0.01)，血乳酸最大值与运动后6分钟相比具有显著性差异(P＜0.05)。尽管运动后6分钟血乳酸被一定程度廓清，但其值仍大于9 mmol/L。综合上述指标认为，本研究采用的运动疲劳方案能够让运动员机体达到深度疲劳状态。

表2 递增负荷过程中运动员疲劳判定指标变化一览表(n=5)

2.2 频域指标的变化特征

表3为递增负荷至疲劳过程中肌电信号频域指标的变化特征表。结果显示，在递增负荷过程中，随着负荷功率的增加，MF、MPF以及ZCR的值不断增加，直到第四级负荷时，上述频域指标值达到最大，之后其值呈缓慢下降趋势，四块肌肉的频域指标表现出较为一致的变化规律。

表3 递增负荷至疲劳过程中肌电信号频域指标的变化一览表(n=5)

2.3 时域指标的变化特征

表4为递增负荷过程中肌电信号时域指标的变化表。结果表明，在递增负荷过程中，时域指标AEMG、IEMG以及SPA的总体趋势呈现出单调递增的变化特征，表现出较强的规律性。

表4 递增负荷至疲劳过程中肌电信号时域指标的变化一览表(n=5)

2.4 肌电信号与负荷的非线性关系

通过观察时域指标与频域指标随负荷变化的散点图可知，它们与负荷的线性关系并不非常明确，为了更加准确、全面的描述二者关系，对其进行了曲线拟合。本研究在对曲线进行拟合时，首先观察了自变量与因变量的散点图，然后确定二者的函数关系，通过反复检验认为，拟合效果最好地为二次函数关系或三次函数关系。拟合过程是在F检验具有显著性的前提下进行，遵循判定系数(R Square，即R2)最大，回归(Regression)最大，剩余(Residuals)最小的原则，然后以自变量系数的T检验为参考，进行曲线拟合的最优化筛选，筛选曲线如图1～图2所示，曲线的方程系数见表5、表6。

当将仿真内的电容C分别取4 mF和16 mF，其余参数固定，通过仿真结果可知增大电容C的取值，电池电流及直流侧电压波形的峰值都相应随之降低，有效地提升了系统稳定性；减小电容C的取值，直流电压振动更加剧烈，系统稳定性降低，仿真验证的结果与阻抗比判据判定的结果相同。

研究结果表明，肌电指标与运动负荷关系为二次函数关系或三次函数关系，曲线方程判定系数无论是二次函数还是三次函数都较高，方程回归后剩余较少，且方程都具有非常显著性。不同之处在于，将二者关系用三次函数表达时方程的判定系数更高，方程回归更多，剩余更少，但是自变量系数多不具显著性，这可能是由于拟合样本小导致，在以后的研究中还需增大样本对其进行检验。尽管如此，根据曲线拟合的最优化筛选原则仍判断认为，将二者关系用三次函数关系表达更为确切。因此，本研究认为，在递增负荷运动至疲劳过程中，肌电信号的频、时域指标与运动负荷之间存在三次函数关系，提示在肌肉承受运动负荷时，对肌电信号影响的主要因素可能存在三个。

图1 递增负荷至疲劳过程中MF、MPF与负荷的曲线拟合图

图2 递增负荷至疲劳过程中AEMG、IEMG与负荷功率的曲线拟合图

表5 肌电信号时、频域指标二次曲线拟合系数及其曲线方程检验一览表

表6 肌电信号时、频域指标三次曲线拟合系数及其曲线方程检验一览表

3 分析与讨论

3.1 递增负荷诱发疲劳过程中的频域变化特征

MF、MPF是反映肌电信号频率构成的特征性信号参数。宋超等研究表明［5］，肱二头肌运动负荷由10%MVC(肌肉最大收缩力)递增到80%MVC的过程中，MF、MPF均呈单调递增性改变;Gerdle等以四块肩部肌肉为对象研究发现［6］，等长收缩形势下MPF在0～60%MVC范围内维持稳定，超过这一范围MPF开始出现轻度下降;还有其它研究表明［7］，静态负荷形式对MF、MPF无明显影响，以及不同张力水平条件下MF、MPF具有不同的反映模式。本研究发现，在递增负荷过程中，随着负荷功率的增大，MF、MPF也呈现单调递增趋势，达到最大负荷强度水平后，通过加大负荷量来增大负荷水平，MF、MPF表现出了下降的趋势。其原因可能与参与运动的肌纤维类型有关，在递增负荷过程的初期，负荷强度较低，主要是动用Ⅰ型肌纤维参与活动，机体进行有氧代谢，不产生或产生少量乳酸，由于Ⅰ型肌纤维与MF、MPF存在高度负相关(R=－0.87)［8］，所以，MF、MPF 维持在较低的水平。随着负荷强度的增大，仅靠Ⅰ型肌纤维已经不能够满足负荷强度的需要，开始动用Ⅱ型肌纤维参与运动，而Ⅱ型肌纤维与 MF、MPF 存在明显正相关(R=0.70)［9］，所以，MF、MPF开始增大。当负荷强度继续增大时，肌张力的增大需要募集更多Ⅱ型肌纤维参与运动，Ⅱ型肌纤维一般有大α运动神经元支配，神经冲动传导速度快，收缩迅速有力，因此导致了MF、MPF继续递增，并达到最大值。随着负荷量的增大，由于Ⅱ型肌纤维抵抗疲劳能力较Ⅰ型肌纤维弱，所以，肌肉很快达到疲劳状态，肌力下降，不能够继续维持额定负荷，此时，MF、MPF等频域指标出现下降趋势。因此，在递增负荷的疲劳模型中，频域指标表现出先增大后减小的变化特征。

3.2 递增负荷诱发疲劳过程中的时域变化特征

在反映做功情况的三个时域指标中，IEMG与负荷的相关性最高(R=0.832，P ＜0.01)，说明 IEMG 能够更好反映肌肉做功情况。多数研究在对肌肉做功进行分析时也多采用了IEMG指标。Petrofsky系统地研究了在自行车上运动时股四头肌的IEMG发现［10］，在20%～40%VO2max负荷下，RMS随时间的变化不明显，而在60% ～100%VO2max负荷下随时间的延长逐渐加大。Cheung＆Ebenbicher也曾报道过肌肉疲劳时的 IEMG 和 RMS会增大［11－12］。在 Crenshaw 的研究中［13］，受试者分别以25%MVC和70%MVC负荷进行伸膝运动，记录股四头肌的肌电信号，结果发现RMS在两种负荷下都增加，增加率以25%MVC最高。对于IEMG随运动负荷增大而增大的解释，多数研究认为，在肌肉疲劳的情况下，为了保持预定的肌力，肌肉必须动用更多的肌纤维参加运动，从而导致肌肉放电能力的增大。本研究认为，IEMG是反映参加工作运动单位的动作电位的总和，其值可以反映参加工作的运动单位的数量，在不同强度的运动中，并非所有的肌纤维都收缩，而是不同的运动单位数目根据负荷强度的大小有序地交替参加工作，而且以一定数量的肌纤维作为小的集合进行收缩。

3.3 基于曲线拟合分析的肌肉疲劳影响机制

近年来，随着人们对神经肌肉系统非线性性质的深入研究和生物信号分析理论的进步，将非线性数学分析手段应用于肌电信号的信号分析，提取出与肌肉功能状态间具有更好关联性的信号特征，已经成为肌电信号研究领域的发展趋势。自Webber尝试用非线性方法分析肌电信号以来［14－15］，国内外学者经研究讨论认为［16－18］，肌电信号是一种混沌信号，存在吸引子，但吸引子的个数与相关因素尚未有公认定论，之后，有国内学者对肌肉疲劳过程中的肌电信号进行过完整描述［19］，研究认为疲劳过程中肌电信号各参数与负荷时间为三次项曲线的变化规律，因此影响肌肉疲劳的主要因素可能有3个，具体的3因素可能是功能性运动单位的数目、运动单位的同步化程度和肌纤维的传导速度。这三者决定运动单位的空间募集和时间募集也是早已被确定的［20］。在本研究过程中，对肌电信号与运动负荷的非线性关系研究与前人研究结果基本一致，尽管后者是对静力性等长收缩使肌肉达到疲劳状态过程的研究，而本研究是在动态过程中使肌肉达到疲劳。由此看来，肌电信号频、时域指标与运动负荷关系呈非线性是对其较为准确的描述。

前人的研究提出了影响肌肉疲劳的主要因素有3个［19］，但是由于其研究过程中疲劳的产生是基于肌肉等长收缩形式下产生的，只是在负荷量上有所改变，而负荷强度无变化，因此就无法解释肌电信号随负荷强度的变化趋势，从而也无法确定哪一个因素在哪一个负荷起主要作用。本研究采用了间歇递增负荷的方式使肌肉产生疲劳，在递增到一定负荷后，负荷的强度不再增加，而是依靠增加负荷量(负荷时间)达到增加负荷的目的，因此研究内容既可观察负荷强度对肌电信号的影响，还可以观察负荷量对肌电信号的影响，实验方案的设计更有助于探索运动负荷与肌电信号的关系。结合研究内容与研究结果，本研究认为，由于肌纤维类型的募集具有选择性，运动初期较低的负荷强度主要是动用Ⅰ型肌纤维参与肌肉收缩，随着负荷强度与负荷量的增大，才会动员Ⅱ型肌纤维参与收缩，因此，肌电信号的MF、，MPF等频域指标前期表现出了递增趋势。前期有研究还证明了频域指标之间的差异主要是与肌纤维类型有关，而与纤维直径大小无关［21］。由此看来，疲劳前频域指标的增大主要是与参与运动的功能性运动单位有关。随着负荷强度的继续增大，更多的Ⅱ型肌纤维参与收缩，为了完成额定负荷，在Ⅱ型肌纤维募集源有限的情况下，就要靠加大收缩肌纤维的同步化来维持预先的张力，此时，肌电信号频域指标的增大主要是与运动单位的同步化有关。Ⅱ型肌纤维较Ⅰ型肌纤维容易产生疲劳，且肌肉代谢多为无氧代谢，生成大量乳酸等酸性代谢物质，导致运动单位传导速度的下降，同时高强度运动致使大量K+外流，使肌细胞外K+浓度变大，其结果增大了肌细胞膜和T管除极化的兴奋阈，降低了动作电位峰高度和传导速度，兴奋传导速度减慢，阻断兴奋—收缩耦联。因此，疲劳后肌电信号的频域指标表现出了下降的趋势。综上分析认为，在运动初期引起肌电信号变化的原因主要是中枢机制起主要作用，而后期主要是外周机制起主要作用。

本研究发现，在间歇递增负荷至疲劳过程中肌电信号的时域指标呈单调递增趋势，主要是随着负荷强度与负荷时间的增大动员越来越多的肌纤维参与收缩，为维持预先的肌张力肌纤维兴奋的同步化程度越来越高，肌肉对外做功越来越多的表现，这个过程是一个肌纤维被不断募集的过程。时域指标的不断增大主要是肌纤维的募集与肌纤维放电的同步化起重要作用。但是，时域指标的单调递增趋势并不是无限制的，在接近疲劳时由于募集源越来越少与肌纤维同步化空间越来越小，时域指标的增大趋势会减缓，甚至维持在一定水平或呈下降趋势。在本研究过程中，时域指标准确完整的对该特征进行了表达。

4 结论

4.1 在递增负荷疲劳模型中，频域指标表现出随运动负荷增大而增大，而后降低的特征;时域指标表现出随运动负荷增大而增大，并逐步达到平台的特征。这提示，可以用肌电信号在递增负荷过程中的拐点作为局部肌肉疲劳的判定标准。

4.2 递增负荷诱发局部肌肉疲劳过程中，肌肉sEMG与负荷呈三次函数关系，在递增负荷初期肌电信号的变化主要与中枢机制有关，后期则主要与外周机有关。

［1］范振华，周士枋.实用康复医学［M］.南京:东南大学出版社，1998.

［2］肖国强.运动能量代谢［M］.北京:人民体育出版社，1997:64.

［3］冯连世，李开刚，等.运动员技能评定常用生理生化指标测试方法及应用［M］.北京:人民体育出版社，2002:12－14.

［4］田野.运动生理学高级教程［M］.北京:高等教育出版社，2003.

［5］宋超，王健，方红光.间断递增负荷条件下肌肉活动的力－电关系［J］.体育科学，2006，26(3):50－52.

［6］Gerdle，B.，et al.Changes in the surface electromyogram during increase isometric shoulder forward flexions［J］.Eur.J.Appl.Physuol，1988，57:404 －408.

［7］Bilodeau，M.et al.Comparision of the EMG power spectrum of the human soleus and gastroc nemius muscle［J］.Eur J Appl Physiol，1994，68:395 －401.

［8］Wretling，ML，et al.EMG:a non －invasive method for determination of fiber type proportion［J］，Acta Physiol Scanel，1987，131:627－628.

［9］王立山，高强.男少年股外肌快肌百分比及其无损伤推测指标［J］.北京体育大学学报，1993，16(3):34－37.

［10］Petrofsky J S.Computer analysis of the surface EMG during isometric exercise［J］.Compue Biol Med，1980，10:83.

［11］Chung TK.，et al.Electromyographic activity of the long digital extensor muscle in the exercising Thoroughbred horse［J］.E-quine － Vet－ J.1998，30(3):251 －255.

［12］Ebenbichler G.，et al.EMG fatigue patterns accompanying isometric fatiguing knee－extensions are different in mono－and bi－ articular muscle［J］.Electroencephalogrclin － Neurophysiol，1998，109(3):256.

［13］Crenshaw A G，Karlsson S，Gerdle B et al.Differental responses in intramuscular pressure and EMG fatigue indicators during lowvs high － level isometric contractions to fatigue［J］.Acta Physiol Scand，1997，160(4):353 －361.

［14］蔡立羽，王志中，张海虹.表面肌电信号的复杂度特征研究［J］.航天医学与医学工程，2000，13(2):124－127.

［15］Webber C L，Schmidt M A，Walsh J M.Influence of isometric loading on biceps EMG dynamics as assessed by linear and non－ linear tools［J］.J.Appl.Physiol.，1995，78:814 － 822.

［16］王健.sEMG信号分析及其应用研究进展［J］.体育科学，2000，20(4):56 －60.

［17］Bilodeau M，Schindler S，Williams D M，et al.EMG frequency content changes with increasing force and during fatigue in the quadriceps femoris muscle of men and women［J］.J.Electromyogr Kinesiol，2003，13(1):83 －92.

［18］Dimitrova NA，Dimitrov GV.Interpretation of EMG changes with fatigue:facts pitfalls and fallacies［J］.J.Electromyogr Kinesiol，2003，13(1):13 －16.

［19］李青青，吴宗耀.股内肌疲劳时表面肌电信号特征研究［J］.中国运动医学杂志，2006，25(5):547 －550.

［20］Mannion AF，Dolan P.The effects of muscle length and force output on the EMG power spectrum of the spine［J］.J.Electromyogr Kinesiol，1996，6(3):159 －168

［21］Gerdle，B.，et al.Dependence of the mean power frequency of the electromyogram on muscle force and fibre type［J］.Acta Physiol Scand，1991，142:457 －465.