膝关节屈运动相关肌肉表面肌电信号研究

张淑芳 韩 君 胡 波 由 佳 穆海芳

（宿州学院机械与电子工程学院，安徽 宿州234000）

1 表征膝关节屈运动相关数学模型

1.1 模型参数选择

1.1.1 在时域，我们选择信号其自身的均方根值是一种参数，均方根值如果不断的提升那么也就显示出信号强度以及信噪比要大一些，同时可以提升识别过程中也更加的精准。

1.1.2 在频域，我们可以把信号其自身所具备的功率谱直方图当成是一种核心的参数，其会伴随着功率的提升而不断提升，并且也展现出了肌肉越其自身的活性，同时也可以表征关节产生的运动。

1.1.3 在测试人体的sEMG 信号时，需要使用电极将其传输到检测的电路中，而这一过程的完成需要有电极片和肌肉贴相互融合使用。其中有一部分的肌肉因为形成比较狭长，而有一部分肌肉则是处在皮肤的深层，因此，如果想要使得贴片保持服帖还是有一定困难的。因此，如何在测量的过程中平衡测量的程度也成为了本文研究模型中所不能够缺少的一项参数。

1.2 数学模型

为了能够让研究的准确度得到提升因此需要获得一个比较适合的表征膝关节屈运动肌肉，由此也就提出了与表征膝关节屈运动能够相契合的一种数学模型，因此需要寻找几个指标去为模型服务，而这几个指标主要为幅值与能量，和具体测试的便捷程度。

数学模型为：

其中k 显示的是膝关节屈运动相互挂念的肌肉，而这些肌肉主要包含了：股四头肌与股直肌，同时还可能是股中间肌以及股二头肌等。t（k）其显示的一种域指标，f（k）则其本身显示的是一种频域指标，m（k）其显示的则是一种测量所需要的简易指标。W 为权重其自身的向量。因此要想完成本文的研究还需要对于多个不同部分的相关指标进行设置。

1.2.1 均方根值指标。在时域，使得信号的均方根值将其当成是一种重要的评价指标，为了能够把不同肌肉在松弛状态下出现的影响彻底的排除，我们则要求对于针对均方根值去进行适当的量化，则：

其中x（i）属于采集到的数值，同时其属于肌肉平伸状态下sEMG 的最大值，Amax为最小值。

1.2.2 功率指标。对滤波之后的sEMG 信号去进行功率谱的分析，除此之外还能够参照sEMG 信号其显示出的功率谱去完成直方图的绘制，针对sEM号功率当前的分布情况进行有效分析。

1.2.3 测量简易指标。针对测量肌肉的不同，我们需要按照贴片电极放置的具体难易程度进行测量，因此在测量过程中出现的干扰因素也是有所差异的，最后按照测量获得的难易程度将其具体的分为0～1。

2 肌电信号采集与去噪

2.1 肌电信号的采集

表面肌电信号并不是很强，其电压值则保持在50 到2000 uv 之间。除此之外采集电路还要求放大信号，同时完成滤波和工频的陷波。通过研究获得的原始肌电信号（软件滤波后），这一肌电信号已经完成了硬件电路的低通以及高通还有工频滤波，但是尽管是这样我们在图中仍然能够比较明显的看出，其中还是涵盖了非常多的噪声。

2.2 小波去噪

小波变换一种视频分析方法，并且还能够使得时间窗口与频率窗口产生变化。它不但可以展现出当前全部频率下信号其整体展现出的时域特点，并且还提供了和这一频率段相对的与研究相关的时间信息。除此之外，小波变换不论是在高频带亦或是在低频段其所拥有的分辨率都是很高的，在低频高分辨率。 低频带具有高频分辨率和低频分辨率，并且在时频域中具有很强的局部特征。

表面肌电信号可以表示为：

其中s（i）其本身是拥有噪声的一种sEMG 信号，x（i）其大表的是一种能够被使用到的信号，e（i）则代表的是噪声信号。通过s（i）的小波对其进行分解，噪声与噪声经常会出现在比较较高的一种频率里。总的来说，能够使用选择单独的阈值去对分解之后的小波系数进行处置，然后完成信号的重组，通过这样的方式去使得去噪效果得以达成。将Labview与Matlab 结合共同完成应用去完成去噪处理的流程图（图1）

图1 Labview 小波去噪流程图

小波变换在高频段仍然还存在相对比较高的一种时间分辨率，所以，小波变换在非平稳信号的去噪以及特征提取领域里进行的使用是非常宽广的。

表面肌电信号可以表示为：

其中是s（i）其中包含噪声的sEMG 信号，x（i）则是一种比较有用的信号，e（i）其代表的是噪声信号，利用Labview 结合Matlab 进行去噪处理，处理流程图（如图1）。

得到sEMG 信号去噪后的波形图（如图2）。

图2 经小波去噪后的股直肌信号

3 实验与模型的验证

3.1 实验说明

在将实验内容确认后则进行研究。本次研究一共选择了9名志愿者，志愿者的年龄分布在18 到35 岁，并且全部不存在运动神经类的疾病；而在研究的八年中，前臂并未产生扭伤和运动损伤以及断裂等会对运动功能产生影响的伤病；最近几天也并未做过任何的剧烈运动；同时患者的肌肉并未产生酸痛与不适感；研究志愿者中没有敏感皮肤。

该次实验选择的器材包含了：单道的生理参数记录仪和Agcl 电极等；本次实验的目的是对于膝关节屈运动相关肌肉的sEMG 信号进行收集，通过这样的方式去获得大表膝关节屈运动的肌肉。

3.2 实验数据

不同肌肉经过去噪之后的波形图和功率谱直方图参见图2。

在获得不同肌肉运动过程中sEMG 信号其自身的均方根值，平伸时的最大值和其自身的最小值。

结束语

本文设置了表征膝关节屈曲运动相关模型，目的是希望能够找到最有滴啊表现的膝关节运动肌肉，同时本文的研究目的也是为了能够对该模型的正确性给予验证。希望本文所进行的研究能够为选择肌电控制肌肉提供相关理论参照的同时降低对肌肉数量的控制，在降低数据需求的同时提升计算的速度和精度。