学位论文 > 优秀研究生学位论文题录展示
神经肌肉电刺激诱发的双相运动疲劳信息检测与处理技术研究
作 者: 张希
导 师: 明东
学 校: 天津大学
专 业: 生物医学工程
关键词: 神经肌肉电刺激 肌肉疲劳 表面肌电图 频谱分析 AR模型 小波变换
分类号: R87
类 型: 硕士论文
年 份: 2010年
下 载: 43次
引 用: 1次
阅 读: 论文下载
内容摘要
目前,限制神经肌肉电刺激(Neuromuscular electrical stimulation,NMES)广泛应用的一个主要因素就是由其诱发的肌疲劳。作为康复训练中不可避免的一种生理现象,肌疲劳会直接影响刺激的康复效果。通过研究如何探测及评价肌疲劳程度,进一步克服肌疲劳带来的负面影响,对于神经肌肉系统认知、残障康复工程和临床理疗评价等方面均具有重要的方法学意义。肌肉的各种活动能够为表面肌电(Surface electromyography ,sEMG)所记录,因此sEMG的特征参量可以用来做表征NMES诱发肌疲劳的参数。研究中设计了NMES诱发静相和动相两种运动条件下的下肢肌肉疲劳的测试平台与实验方案。采集得到的sEMG经两点波峰阈值检测算法滤除NMES干扰、EMD滤除低频漂移、自适应陷波器降低50Hz及其谐波干扰等预处理,再通过检测膝关节角度变化得到NMES诱发静相和动相疲劳信息,同时对静相运动下的sEMG进行频域特征的提取,得到中值频率、平均频率和AR模型指标;用连续小波变换分析动相运动状态下的表面肌电:将小波系数分为高频带和低频带两个部分,以均方根值估计各频带肌电信号的幅值,用以分析在疲劳过程中这些参数的变化趋势。研究结果表明,NMES诱发静相运动条件的肌肉疲劳过程中,中值频率、平均频率和AR模型指标均可作为疲劳的可靠度量参数;而NMES诱发动相运动的疲劳肌电经小波分析后,小波系数低频带幅值可有效表征其肌疲劳程度。本文经NMES诱发静、动相两种运动条件的下肢肌肉疲劳信息检测实验,分别进行了膝关节角度的检测和表面肌电信号的谱分析,研究得到了评价NMES诱发肌肉疲劳的信号特征,尤其是通过小波系数高、低频带幅值来分别估计肌力和肌疲劳,为NMES使用过程中诱发肌肉疲劳的准确评价和反馈寻找到一种可行的方法。
|
全文目录
中文摘要 3-4 ABSTRACT 4-8 第一章 绪论 8-15 1.1 神经肌肉电刺激诱发疲劳研究意义 8 1.2 神经肌肉电刺激诱发疲劳研究现状 8-14 1.2.1 神经肌肉电刺激诱发疲劳机理 8-10 1.2.2 神经肌肉电刺激诱发疲劳的评价指标 10-14 1.3 研究的目的、内容和方法 14-15 第二章 神经肌肉电刺激诱发的疲劳信息检测平台与实验方案 15-25 2.1 神经肌肉电刺激诱发的疲劳信息检测平台 15-20 2.1.1 硬件系统 15-19 2.1.2 软件设计 19-20 2.2 神经肌肉电刺激诱发的疲劳信息检测实验方案 20-25 2.2.1 实验对象 20 2.2.2 下肢肌群位置选择 20-21 2.2.3 表面电极的位置及粘贴 21-22 2.2.4 实验步骤 22-25 第三章 表面肌电信号预处理 25-42 3.1 两点波峰阈值检测滤除NMES 干扰方法 25-29 3.1.1 两点波峰阈值检测原理 25-28 3.1.2 两点波峰阈值检测滤除干扰结果 28-29 3.2 经验模态分解除低频漂移 29-35 3.2.1 经验模态分解原理 29-30 3.2.2 经验模态分解消除低频漂移 30-35 3.3 降低工频干扰 35-42 3.3.1 50Hz 工频陷波 35-36 3.3.2 自适应陷波 36-42 第四章 神经肌肉电刺激诱发的静相运动疲劳信息检测与处理 42-52 4.1 NMES 诱发的静相运动疲劳实验角度特征 42-43 4.2 NMES 诱发疲劳肌电的传统频谱特征参数 43-47 4.2.1 基于平均频率和中值频率的NMES 诱发疲劳检测 43-44 4.2.2 结果 44-47 4.3 基于AR 模型的NMES 诱发疲劳肌电的特征参数 47-50 4.3.1 AR 模型 47-49 4.3.2 结果 49-50 4.4 讨论 50-52 第五章 神经肌肉电刺激诱发的动相运动疲劳信息检测与处理 52-59 5.1 NMES 诱发的动相运动疲劳实验角度特征 52-53 5.2 NMES 诱发的动相运动疲劳实验时频特征 53-58 5.2.1 连续小波变换 53-55 5.2.2 小波变换在sEMG 研究中的应用 55-56 5.2.3 NMES 诱发动相运动疲劳的小波分析 56 5.2.4 结果 56-58 5.3 讨论 58-59 第六章 总结与展望 59-61 6.1 总结 59 6.2 展望 59-61 参考文献 61-65 发表论文和科研情况说明 65-66 致谢 66
|
相似论文
- 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
- 基于纹理特征的视频编码技术研究,TP391.41
- 图像的稀疏表示及编码模型研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 感觉刺激诱发脑电特征研究,R318.0
- 网络传输中的ROI图像编码算法研究,TN919.81
- 基于多尺度分析的图像融合算法研究,TP391.41
- 基于小波变换的三维模型特征提取技术的研究与实现,TP391.41
- 轮廓波变换及其在图像处理中的应用,TP391.41
- 基于小波的雷达视频压缩方法研究,TN957.52
- 脊波变换在全色图像和多光谱图像融合中的应用研究,TP391.41
- 一种多数据流聚类异常检测算法,TP311.13
- 基于图像的信息隐藏技术研究,TP309.7
- 基于DM6446与小波的图像压缩系统设计与实现,TP391.41
- 结合DWT的动态数据校正研究及应用,TP274
- 基于小波变换和马尔可夫链的流量预测模型,TP393.06
- 基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
- 基于离散小波变换的图像水印算法研究,TP309.7
- 脑部CT图像的压缩应用,TP391.41
- 一类工具加工痕迹的检验识别,TP391.41
中图分类: > 医药、卫生 > 特种医学 > 运动医学
© 2012 www.xueweilunwen.com
|