基于肌音信號(hào)短時(shí)傅里葉變換的橈側(cè)腕屈肌疲勞程度研究

章 悅, 夏春明, 鐘 豪, 顧曉琳(華東理工大學(xué)機(jī)械與動(dòng)力工程學(xué)院,上海 200237)

基于肌音信號(hào)短時(shí)傅里葉變換的橈側(cè)腕屈肌疲勞程度研究

章 悅, 夏春明, 鐘 豪, 顧曉琳
(華東理工大學(xué)機(jī)械與動(dòng)力工程學(xué)院,上海 200237)

肌肉疲勞是由運(yùn)動(dòng)引起的肌肉最大隨意收縮力減小的現(xiàn)象,其研究可應(yīng)用于生理醫(yī)學(xué)的職業(yè)病預(yù)防或體育工程的運(yùn)動(dòng)員訓(xùn)練等方面。本文采用短時(shí)傅里葉變換對(duì)肌音信號(hào)進(jìn)行處理,提取頻域特征平均功率頻率(Mean Power Frequency,MPF)和中值頻率(Median Frequency,MDF),研究其與肌肉疲勞程度之間的關(guān)系。9名健康的男性志愿者參與了本次試驗(yàn),采用等值于60%最大隨意收縮力(MVC)的力產(chǎn)生恒力肌肉疲勞,同步記錄每一位受試者橈側(cè)腕屈肌的肌音信號(hào),對(duì)提取的頻域參數(shù)進(jìn)行分析。將持續(xù)30 s的肌肉疲勞過(guò)程分為6個(gè)時(shí)間階段(每個(gè)階段為5 s),并對(duì)每個(gè)時(shí)間階段內(nèi)的MPF和MDF計(jì)算均值。結(jié)果表明,隨著肌肉疲勞程度加深,肌音信號(hào)的MPF和MDF在每個(gè)時(shí)間階段內(nèi)的均值均呈現(xiàn)近似線性下降的趨勢(shì)。在30 s肌肉疲勞過(guò)程中,從第1階段(1～5 s)到第6階段(26～30 s),MPF均值下降了15.8%,MDF均值下降了26.1%?；诙虝r(shí)傅里葉變換提取的MPF和MDF指標(biāo)能良好地反映疲勞敏感性和穩(wěn)定性,在評(píng)定肌肉靜態(tài)疲勞方面是較好的參考指標(biāo)。本文采用的方法和得到的結(jié)果為后期更深入地使用肌音信號(hào)對(duì)肌肉疲勞程度進(jìn)行量化研究提供了依據(jù)。

肌音; 短時(shí)傅里葉變換; 平均功率頻率; 中值頻率

肌肉疲勞研究是體育科研工作者多年來(lái)研究探討的重點(diǎn),同時(shí)也受到工效學(xué)領(lǐng)域?qū)W者的關(guān)注。肌肉疲勞的本質(zhì)可通過(guò)其產(chǎn)生的生化機(jī)制進(jìn)行研究[1-2],但在實(shí)際生活中的很多領(lǐng)域并不適用,因此希望找到一種相對(duì)方便的替代研究方式,如可使用生物醫(yī)學(xué)信號(hào)進(jìn)行研究,主要包括生物電信號(hào)和聲信號(hào)兩類(lèi)。

肌音信號(hào)(MMG)是一種生物聲信號(hào),經(jīng)過(guò)生物組織(肌肉)產(chǎn)生,通過(guò)加速度傳感器將信號(hào)檢測(cè)出來(lái),體現(xiàn)了肌纖維振動(dòng)的力學(xué)特性[3]。Barry等[4]使用肌音信號(hào)對(duì)肌肉疲勞的研究結(jié)果表明,肌音信號(hào)的振幅因疲勞而降低,且下降率與用力大小成正比。Ce等[5]的一項(xiàng)研究表明,在肌肉力學(xué)活動(dòng)過(guò)程中肌音信號(hào)是監(jiān)控肌肉從放松到疲勞變化的一種有效且可靠的指標(biāo),并且在疲勞恢復(fù)過(guò)程中同樣可監(jiān)控肌肉疲勞變化。之前對(duì)于肌肉疲勞研究較多的是肌電信號(hào)(EMG),即一種生物電信號(hào),反映的是肌肉的電生理特性,目前運(yùn)用肌電信號(hào)對(duì)肌肉疲勞進(jìn)行分析相比于其他生物信號(hào)而言較為成熟。 例如Kankanpaa等[6]利用肌電信號(hào)對(duì)肌肉動(dòng)態(tài)收縮過(guò)程中的肌肉疲勞過(guò)程進(jìn)行研究,頻譜曲線表現(xiàn)出隨肌肉疲勞程度加深而左移的變化規(guī)律。陳偉婷等[7]運(yùn)用熵對(duì)動(dòng)態(tài)收縮的肌電信號(hào)進(jìn)行疲勞特征分析。王樂(lè)軍等[8]提出一種利用小波分析與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的方式來(lái)研究運(yùn)動(dòng)性肌肉疲勞過(guò)程中EMG變化特征的方法。近來(lái)混合細(xì)菌覓食(BF)-粒子群優(yōu)化(PSO)-模糊支持分類(lèi)向量機(jī)(FSVCM)模型[9]在對(duì)肌電信號(hào)的疲勞狀態(tài)識(shí)別中得到應(yīng)用,研究結(jié)果表明BF-PSO-FSVCM是一種有效工具,不同的支持向量分類(lèi)機(jī)(SVCM)可便利地進(jìn)行肌肉疲勞狀況的診斷。從兩種信號(hào)的采集方式來(lái)看,肌音信號(hào)相比于肌電信號(hào)較為方便。肌音信號(hào)不僅具有可輔助肌電信號(hào)的作用[10-11],從信號(hào)的強(qiáng)度和抗干擾性等方面來(lái)看,肌音信號(hào)相比肌電信號(hào)也具備一定的優(yōu)點(diǎn)[12],在某些應(yīng)用領(lǐng)域具有一定的可代替性和優(yōu)勢(shì)[13]。但肌電信號(hào)應(yīng)用于肌肉疲勞方面的一些研究方法可以為肌音信號(hào)所借鑒。

對(duì)信號(hào)進(jìn)行頻域分析最基本的方法是采用傅里葉變換,作為離散傅里葉變換(DFT)的一種快速算法,快速傅里葉變換(FFT)具有運(yùn)算快速的優(yōu)點(diǎn),在處理宏量信號(hào)方面具有優(yōu)勢(shì)。短時(shí)傅里葉變換(STFT)相比FFT有更高的靈敏度及更廣的應(yīng)用范圍。本文首先對(duì)采集到的肌音信號(hào)進(jìn)行預(yù)處理,然后運(yùn)用短時(shí)傅里葉變換進(jìn)行處理,提取與疲勞程度可能相關(guān)的頻域特征,最后對(duì)特征值進(jìn)行計(jì)算以獲得最終結(jié)果。

1 肌音信號(hào)的采集與預(yù)處理分析

本文使用EH101電子握力計(jì)作為測(cè)力儀器,該設(shè)備可顯示各個(gè)受試者在發(fā)力過(guò)程中的握力變化,并可記錄在此過(guò)程中的最大握力。測(cè)試3次握力數(shù)值(每次間隔3 min)并取平均值作為最大隨意收縮力(MVC)。本研究使用的信號(hào)采集設(shè)備是NI9205數(shù)字信號(hào)模塊,肌音信號(hào)檢測(cè)采用TD-3加速度傳感器。傳感器的測(cè)量位置為手臂前臂處的橈側(cè)腕曲肌,當(dāng)用手對(duì)握力計(jì)做等值于60% MVC持續(xù)恒定握力的過(guò)程中,該處肌肉有明顯的疲勞感。利用Matlab2013對(duì)NI采集卡采集獲得的信號(hào)進(jìn)行記錄(采樣頻率為1 000 Hz),實(shí)驗(yàn)如圖1所示。

肌音信號(hào)主要集中在低頻段,尤其是5～60 Hz,根據(jù)之前研究者得出的結(jié)論,肌音信號(hào)的有效范圍為5～100 Hz[14]。其中直流偏置干擾以及50 Hz的工頻干擾為信號(hào)的主要噪聲,除此以外還受到外界環(huán)境以噪聲信號(hào)混雜其中的干擾,可利用橢圓形數(shù)字帶阻濾波器消除工頻干擾,具體參數(shù)為:通帶上截止頻率為49.5 Hz,通帶下截止頻率為50.5 Hz,阻帶下起始頻率為49.9 Hz,阻帶上起始頻率為50.1 Hz。再利用5～100 Hz橢圓型數(shù)字帶通濾波器保留有效頻段的肌音信號(hào)。對(duì)肌音信號(hào)選取不同的小波母函數(shù)進(jìn)行小波閾值去噪實(shí)驗(yàn)后,根據(jù)信噪比(SNR)和均方誤差(MSE)兩個(gè)指標(biāo)進(jìn)行綜合考慮[15-16],根據(jù)Daubechies9 (db9)小波和Rigrsure閾值選取方法,以及第1層的系數(shù)進(jìn)行噪聲層的估計(jì)來(lái)調(diào)整閾值以獲得較好的去噪效果。應(yīng)用上述方法對(duì)采集到的各個(gè)受試者的肌音信號(hào)進(jìn)行預(yù)處理,獲得的肌音信號(hào)如圖2所示。

圖1 受試者進(jìn)行橈側(cè)腕屈肌疲勞試驗(yàn)

圖2 持續(xù)恒定握力過(guò)程中橈側(cè)腕屈肌的肌音信號(hào)

2 橈側(cè)腕屈肌疲勞的肌音信號(hào)短時(shí)傅里葉變換與特征提取

在信號(hào)處理過(guò)程中利用傅里葉變換進(jìn)行分析,能量頻譜將表明信號(hào)的某些特征,例如頻率的峰值,但無(wú)從了解時(shí)間。因此,最簡(jiǎn)單也是最直接的處理方法是對(duì)信號(hào)采用分段處理,利用分段信號(hào)的傅里葉變換,實(shí)現(xiàn)對(duì)信號(hào)的時(shí)頻局域性分析。時(shí)頻分析法既能保持傅里葉變換的優(yōu)點(diǎn),又能彌補(bǔ)其不足。時(shí)頻分析方法有線性時(shí)頻表示和雙線性時(shí)頻表示兩種,短時(shí)傅里葉變換就是一種常見(jiàn)的線性時(shí)頻表示。其本質(zhì)是加窗的傅里葉變換,隨著時(shí)間窗的移動(dòng)而形成信號(hào)的一種時(shí)頻表示。對(duì)于某一信號(hào)s(t),給定一個(gè)時(shí)間寬度很短的窗函數(shù),讓窗滑動(dòng),則信號(hào)的短時(shí)傅里葉變換為

(1)

其中:t為時(shí)間;f為頻率;h(t)為窗函數(shù);h*(τ-t)表示h(τ-t)的復(fù)共軛函數(shù)。

正是由于窗函數(shù)h(t)的存在,使得短時(shí)傅里葉變換具有了局部特性,它既是時(shí)間的函數(shù),也是頻率的函數(shù)。對(duì)于給定的時(shí)間t,STFT(t,f)可看做是該時(shí)刻的頻譜。

在計(jì)算機(jī)進(jìn)行數(shù)字信號(hào)處理過(guò)程中,需要對(duì)STFT(t,f)進(jìn)行離散化處理,為此在時(shí)頻面上等間隔時(shí)頻網(wǎng)格點(diǎn)(mΔt,nΔf)處采樣,其中Δt,Δf分別表示時(shí)間變量和頻率變量的采樣間隔,令s(k)表示s(t)的離散形式,即為由采集卡獲得數(shù)字信號(hào)作為輸入方式的肌音信號(hào),則短時(shí)傅里葉變換的離散形式為

(2)

其中h(t)是窗函數(shù),在此選用漢明窗,設(shè)置窗長(zhǎng)為512,同時(shí)此數(shù)值作為整個(gè)疲勞過(guò)程中肌音信號(hào)每一幀的長(zhǎng)度。每幀移動(dòng)256,每幀肌音信號(hào)的短時(shí)傅里葉變換可以認(rèn)為是該幀所在時(shí)刻的信號(hào)頻譜。該肌音信號(hào)采用窗長(zhǎng)度進(jìn)行的傅里葉變換及其時(shí)-頻圖分別如圖3和圖4所示。

圖3 肌音信號(hào)采用窗長(zhǎng)度進(jìn)行的傅里葉變換

圖4 肌音信號(hào)短時(shí)傅里葉變換的時(shí)-頻圖

對(duì)每一幀的信號(hào)采用類(lèi)似方法,從而獲得短時(shí)功率譜,用平均功率頻率(MPF)和中值頻率(MDF)作為頻率特征參數(shù)對(duì)疲勞過(guò)程中的肌音信號(hào)進(jìn)行分析,其算法如式(3)和式(4)所示。

(3)

(4)

其中:f1和f2為肌音信號(hào)的最小和最大有效頻率;P(f)為功率譜密度。

為了解肌音信號(hào)的各個(gè)特征參數(shù)隨肌肉疲勞程度加深的總體變化趨勢(shì)以及判別在本文中各個(gè)特征參數(shù)是否具有敏感性和有效性,本文對(duì)每個(gè)受試者握力肌肉疲勞過(guò)程中短時(shí)分析的各個(gè)特征參數(shù)隨疲勞程度加深而產(chǎn)生的變化情況進(jìn)行觀察。每一幀可對(duì)應(yīng)求得信號(hào)的各個(gè)特征參數(shù)值,即整個(gè)疲勞過(guò)程中每個(gè)參數(shù)具有N個(gè)值,如圖5所示。

圖5 30 s肌音信號(hào)的平均功率頻率

根據(jù)幀數(shù)N將信號(hào)各個(gè)指標(biāo)的短時(shí)分析特征分為m個(gè)時(shí)間段求平均值,即把肌肉疲勞整個(gè)過(guò)程的T秒按照每段T/m秒進(jìn)行劃分,分別取兩個(gè)特征在每個(gè)T/m秒內(nèi)(即N/m個(gè)值)的平均值。根據(jù)每個(gè)時(shí)間段內(nèi)的均值,通過(guò)對(duì)比來(lái)觀察特征隨肌肉疲勞程度加深的變化趨勢(shì)。

3 試驗(yàn)與數(shù)據(jù)分析

3.1 試驗(yàn)對(duì)象

試驗(yàn)招募了9名男性志愿者作為受試者,所有受試者均在對(duì)本研究的目的和試驗(yàn)方式充分知情的前提下自愿參與了這項(xiàng)試驗(yàn)。受試者年齡在23～25周歲,無(wú)任何神經(jīng)肌肉方面的疾病,并且在最近的3 d內(nèi)未進(jìn)行劇烈運(yùn)動(dòng),無(wú)肌肉酸痛或乏力等癥狀。這項(xiàng)研究的所有試驗(yàn)都是在20 ℃,濕度為50%,以及安靜的室內(nèi)環(huán)境中進(jìn)行。

3.2 試驗(yàn)方式

將加速度傳感器用綁帶綁在受試者的橈側(cè)腕屈肌的表面,受試者將握力從0增加到60% MVC,然后盡量保持肌力大小不變,即維持握力計(jì)的示數(shù)波動(dòng)很小,直到力竭無(wú)法維持。從試驗(yàn)情況來(lái)看,一般能堅(jiān)持的時(shí)間為35～50 s。9個(gè)受試者的MVC如表1所示。

表1 9個(gè)受試者的最大肌肉隨意收縮力

3.3 數(shù)據(jù)分析

對(duì)采集到的9個(gè)受試者在穩(wěn)定肌力等值于60% MVC過(guò)程中(取其中的30 s)的信號(hào)段進(jìn)行信號(hào)預(yù)處理并計(jì)算。由于每個(gè)受試者肌音信號(hào)的初始MPF或MDF并不相同,需進(jìn)行歸一化處理(即將每個(gè)受試者在疲勞第1階段特征的均值歸一化為1)?？捎^察到某位受試者在橈側(cè)腕屈肌疲勞過(guò)程中的6個(gè)時(shí)間段按第1階段進(jìn)行歸一化處理后的MPF如圖6所示。從圖中可以明顯看出,該受試者疲勞過(guò)程中6個(gè)時(shí)間段的MPF平均值呈現(xiàn)明顯的遞減趨勢(shì)。將9位受試者疲勞過(guò)程中兩個(gè)頻域特征平均值按第1階段歸一化計(jì)算,對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)。

圖6 某個(gè)受試者疲勞過(guò)程中歸一化后6個(gè)時(shí)間段的MPF均值

3.4 試驗(yàn)結(jié)果

兩個(gè)頻域特征在6個(gè)時(shí)間段的均值按第1時(shí)間段歸一化后的下降比例分別如圖7和圖8所示。由計(jì)算結(jié)果,9位受試者的頻域特征平均值絕大多數(shù)都呈現(xiàn)了很好的下降趨勢(shì)。雖然在此過(guò)程中每個(gè)人各個(gè)階段的下降幅度與其他人相比較而言具有一定的差異,然而單從趨勢(shì)而言,與圖6具有一定的共性。

圖7 肌肉疲勞持續(xù)時(shí)間的MPF平均值變化示意圖

圖8 肌肉疲勞持續(xù)時(shí)間的MDF平均值變化示意圖

根據(jù)圖7和圖8的統(tǒng)計(jì)結(jié)果看來(lái),受試者在6個(gè)時(shí)間段的肌肉疲勞頻域特征均值的下降比例在一定幅度內(nèi)。

作為研究者在以肌電信號(hào)為工具進(jìn)行肌肉疲勞分析時(shí)經(jīng)常選用的頻域特征,MPF和MDF對(duì)于肌肉疲勞程度的評(píng)估具有一定的有效性和敏感性。且MDF和MPF作為頻譜移動(dòng)指標(biāo)具有各自特點(diǎn):MPF較穩(wěn)定,對(duì)于低負(fù)荷條件下的頻譜變化有高度敏感性;MDF抗噪聲干擾性強(qiáng),適應(yīng)的負(fù)荷水平范圍較廣,在各類(lèi)肌肉以及各種收縮中負(fù)荷都隨力的增加而增加[17]。

在本研究中,對(duì)于頻域特征MPF而言,在每個(gè)5 s時(shí)間段內(nèi)的均值呈現(xiàn)出良好的單調(diào)遞減趨勢(shì),從第1時(shí)間段到第6時(shí)間段,均值累計(jì)下降幅度為15.8%。并且MPF均值的平均下降幅度基本為線性。對(duì)于頻域特征MDF而言,以第1時(shí)間段到第6時(shí)間段的平均下降幅度為26.1%,也接近于線性。

以上計(jì)算結(jié)果說(shuō)明,之前在肌肉疲勞的過(guò)程中肌電信號(hào)的頻域特征體現(xiàn)出一定的變化規(guī)律性,如今肌音信號(hào)過(guò)程也可以觀察到這一現(xiàn)象。而從這兩個(gè)頻域特征看來(lái),總體而言,MPF較穩(wěn)定,變化幅度較小;MDF較敏感,變化幅度較大。

4 結(jié) 論

本文記錄了9名成年健康男性以等值于60% MVC的收縮力下橈側(cè)腕屈肌的肌音信號(hào),運(yùn)用短時(shí)傅里葉變換進(jìn)行處理,并提取MPF和MDF作為兩個(gè)頻域特征進(jìn)行計(jì)算。根據(jù)本文結(jié)果可以看出,MPF均值隨著疲勞程度的加深而線性減小,從第1時(shí)間段到第6時(shí)間段,累計(jì)降幅為15.8%;MDF均值隨著疲勞程度的加深而接近線性減小,從第1時(shí)間段到第6時(shí)間段,累計(jì)降幅為26.1%。從而以兩個(gè)頻域特征在各個(gè)時(shí)間段內(nèi)的均值作為指標(biāo),與肌肉疲勞程度呈負(fù)相關(guān)性。因此,研究人體肌音信號(hào)與肌肉疲勞的關(guān)系,利用肌音信號(hào)衡量肌肉的疲勞程度,在運(yùn)動(dòng)學(xué)等領(lǐng)域具有一定的應(yīng)用前景。

[1]張婧,熊正英.運(yùn)動(dòng)中樞疲勞的生物學(xué)機(jī)制[J].體育學(xué)刊,2003,10(5):42-44.

[2]陳建春,柏娟,劉堯.運(yùn)動(dòng)性疲勞及其產(chǎn)生機(jī)制的研究[J].青島科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2007,28(z1):168-172.

[3]胡淑嫻,施俊,郭靜宜,等.等張收縮肱二頭肌特性的多信號(hào)結(jié)合研究[J].生物醫(yī)學(xué)工程進(jìn)展,2009,30(4):195-199.

[4]BARRY D L,COLE N M.Muscle sounds are emitted at the resonant frequencies of skeletal muscle[J].IEEE Transactions on Biomedical Engineering,1990,37(5):525-537.

[5]CE E,RAMPICHINI S,LIMONTA E,etal.Torque and mechanomyogram correlations during muscle relaxation:Effects of fatigue and time-course of recovery[J].Journal of Electromyography and Kinesiology,2013,23(6):1295-1303.

[6]KANKANPAA M,TAIMELA S,WEBBER C L,etal.Lumbar paraspinal muscle fatigability in repetitive isoinertial loading:EMG spectral indices,Borg scale and endurance time[J].European Journal of Applied Physiology and Occupational Physiology,1997,76(3):236-242.

[7]陳偉婷,王志中,胡曉,等.基于熵的動(dòng)態(tài)收縮sEMG信號(hào)疲勞特征分析[J].中國(guó)醫(yī)學(xué)物理學(xué)雜志,2006,23(3):204-208.

[8]王樂(lè)軍,黃勇,龔銘新,等.小波包分析與人工神經(jīng)網(wǎng)絡(luò)想結(jié)合探索運(yùn)動(dòng)性肌肉疲勞過(guò)程中的sEMG變化特征[J].體育科學(xué),2009,29(12):51-55.

[9]WU Q,MAO J F,WEI C F,etal.Hybrid BF-PSO and fuzzy support vector machine for diagnosis of fatigue status using EMG signal features[J].Neruocomputing,2016,173(3):483-500.

[10]BECK T W,HOUSH T J,JOHNOSON G O,etal,Comparison of Fourier and wavelet transform procedures for examining the mechnomyographic and electromyographic frequency domain responses during fatiguing isokinetic muscle actions of the biceps brachii[J].Journal of Electromyography and Kinesiology,2005,15(2):190-199.

[11]IOI H,KAWAKATSU M,NAKATA M,etal.Mechanomyogram and electromyogram analyses for investigating human masseter muscle fatitue[J].Orthodontic Waves,2006,65(1):15-20.

[12]TARATA M T.Mechanomyography versus electromyography,in monitoring the musclar fatigue[J].Biomedical Engineering Online,2003,2(1):1-10.

[13]TIAN S L,LIU Y,LI L,etal.Mechanomyography is more sensive than EMG in detecting age-related sarcopenia[J] Journal of Biomechanics ,2010,43(3):551-556.

[14]BECK T W,TSCHARNER V V,HOUSH T J,etal.Time/frequency events of surface mechanomyographic signals resolved by nonlinearly scaled wavelets[J].Biomedical Signal Processing and Control,2008,3(3):255-266.

[15]呂瑞蘭,吳鐵軍,于玲.采用不同小波母函數(shù)的閾值去噪方法性能分析[J].光譜學(xué)與光譜分析,2004,24(7):826-829.

[16]高清河,剛晶,王和禹.基于平穩(wěn)小波變換心音信號(hào)閾值去噪的對(duì)比分析[J].計(jì)算機(jī)與數(shù)字工程,2015(6):957-959.

[17]王篤明,王健,葛列眾.肌肉疲勞的sEMS時(shí)頻分析技術(shù)及其在工效學(xué)中的應(yīng)用[J].航天醫(yī)學(xué)與工程,2003,16(5):387-390.

Muscle Fatigue of Flexor Carpi Radialis Based on Short-Time Fourier Transform to Mechanomyography

ZHANG Yue, XIA Chun-ming, ZHONG Hao, GU Xiao-lin

(School of Mechanical and Power Engineering,East China University of Science and Technology,Shanghai 200237,China)

Muscle fatigue,caused by doing sports,is a phenomenon of the decrease of the maximum voluntary contraction (MVC),which could be used in the fields of the prevention of occupational diseases in physiology or medicine and of the training of athletes in physical engineering.This paper adopted short-time Fourier transform to process the MMG,then gained the features of frequency domain,that is,mean power frequency (MPF) and median frequency (MDF),and finally investigated the relationship between these features and the degree of muscle fatigue.The subjects of this experiments were 9 healthy male volunteers who produced the muscle fatigue with constant force by performing 60% of MVC and simultaneously were recorded separately the mechanomyography (MMG) signals of flexor carpi radialis.By analyzing the parameters of the the frequency-domain gaining from the experiment,the results demonstrated that if the process of muscle fatigue were divide into 6 time segments,with the degree of muscle fatigue increasing,the average values of MPF and MDF——the two features of frequency-domain respectively presented the trend of an approximately linear decline at each time segment.During the 30 s of muscle fatigue,the declining range of the average values of MPF was 15.8% from the first to the sixth time segment,the declining range of the average values of MDF was 26.1% from the first to the sixth stage.The index of MPF and MDF based on short-time Fourier transform demonstrated high sensibility and stability to reflect muscle fatigue,suggesting the potential application of MPF and MDF as reference indices in evaluating static muscle fatigue.The method adopted in this paper and the results of this experiment provided the basis for the quantitative research of the degree of muscle fatigue by using MMG further in the future.

mechanomyography;short-time Fourier transform;mean power frequency;median frequency

1006-3080(2017)02-0286-06

10.14135/j.cnki.1006-3080.2017.02.021

2016-09-02

章 悅(1990-),男,江蘇南通人,碩士生，研究方向?yàn)樯镝t(yī)學(xué)信號(hào)處理。

夏春明,E-mail:cmxia@ecust.edu.cn

R496

A