【技术实现步骤摘要】
利用协同网络的肌肉疲劳等级特征的提取方法及系统
本专利技术涉及康复医学及人体工效学
，尤其是指一种利用协同网络的肌肉疲劳等级特征的提取方法及系统。
技术介绍
对于需要长时间工作的场景，像驾驶汽车、装卸货物等，肌肉需要长时间处于收缩状态，疲劳在持续状态中将会出现，此时人若想要维持原水平输出肌力或功，就会带来肌肉损伤，肌肉疲劳不断积累最终将会导致肌肉骨骼损伤。为了尽量避免肌肉疲劳造成的损伤，在康复医学和人体工效学等领域里，需要通过检测人体肌肉的疲劳状态来制定相应的康复计划或工作负荷，因此，研究肌肉疲劳的特征提取方法，对康复医学和人体工效学等领域有重要的应用价值。目前，可以通过提取表面肌电信号特征来评估肌肉疲劳状态。表面肌电信号(SurfaceElectromyo-graphy，sEMG)是一种非平稳的微电信号，其信号特征包含肌肉疲劳状态的变化，，一般利用肌电信号来评估肌肉疲劳多使用信号的时域和频域特征，其中时域特征包括均方根、平均值和平均整流值等；频域特征包括中值频率和均值频率。但是，时频特征来评估肌肉疲劳对于跨任...
【技术保护点】
1.一种利用协同网络的肌肉疲劳等级特征的提取方法，其特征在于，包括如下步骤：/n步骤S1：将身体上的多处肌肉划分为多个通道，采集各个通道对应的肌电数据，并对采集到的肌电数据进行预处理；/n步骤S2：根据预处理后的肌电数据计算不同通道间的皮尔森相关系数，根据所述皮尔森相关系数构建不同通道间的协同网络图；/n步骤S3：通过协同网络图对不同疲劳等级间的差异性进行分析并提取特征，其中提取通道关系特征时，将不同通道间的皮尔森相关系数组成列矩阵，采用单因素一元方差分析，得到各个通道间的方差分析结果，根据分析结果中的概率值，判别出不同疲劳等级间有显著性差异的通道对，将判别出的通道对的相关...
【技术特征摘要】
1.一种利用协同网络的肌肉疲劳等级特征的提取方法，其特征在于，包括如下步骤：
步骤S1：将身体上的多处肌肉划分为多个通道，采集各个通道对应的肌电数据，并对采集到的肌电数据进行预处理；
步骤S2：根据预处理后的肌电数据计算不同通道间的皮尔森相关系数，根据所述皮尔森相关系数构建不同通道间的协同网络图；
步骤S3：通过协同网络图对不同疲劳等级间的差异性进行分析并提取特征，其中提取通道关系特征时，将不同通道间的皮尔森相关系数组成列矩阵，采用单因素一元方差分析，得到各个通道间的方差分析结果，根据分析结果中的概率值，判别出不同疲劳等级间有显著性差异的通道对，将判别出的通道对的相关系数作为肌肉疲劳等级特征；提取网络结构特征时，计算聚类系数、网络效率和网络密度的网络参数，将所述网络参数作为肌肉疲劳等级特征；
步骤S4：将提取的通道关系特征和网络结构特征组合，共同组成肌肉疲劳等级的特征向量。
2.根据权利要求1所述的利用协同网络的肌肉疲劳等级特征的提取方法，其特征在于：采集各个通道对应的肌电数据是通过跨任务背力计进行数据采集。
3.根据权利要求2所述的利用协同网络的肌肉疲劳等级特征的提取方法，其特征在于：所述跨任务指体力训练和疲劳驾驶，数据采集时将两个任务的表面肌电信号数据结合，通过主观量表问卷调查，确定被测试者主观表征的疲劳状态，将其划分为无疲劳、中度疲劳和重度疲劳。
4.根据权利要求1所述的利用协同网络的肌肉疲劳等级特征的提取方法，其特征在于：对采集到的肌电数据进行预处理的方法为：应用带通滤波对数据先进行险波处理，再进行归一化处理，得到用于求取皮尔森相关系数的肌电数据。
5.根据权利要求1所述的利用协同网络的肌肉疲劳等级特征的提取方法，其特征在于：计算不同通道间的皮尔森相关系数时，若皮尔森相关系数值大于0，则表示两个通道变化趋势正相关；若皮尔森相关系数值小于0，则表示两个通道变化趋势负相关；若相关系数趋近于0，则表示两个通道不相关。
6.根据权利要...
【专利技术属性】
技术研发人员：郭浩，公培浩，李春光，王翼鸣，张虹淼，李娟，李伟达，孙立宁，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。