張淑芳 韓 君 胡 波 由 佳 穆海芳

（宿州學(xué)院機(jī)械與電子工程學(xué)院，安徽 宿州234000）

1 表征膝關(guān)節(jié)屈運(yùn)動(dòng)相關(guān)數(shù)學(xué)模型

1.1 模型參數(shù)選擇

1.1.1 在時(shí)域，我們選擇信號(hào)其自身的均方根值是一種參數(shù)，均方根值如果不斷的提升那么也就顯示出信號(hào)強(qiáng)度以及信噪比要大一些，同時(shí)可以提升識(shí)別過(guò)程中也更加的精準(zhǔn)。

1.1.2 在頻域，我們可以把信號(hào)其自身所具備的功率譜直方圖當(dāng)成是一種核心的參數(shù)，其會(huì)伴隨著功率的提升而不斷提升，并且也展現(xiàn)出了肌肉越其自身的活性，同時(shí)也可以表征關(guān)節(jié)產(chǎn)生的運(yùn)動(dòng)。

1.1.3 在測(cè)試人體的sEMG 信號(hào)時(shí)，需要使用電極將其傳輸?shù)綑z測(cè)的電路中，而這一過(guò)程的完成需要有電極片和肌肉貼相互融合使用。其中有一部分的肌肉因?yàn)樾纬杀容^狹長(zhǎng)，而有一部分肌肉則是處在皮膚的深層，因此，如果想要使得貼片保持服帖還是有一定困難的。因此，如何在測(cè)量的過(guò)程中平衡測(cè)量的程度也成為了本文研究模型中所不能夠缺少的一項(xiàng)參數(shù)。

1.2 數(shù)學(xué)模型

為了能夠讓研究的準(zhǔn)確度得到提升因此需要獲得一個(gè)比較適合的表征膝關(guān)節(jié)屈運(yùn)動(dòng)肌肉，由此也就提出了與表征膝關(guān)節(jié)屈運(yùn)動(dòng)能夠相契合的一種數(shù)學(xué)模型，因此需要尋找?guī)讉€(gè)指標(biāo)去為模型服務(wù)，而這幾個(gè)指標(biāo)主要為幅值與能量，和具體測(cè)試的便捷程度。

數(shù)學(xué)模型為：

其中k 顯示的是膝關(guān)節(jié)屈運(yùn)動(dòng)相互掛念的肌肉，而這些肌肉主要包含了：股四頭肌與股直肌，同時(shí)還可能是股中間肌以及股二頭肌等。t（k）其顯示的一種域指標(biāo)，f（k）則其本身顯示的是一種頻域指標(biāo)，m（k）其顯示的則是一種測(cè)量所需要的簡(jiǎn)易指標(biāo)。W 為權(quán)重其自身的向量。因此要想完成本文的研究還需要對(duì)于多個(gè)不同部分的相關(guān)指標(biāo)進(jìn)行設(shè)置。

1.2.1 均方根值指標(biāo)。在時(shí)域，使得信號(hào)的均方根值將其當(dāng)成是一種重要的評(píng)價(jià)指標(biāo)，為了能夠把不同肌肉在松弛狀態(tài)下出現(xiàn)的影響徹底的排除，我們則要求對(duì)于針對(duì)均方根值去進(jìn)行適當(dāng)?shù)牧炕?，則：

其中x（i）屬于采集到的數(shù)值，同時(shí)其屬于肌肉平伸狀態(tài)下sEMG 的最大值，Amax為最小值。

1.2.2 功率指標(biāo)。對(duì)濾波之后的sEMG 信號(hào)去進(jìn)行功率譜的分析，除此之外還能夠參照sEMG 信號(hào)其顯示出的功率譜去完成直方圖的繪制，針對(duì)sEM號(hào)功率當(dāng)前的分布情況進(jìn)行有效分析。

1.2.3 測(cè)量簡(jiǎn)易指標(biāo)。針對(duì)測(cè)量肌肉的不同，我們需要按照貼片電極放置的具體難易程度進(jìn)行測(cè)量，因此在測(cè)量過(guò)程中出現(xiàn)的干擾因素也是有所差異的，最后按照測(cè)量獲得的難易程度將其具體的分為0～1。

2 肌電信號(hào)采集與去噪

2.1 肌電信號(hào)的采集

表面肌電信號(hào)并不是很強(qiáng)，其電壓值則保持在50 到2000 uv 之間。除此之外采集電路還要求放大信號(hào)，同時(shí)完成濾波和工頻的陷波。通過(guò)研究獲得的原始肌電信號(hào)（軟件濾波后），這一肌電信號(hào)已經(jīng)完成了硬件電路的低通以及高通還有工頻濾波，但是盡管是這樣我們?cè)趫D中仍然能夠比較明顯的看出，其中還是涵蓋了非常多的噪聲。

2.2 小波去噪

小波變換一種視頻分析方法，并且還能夠使得時(shí)間窗口與頻率窗口產(chǎn)生變化。它不但可以展現(xiàn)出當(dāng)前全部頻率下信號(hào)其整體展現(xiàn)出的時(shí)域特點(diǎn)，并且還提供了和這一頻率段相對(duì)的與研究相關(guān)的時(shí)間信息。除此之外，小波變換不論是在高頻帶亦或是在低頻段其所擁有的分辨率都是很高的，在低頻高分辨率。 低頻帶具有高頻分辨率和低頻分辨率，并且在時(shí)頻域中具有很強(qiáng)的局部特征。

表面肌電信號(hào)可以表示為：

其中s（i）其本身是擁有噪聲的一種sEMG 信號(hào)，x（i）其大表的是一種能夠被使用到的信號(hào)，e（i）則代表的是噪聲信號(hào)。通過(guò)s（i）的小波對(duì)其進(jìn)行分解，噪聲與噪聲經(jīng)常會(huì)出現(xiàn)在比較較高的一種頻率里?？偟膩?lái)說(shuō)，能夠使用選擇單獨(dú)的閾值去對(duì)分解之后的小波系數(shù)進(jìn)行處置，然后完成信號(hào)的重組，通過(guò)這樣的方式去使得去噪效果得以達(dá)成。將Labview與Matlab 結(jié)合共同完成應(yīng)用去完成去噪處理的流程圖（圖1）

圖1 Labview 小波去噪流程圖

小波變換在高頻段仍然還存在相對(duì)比較高的一種時(shí)間分辨率，所以，小波變換在非平穩(wěn)信號(hào)的去噪以及特征提取領(lǐng)域里進(jìn)行的使用是非常寬廣的。

表面肌電信號(hào)可以表示為：

其中是s（i）其中包含噪聲的sEMG 信號(hào)，x（i）則是一種比較有用的信號(hào)，e（i）其代表的是噪聲信號(hào)，利用Labview 結(jié)合Matlab 進(jìn)行去噪處理，處理流程圖（如圖1）。

得到sEMG 信號(hào)去噪后的波形圖（如圖2）。

圖2 經(jīng)小波去噪后的股直肌信號(hào)

3 實(shí)驗(yàn)與模型的驗(yàn)證

3.1 實(shí)驗(yàn)說(shuō)明

在將實(shí)驗(yàn)內(nèi)容確認(rèn)后則進(jìn)行研究。本次研究一共選擇了9名志愿者，志愿者的年齡分布在18 到35 歲，并且全部不存在運(yùn)動(dòng)神經(jīng)類的疾病；而在研究的八年中，前臂并未產(chǎn)生扭傷和運(yùn)動(dòng)損傷以及斷裂等會(huì)對(duì)運(yùn)動(dòng)功能產(chǎn)生影響的傷病；最近幾天也并未做過(guò)任何的劇烈運(yùn)動(dòng)；同時(shí)患者的肌肉并未產(chǎn)生酸痛與不適感；研究志愿者中沒(méi)有敏感皮膚。

該次實(shí)驗(yàn)選擇的器材包含了：?jiǎn)蔚赖纳韰?shù)記錄儀和Agcl 電極等；本次實(shí)驗(yàn)的目的是對(duì)于膝關(guān)節(jié)屈運(yùn)動(dòng)相關(guān)肌肉的sEMG 信號(hào)進(jìn)行收集，通過(guò)這樣的方式去獲得大表膝關(guān)節(jié)屈運(yùn)動(dòng)的肌肉。

3.2 實(shí)驗(yàn)數(shù)據(jù)

不同肌肉經(jīng)過(guò)去噪之后的波形圖和功率譜直方圖參見(jiàn)圖2。

在獲得不同肌肉運(yùn)動(dòng)過(guò)程中sEMG 信號(hào)其自身的均方根值，平伸時(shí)的最大值和其自身的最小值。

結(jié)束語(yǔ)

本文設(shè)置了表征膝關(guān)節(jié)屈曲運(yùn)動(dòng)相關(guān)模型，目的是希望能夠找到最有滴啊表現(xiàn)的膝關(guān)節(jié)運(yùn)動(dòng)肌肉，同時(shí)本文的研究目的也是為了能夠?qū)υ撃Ｐ偷恼_性給予驗(yàn)證。希望本文所進(jìn)行的研究能夠?yàn)檫x擇肌電控制肌肉提供相關(guān)理論參照的同時(shí)降低對(duì)肌肉數(shù)量的控制，在降低數(shù)據(jù)需求的同時(shí)提升計(jì)算的速度和精度。