小波包分析与人工神经网络相结合探索运动性肌肉疲劳过程中sEMG变化特征

摘要：

目的:利用小波包分析与人工神经网络相结合的方法探索60 s全力蹬踏自行车致股直肌疲劳过程中表面肌电信号(sEMG)的变化特征及其与输出功率之间的关系,探索利用sEMG定量评价运动性肌肉疲劳的方法;方法:先按等时间间隔将sEMG划分为不同的段,通过比较不同分解层数下各频段能量与输出功率之间的关系,以此确定最优的小波包分解层数,计算各频段的能量并进行归一化处理,在此基础上以归一化后的各频段能量作为输入,以运动过程中归一化后的输出功率作为输出,构造Elman人工神经网络进行建模,经过网络优化过程建立了最佳的人工神经网络模型;结果:随着运动时间的延长和疲劳程度的加深,股直肌sEMG信号经小波包分解后的低频段能量增加,高频段能量衰减,但能量的增加与衰减集中在比较大的频段范围内,人工神经网络预测结果显示出良好的精度;结论:60 s全力蹬踏自行车过程中表面电极处肌肉组织低通滤波作用不断变化导致运动过程中能量的增加与衰减集中在比较大的频段范围内.在利用sEMG定量诊断肌肉疲劳方面,通过小波包分析结合人工神经网络的方法具有较高的可行性和准确性.

关键词：运动性肌肉疲劳、sEMG、小波包分析、人工神经网络

所属期刊栏目：29

分类号：G804.6(体育理论)

在线出版日期：2010-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：51-55,73