湯 璐，辛 霖

（上海理工大學(xué)醫(yī)療器械與食品學(xué)院，上海 200093）

0 引言

肌肉疲勞是指人體肌肉經(jīng)過(guò)長(zhǎng)時(shí)間或劇烈運(yùn)動(dòng)后產(chǎn)生的酸痛、乏力等不適狀態(tài)，可使人體肌肉最大自主收縮能力下降［1-2］。疲勞過(guò)度會(huì)導(dǎo)致肌肉損傷，肌疲勞程度的檢測(cè)可及時(shí)避免肌肉受損。目前，肌疲勞檢測(cè)已廣泛應(yīng)用于生物力學(xué)、臨床醫(yī)學(xué)、生理學(xué)領(lǐng)域［3-5］，用于分析運(yùn)動(dòng)過(guò)程中肌肉疲勞程度以及診斷神經(jīng)肌肉疾病。

評(píng)估肌肉疲勞的方法主要包括主觀體力感等級(jí)評(píng)定量表、肌氧檢測(cè)技術(shù)［6］、超聲圖像檢測(cè)［7］、超聲衰減法［8］、肌電信號(hào)檢測(cè)［9］等。肌電信號(hào)檢測(cè)是對(duì)運(yùn)動(dòng)過(guò)程中的表面肌電信號(hào)（surface Electromyography，sEMG）進(jìn)行評(píng)估，具有安全、無(wú)創(chuàng)、獲取方便、即時(shí)的優(yōu)點(diǎn)［9］。因此，本文選取肌電信號(hào)檢測(cè)法評(píng)估肌疲勞程度。

目前，基于sEMG 信號(hào)的肌疲勞分析大多集中在線(xiàn)下的數(shù)據(jù)處理與分析，如郭旻［10］在Windows 端通過(guò)計(jì)算sEMG 信號(hào)的積分肌電值和中值頻率判斷肌肉疲勞狀態(tài)；糜超等［11］利用sEMG 信號(hào)的時(shí)域特征值，通過(guò)機(jī)器學(xué)習(xí)分類(lèi)識(shí)別肌疲勞與非肌疲勞狀態(tài)。為改善肌疲勞分析系統(tǒng)穿戴不便的缺點(diǎn)，Heaffey 等［12］設(shè)計(jì)了一款基于肌肉纖維傳導(dǎo)速度評(píng)估局部肌疲勞的低功耗可穿戴設(shè)備；Chen 等［13］設(shè)計(jì)了一款基于sEMG 信號(hào)頻域參數(shù)評(píng)估肌疲勞的柔性可穿戴設(shè)備。該類(lèi)設(shè)備大多應(yīng)用于醫(yī)院，價(jià)格較高。盡管基于sEMG 信號(hào)的肌疲勞分析研究已取得一定進(jìn)展，但目前實(shí)現(xiàn)局部肌肉疲勞實(shí)時(shí)檢測(cè)與分析的研究成果較少，且未在日常體育健身和康復(fù)領(lǐng)域得到充分使用。

隨著5G 網(wǎng)絡(luò)的發(fā)展以及智能手機(jī)的高頻使用，本文開(kāi)發(fā)了一款基于Android 平臺(tái)的肌疲勞檢測(cè)與分析系統(tǒng)。該系統(tǒng)采用32 位STM32 微控制器，實(shí)現(xiàn)兩通道局部肌肉疲勞檢測(cè)與分析，同時(shí)增加了非線(xiàn)性特征值作為肌疲勞狀態(tài)分析參數(shù)，具有實(shí)時(shí)檢測(cè)、攜帶方便、成本低等特點(diǎn)，在體育運(yùn)動(dòng)和日常健身方面具有一定應(yīng)用前景。

1 系統(tǒng)總體設(shè)計(jì)

肌疲勞分析系統(tǒng)包括硬件端表面肌電采集系統(tǒng)和軟件端肌疲勞分析軟件。表面肌電采集系統(tǒng)對(duì)采集的信號(hào)進(jìn)行一系列預(yù)處理，通過(guò)藍(lán)牙模塊發(fā)送給肌疲勞分析軟件進(jìn)行肌疲勞檢測(cè)與分析。硬件端主要實(shí)現(xiàn)表面肌電信號(hào)采集、預(yù)處理及傳輸?shù)墓δ?，軟件端主要?shí)現(xiàn)sEMG 信號(hào)實(shí)時(shí)顯示、肌疲勞檢測(cè)與分析及相關(guān)數(shù)據(jù)存儲(chǔ)的功能。

2 肌電采集系統(tǒng)

表面肌電采集系統(tǒng)的設(shè)計(jì)如圖1 所示，具體包括表面肌電電極、信號(hào)調(diào)理電路、主控電路、藍(lán)牙模塊。其中，信號(hào)調(diào)理電路由前置放大電路、右腿驅(qū)動(dòng)電路、信號(hào)濾波電路、后級(jí)放大電路和反相加法器組成［14］。本系統(tǒng)采取無(wú)創(chuàng)無(wú)痛、操作簡(jiǎn)單、抗干擾能力強(qiáng)的紐扣式貼片電極采集微弱的sEMG 信號(hào)［15］。由于sEMG 信號(hào)電壓在幾千μV 以下，頻率為10～1 000 Hz，因此將信號(hào)調(diào)理電路幅值增益設(shè)置為2 000 倍，采用帶通濾波電路，頻率范圍為10～1 000Hz。主控芯片選用32 位的STM32F103RCT6R，具有高性能、低功耗的特點(diǎn)。為實(shí)現(xiàn)主控電路與肌疲勞分析軟件端通信，本系統(tǒng)采用傳輸穩(wěn)定、收發(fā)效率高的HC-05 藍(lán)牙模塊。

表面肌電采集系統(tǒng)程序流程包括模數(shù)（AD）采樣控制、采樣增益控制、數(shù)據(jù)串口收發(fā)，如圖2 所示。首先對(duì)程序進(jìn)行初始化設(shè)置，包括ADC、中斷、串口初始化、采樣率和采樣通道設(shè)置。本文采樣率設(shè)置為1KHz，選取兩個(gè)通道進(jìn)行測(cè)試。隨后表面肌電采集系統(tǒng)等待肌疲勞分析軟件發(fā)送采集開(kāi)始指令，若收到采集指令，主控程序開(kāi)啟定時(shí)器，定時(shí)觸發(fā)ADC 對(duì)表面肌電信號(hào)進(jìn)行采樣并以數(shù)據(jù)幀的格式進(jìn)行記錄，其中數(shù)據(jù)幀由幀頭、幀尾和兩個(gè)通道的肌電數(shù)據(jù)組成。當(dāng)記錄的數(shù)據(jù)寫(xiě)滿(mǎn)一個(gè)數(shù)據(jù)幀時(shí)，通過(guò)藍(lán)牙串口將數(shù)據(jù)幀發(fā)送給肌疲勞分析軟件進(jìn)行處理。當(dāng)肌電采集系統(tǒng)接收到結(jié)束采樣指令時(shí)，則終止采樣。

Fig.1 Design of sEMG acquisition system圖1 表面肌電采集系統(tǒng)設(shè)計(jì)

3 肌疲勞分析軟件設(shè)計(jì)

3.1 總體設(shè)計(jì)方案

肌疲勞分析軟件設(shè)計(jì)采用MVC（Model View Controller）框架模式，其中M 為模型層，V 為視圖層，C 為控制層。控制層和視圖層的相關(guān)操作可在Activity 組件中進(jìn)行，降低了系統(tǒng)各層之間的耦合，具體設(shè)計(jì)如圖3 所示。本文模型層包括藍(lán)牙通信的設(shè)計(jì)、登錄信息數(shù)據(jù)和采集評(píng)估數(shù)據(jù)的保存以及肌疲勞評(píng)估模塊的設(shè)計(jì)；視圖層包括用戶(hù)登錄注冊(cè)界面、肌電顯示界面以及肌疲勞評(píng)估分析界面；控制層包括藍(lán)牙相關(guān)設(shè)置和肌電評(píng)估的相關(guān)控制［16］。

3.2 登錄注冊(cè)

登錄注冊(cè)界面設(shè)計(jì)流程如圖4 所示，包括用戶(hù)登錄界面和用戶(hù)注冊(cè)界面，其作用是管理用戶(hù)，保證安全使用。登錄注冊(cè)界面的設(shè)計(jì)使用SharePreference 保存用戶(hù)名和密碼，以XML 文件格式保存數(shù)據(jù)。用戶(hù)注冊(cè)界面通過(guò)設(shè)計(jì)兩次輸入程序，確保用戶(hù)正確輸入密碼，同時(shí)對(duì)輸入的密碼進(jìn)行加密運(yùn)算，保證用戶(hù)安全使用。已注冊(cè)的用戶(hù)可直接在用戶(hù)登錄界面輸入用戶(hù)名和匹配的密碼進(jìn)行登錄。

Fig.4 Login registration interface flow圖4 登錄注冊(cè)界面流程

3.3 肌電信號(hào)實(shí)時(shí)顯示

sEMG 信號(hào)實(shí)時(shí)顯示界面可以保存并實(shí)時(shí)顯示原始sEMG 信號(hào)。Android 端接收肌電采集端藍(lán)牙發(fā)送來(lái)的數(shù)據(jù)，檢驗(yàn)數(shù)據(jù)幀的幀頭，提取每幀數(shù)據(jù)中的sEMG 信號(hào)并實(shí)時(shí)顯示在手機(jī)界面。SurfaceView 類(lèi)具有雙緩沖機(jī)制和更新界面速度快的優(yōu)點(diǎn)，利用一個(gè)同時(shí)繼承SurfaceView 類(lèi)和實(shí)現(xiàn)SurfaceHolder.Callback 接口的自定義控件可實(shí)時(shí)顯示sEMG 信號(hào)［17］，具體步驟為：①繪制前通過(guò)SurfaceHolder 的lockCanvas（）方法鎖定畫(huà)布；②在Canvas 上繪制坐標(biāo)系、坐標(biāo)刻度及sEMG 信號(hào)；③通過(guò)調(diào)用SurfaceHolder 的unlock-CanvasAndPost（）方法解鎖畫(huà)布并將繪制的sEMG 信號(hào)顯示在最上層以實(shí)現(xiàn)實(shí)時(shí)肌電顯示。

3.4 藍(lán)牙通信

藍(lán)牙通信實(shí)現(xiàn)表面肌電采集系統(tǒng)與肌疲勞分析軟件的通信。肌疲勞分析軟件通過(guò)藍(lán)牙接受肌電采集端發(fā)送的數(shù)據(jù)并進(jìn)行解析保存。手機(jī)藍(lán)牙（服務(wù)端）與肌電采集系統(tǒng)（客戶(hù)端）藍(lán)牙模塊間通信協(xié)議采用TCP 協(xié)議的Socket通信模式［18］。藍(lán)牙通信設(shè)計(jì)如圖5 所示，包括藍(lán)牙的開(kāi)啟、掃描、配對(duì)、連接和通信。藍(lán)牙設(shè)計(jì)前要對(duì)其權(quán)限進(jìn)行設(shè)置，隨后獲取藍(lán)牙適配器并判斷設(shè)備是否支持藍(lán)牙。開(kāi)發(fā)過(guò)程中，首先對(duì)藍(lán)牙進(jìn)行開(kāi)啟操作，確保手機(jī)藍(lán)牙可掃描周?chē){(lán)牙設(shè)備和被搜索。手機(jī)端通過(guò)廣播的方式接受周?chē){(lán)牙掃描的結(jié)果，如果掃描到肌電采集端藍(lán)牙設(shè)備，關(guān)閉藍(lán)牙掃描并進(jìn)行配對(duì)。配對(duì)的藍(lán)牙需建立線(xiàn)程進(jìn)行通信，服務(wù)端設(shè)計(jì)了一個(gè)繼承Thread 類(lèi)的AcceptThread 子類(lèi)，用作連接等待的線(xiàn)程，通過(guò)藍(lán)牙適配器的listenUsingRfcommWithServiceRecord（）方法獲取BluetoothServerSocket 的實(shí)例對(duì)象，用來(lái)監(jiān)聽(tīng)客戶(hù)端的請(qǐng)求信號(hào)，請(qǐng)求成功并連接后方可進(jìn)行通信［19］。

Fig.5 Bluetooth design flow圖5 藍(lán)牙設(shè)計(jì)流程

3.5 肌疲勞分析

肌疲勞分析界面實(shí)現(xiàn)肌疲勞檢測(cè)與分析，流程如圖6所示。sEMG 信號(hào)通過(guò)5 階的巴特沃斯帶通濾波器獲得20～500Hz 的信號(hào)［20］。設(shè)計(jì)幀長(zhǎng)為64，步進(jìn)為32 的窗對(duì)濾波后的信號(hào)進(jìn)行分幀處理，根據(jù)式（1）和式（2）計(jì)算每幀的短時(shí)能量En和短時(shí)過(guò)零率Zn，再利用雙門(mén)限法對(duì)各幀的En和Zn進(jìn)行判決，提取信號(hào)的活動(dòng)段［21］。按活動(dòng)段計(jì)算信號(hào)的頻域、時(shí)域和非線(xiàn)性的特征值。

其中N 為幀長(zhǎng)，En為第n 幀的短時(shí)能量。

Fig.6 Flow of sEMG signal analysis圖6 sEMG 信號(hào)分析流程

時(shí)域特征值選取積分肌電值（Integrated Electromyogram，iEMG）和均方根值（Root Mean Square，RMS），其表達(dá)如式（3）和式（4）所示，iEMG 值和RMS 值隨著運(yùn)動(dòng)過(guò)程中肌疲勞程度的加深而變大。頻域分析特征值為中位頻率（Median Frequency，MF）和平均功率頻率（Mean Power Frequency，MPF），其表達(dá)如式（5）和式（6）所示，MF 和MPF 兩個(gè)特征值隨著運(yùn)動(dòng)過(guò)程中肌疲勞程度的加深而逐漸減小［22］。

其中EMG(t)為t 時(shí)刻的sEMG 信號(hào)幅值。

其中，p(f)是sEMG 信號(hào)的功率譜密度函數(shù)。

非線(xiàn)性分析選擇模糊熵計(jì)算特征值。模糊近似熵（Fuzzy Approximate Entropy，fApEn）可用來(lái)衡量一個(gè)時(shí)間序列的復(fù)雜度，熵值和復(fù)雜度呈正相關(guān)，可有效分析肌肉疲勞的狀態(tài)，隨著肌肉逐漸達(dá)到疲勞狀態(tài)，模糊熵值逐漸減?。?3］。模糊熵的表達(dá)如式（7）所示，利用長(zhǎng)為m 的比較窗將N 點(diǎn)時(shí)間序列劃分成N-m+1 個(gè)m 維序列，計(jì)算每個(gè)序列除自身外與所有序列的距離，并利用模糊隸屬度函數(shù)計(jì)算距離的模糊隸屬度，再求出除自身外的所有模糊隸屬度的平均值φm，增長(zhǎng)窗m 為m+1，求φm+1，由式（7）求取N 點(diǎn)的模糊熵值［24］。

時(shí)域、頻域和非線(xiàn)性特征值結(jié)果保存在SQLite 數(shù)據(jù)庫(kù)中，對(duì)數(shù)據(jù)庫(kù)中的各參數(shù)值進(jìn)行不同階數(shù)擬合，可繪制肌疲勞分析結(jié)果曲線(xiàn)。用戶(hù)可分別進(jìn)入時(shí)域、頻域和非線(xiàn)性分析界面查看相關(guān)分析結(jié)果，實(shí)現(xiàn)不同擬合曲線(xiàn)階數(shù)下的分析結(jié)果。分析界面繪制過(guò)程使用開(kāi)源的GraphView，布局文件中分析曲線(xiàn)控件的顯示需要調(diào)用com.jjoe64.graphview.GraphView，分析組件的onCreate（）函數(shù)中初始化相關(guān)控件及參數(shù)，在確認(rèn)按鈕點(diǎn)擊事件中實(shí)現(xiàn)分析參數(shù)點(diǎn)和擬合曲線(xiàn)的繪制。

4 軟件功能測(cè)試

本系統(tǒng)對(duì)募集的6 名受試者（性別：男，年齡：23.0±1.2歲）進(jìn)行肌疲勞實(shí)驗(yàn)測(cè)試。受試者無(wú)肌肉疾病，近期肌肉未受過(guò)傷，未進(jìn)行超負(fù)荷運(yùn)動(dòng)。受試者正坐在椅子上，慣用手正握啞鈴，固定上臂位置，以肘關(guān)節(jié)為支點(diǎn)，前臂掌心向上勻速做曲前臂、曲肘向上臂彎舉運(yùn)動(dòng)，測(cè)量最大負(fù)重。休息10min，將表面肌電電極置于肱二頭肌和肱三頭肌表面，調(diào)整負(fù)重為最大負(fù)重的60%左右，直至不能達(dá)到最高固定位。

受試者在進(jìn)行實(shí)驗(yàn)測(cè)試期間，使用本文研制的設(shè)備對(duì)肱二頭肌和肱三頭肌同步采集sEMG 信號(hào)，分析sEMG 信號(hào)肌疲勞特征值并加以保存。以其中一名受試者為例，其運(yùn)動(dòng)過(guò)程中肱二頭肌和肱三頭肌的原始sEMG 信號(hào)如圖7 所示。兩塊肌肉各活動(dòng)段對(duì)應(yīng)的時(shí)域、頻域和非線(xiàn)性肌疲勞參數(shù)及二次擬合分析結(jié)果如圖8、圖9、圖10 所示（彩圖掃OSID 碼可見(jiàn)）。

Fig.7 Real-time sEMG signal display圖7 實(shí)時(shí)sEMG 信號(hào)顯示

Fig.8 Time domain analysis圖8 時(shí)域分析

其中，隨著肌疲勞程度加深，時(shí)域參數(shù)擬合曲線(xiàn)呈現(xiàn)上升趨勢(shì)，而頻域參數(shù)和非線(xiàn)性參數(shù)擬合曲線(xiàn)呈現(xiàn)下降趨勢(shì)；肱二頭肌的模糊熵變化率為76.41%，肱三頭肌的模糊熵值變化率為66.06%，肱二頭肌相較于肱三頭肌變化更加明顯。運(yùn)動(dòng)結(jié)束后，肌疲勞分析軟件讀取保存在外置存儲(chǔ)卡中txt 文件的sEMG 信號(hào)，繪制出整個(gè)運(yùn)動(dòng)過(guò)程的原始sEMG 信號(hào)，如圖11 所示。

Fig.9 Frequency domain analysis圖9 頻域分析

Fig.10 Nonlinear analysis圖10 非線(xiàn)性分析

Fig.11 sEMG signal display during fatigue process圖11 疲勞過(guò)程sEMG 信號(hào)顯示

5 結(jié)語(yǔ)

本文設(shè)計(jì)了一款基于Android 平臺(tái)的肌疲勞分析系統(tǒng)，并對(duì)6 名受試者進(jìn)行了肌疲勞分析實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)可對(duì)運(yùn)動(dòng)過(guò)程中的sEMG 信號(hào)進(jìn)行實(shí)時(shí)顯示和保存，同時(shí)可在時(shí)域、頻域和非線(xiàn)性方面對(duì)肌疲勞進(jìn)行分析。本文研制的肌疲勞分析系統(tǒng)彌補(bǔ)了目前市場(chǎng)上肌疲勞分析設(shè)備昂貴、不便攜帶的缺點(diǎn)，適用于體育運(yùn)動(dòng)和日常健身領(lǐng)域。然而本系統(tǒng)在設(shè)計(jì)過(guò)程中仍存在一定不足，未來(lái)可在實(shí)時(shí)分析肌疲勞程度這一功能方面進(jìn)一步完善。