肌肉疲劳的检测方法及系统技术方案

本发明专利技术涉及一种肌肉疲劳的检测方法及系统，肌肉疲劳的检测方法包括：获取来自多个无线肌电图信号采集器的肌电图信号，并将肌电图信号保存到先进先出的数据缓存器中；基于预设的肌电图信号特征计算算法，分别计算每个肌电图信号对应的平均功率谱频率，并且将计算过程中的数据保存至先进先出的数据缓存器中；基于每个肌电图信号对应的平均功率谱频率确定肌肉疲劳的程度；计算每个肌电图信号对应的平均功率谱频率的过程中包括：基于巴特沃斯高通滤波器滤除肌电图信号中的低频噪声；以及基于插值滤波器平滑肌电图信号中包括的处于工业频率范围内的频谱。基于此，实现无线并且能够实时快速地进行肌肉疲劳的检测。时快速地进行肌肉疲劳的检测。时快速地进行肌肉疲劳的检测。

【技术实现步骤摘要】
肌肉疲劳的检测方法及系统


[0001]本专利技术涉及计算机
，特别是涉及肌肉疲劳的检测方法及系统。

技术介绍

[0002]肌肉疲劳是运动科学和康复医学领域的一个重要问题,对人体健康和维持正常功能具有重要影响。现有技术中，可以通过一些生理指标，如唾液酸碱度、心率、尿蛋白水平，用于间接反映肌肉疲劳，然而这种方法通常需要进行血液采样，不适合实时场景。或者非侵入性方法诸如超声、近红外光谱和机械肌动记录等已被用于肌肉疲劳评估，但是具有高计算量的图像处理的要求限制了它们的应用。现有技术中还可以通过一些可穿戴设备测量肌电图(electromyography，EMG)，从而实现对肌肉疲劳的评估，但是，这些设备通常是有线的，因此，不便于监测肌肉疲劳。
[0003]因此，如何提供一种无线并且能够实时快速地进行肌肉疲劳的检测方法，是目前的一个研究方向。

技术实现思路

[0004]本专利技术提供一种肌肉疲劳的检测方法及系统，用以解决现有技术中不便于通过无线方式获取肌电图信号以及无法实时快速地进行肌肉疲劳的检测的问题，提供一种无线并且能够实时快速地进行肌肉疲劳的检测方法及系统。
[0005]一种肌肉疲劳的检测方法，所述方法包括：获取来自多个无线肌电图信号采集器的肌电图信号，并将所述肌电图信号保存到先进先出的数据缓存器中；肌电图信号为基于多个无线肌电图信号采集器采集的多个肌肉部位的肌电图信号；基于预设的肌电图信号特征计算算法，分别计算所述每个肌电图信号对应的平均功率谱频率(mean power spectrum frequency，MPF)，并且将计算过程中的数据保存至先进先出的数据缓存器中；基于所述每个肌电图信号对应的平均功率谱频率确定肌肉疲劳的程度；其中，所述计算所述每个肌电图信号对应的平均功率谱频率的过程中包括：基于巴特沃斯高通滤波器滤除肌电图信号中的低频噪声；以及基于插值滤波器平滑肌电图信号中包括的处于工业频率范围内的频谱。
[0006]在其中一个实施例中，所述计算所述每个肌电图信号对应的平均功率谱频率，包括：基于巴特沃斯高通滤波器，滤除所述肌电图信号中的10Hz以下的低频噪声，得到滤波后的肌电图信号；基于快速傅里叶变换，对所述滤波后的肌电图信号进行快速傅里叶变换，得到所述滤波后的肌电图信号的第一频谱；基于所述插值滤波器，消除所述滤波后的肌电图信号的第一频谱中工业频率对应的频谱，得到所述滤波后的肌电图信号的第二频谱；基于所述滤波后的肌电图信号的第二频谱，计算所述肌电图信号的功率谱密度；基于所述肌电图信号的功率谱密度，计算所述肌电图信号的平均功率谱频率。
[0007]在其中一个实施例中，在对所述滤波后的肌电图信号进行快速傅里叶变换之前，所述方法还包括：将每个肌电图信号按照预设的时间长度划分为多个固定窗长的肌电图信号；相应地，所述基于所述肌电图信号的功率谱密度，计算所述肌电图信号的平均功率谱频
率包括：计算每个固定窗长的肌电图信号的平均功率谱频率，对所述每个固定窗长的肌电图信号的平均功率谱频率进行归一化。
[0008]在其中一个实施例中，在基于所述每个肌电图信号对应的平均功率谱频率确定肌肉疲劳的程度之前，所述方法还包括：获取目标视频帧；所述目标视频帧为与肌电图信号处于同一时间段的视频帧；显示预设时间段内的目标视频帧及其对应的肌电图；显示多个肌电图信号的平均功率谱频率随着运动周期的变化曲线；基于多个肌电图信号的平均功率谱频率随着运动周期的变化，确定肌肉疲劳的评估标准。
[0009]在其中一个实施例中，基于所述每个肌电图信号对应的平均功率谱频率确定肌肉疲劳的程度，包括：基于所述每个肌电图信号对应的平均功率谱频率以及所述评估标准确定肌肉疲劳的程度。
[0010]在其中一个实施例中，所述计算每个固定窗长的肌电图信号的平均功率谱频率，对所述每个固定窗长的肌电图信号的平均功率谱频率进行归一化，包括：
[0011]计算每个固定窗长的肌电图信号对应各个频点的功率谱密度与肌电图信号对应的各个频点的加权和SPF；计算每个固定窗长的肌电图信号对应各个频点的功率谱密度的和SP；计算每个固定窗长的肌电图信号的平均功率谱频率MPF，对所述每个固定窗长的肌电图信号的平均功率谱频率除以初始平均功率谱密度进行归一化。
[0012]在其中一个实施例中，所述加权和SPF＝SPF+P(j)
×
f(j)，其中，SPF的初始值为0，j表示固定窗长对应的第j个频点，P(j)为第j个频点对应的功率谱密度，f(j)为第j个频点对应的频率；SP＝SP+P(j)，SP的初始值为0，每个固定窗长的肌电图信号的平均功率谱频率
[0013]一种肌肉疲劳的检测系统，包括：获取模块，用于获取来自多个无线肌电图信号采集器的肌电图信号；所述多个肌电图信号为基于多个无线肌电图信号采集器采集的多个肌肉部位的肌电图信号；肌电图信号特征计算模块，用于基于预设的肌电图信号特征计算算法，分别计算所述每个肌电图信号对应的平均功率谱频率；确定模块，用于基于所述每个肌电图信号对应的平均功率谱频率确定肌肉疲劳的程度；其中，所述肌电图信号特征计算模块包括：低频噪声过滤模块，用于基于巴特沃斯高通滤波器滤除肌电图信号中的低频噪声；工业频率过滤模块，用于以及基于插值滤波器平滑肌电图信号中包括的处于工业频率范围内的频谱。
[0014]一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行上述肌肉疲劳的检测方法的步骤。
[0015]一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述上述肌肉疲劳的检测方法的步骤。
[0016]上述肌肉疲劳的检测方法方法，通过获取来自多个无线肌电图信号采集器的肌电图信号，实现多个肌电图信号的无线获取，并且获取多个肌电图信号，使基于多个肌电图信号的肌肉疲劳检测结果更加可靠；并将所述肌电图信号保存到先进先出的数据缓存器中，以及通过计算肌电图信号的平均功率谱频率确定肌肉疲劳的程度，均有利于加快对多个肌电图信号的处理速度，以使肌电图信号处理的实时性更好。并且通过基于预设的肌电图信
号特征计算算法，针对肌电图信号的特点，在计算所得所述每个肌电图信号对应的平均功率谱频率过程中增加相应的滤波过程，并平均功率谱频率基于确定肌肉疲劳程度，实现简单有效的进行肌肉疲劳检测。
附图说明
[0017]图1为一个实施例中肌肉疲劳的检测方法对应的实时环境的框架示意图；
[0018]图2为一个实施例中无线肌电图信号采集器的框架示意图；
[0019]图3为一个实施例中肌肉疲劳的检测方法的流程示意图之一；
[0020]图4为一个实施例中肌肉疲劳的检测方法的流程示意图之二；
[0021]图5为一个实施例中肌肉疲劳的检测方法的流程示意图之三；
[0022]图6为一个实施例中肌电图信号的采集方法的流程示意图；
[0023]图7为一个实施例中平本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肌肉疲劳的检测方法，其特征在于，所述方法包括：获取来自多个无线肌电图信号采集器的肌电图信号，并将所述肌电图信号保存到先进先出的数据缓存器中；肌电图信号为基于多个无线肌电图信号采集器采集的多个肌肉部位的肌电图信号；基于预设的肌电图信号特征计算算法，分别计算所述每个肌电图信号对应的平均功率谱频率，并且将计算过程中的数据保存至先进先出的数据缓存器中；基于所述每个肌电图信号对应的平均功率谱频率确定肌肉疲劳的程度；其中，所述计算所述每个肌电图信号对应的平均功率谱频率的过程中包括：基于巴特沃斯高通滤波器滤除肌电图信号中的低频噪声；以及基于插值滤波器平滑肌电图信号中包括的处于工业频率范围内的频谱。2.如权利要求1所述的肌肉疲劳的检测方法，其特征在于，所述计算所述每个肌电图信号对应的平均功率谱频率，包括：基于巴特沃斯高通滤波器，滤除所述肌电图信号中的10Hz以下的低频噪声，得到滤波后的肌电图信号；基于快速傅里叶变换，对所述滤波后的肌电图信号进行快速傅里叶变换，得到所述滤波后的肌电图信号的第一频谱；基于所述插值滤波器，消除所述滤波后的肌电图信号的第一频谱中工业频率对应的频谱，得到所述滤波后的肌电图信号的第二频谱；基于所述滤波后的肌电图信号的第二频谱，计算所述肌电图信号的功率谱密度；基于所述肌电图信号的功率谱密度，计算所述肌电图信号的平均功率谱频率。3.如权利要求2所述的肌肉疲劳的检测方法，其特征在于，在对所述滤波后的肌电图信号进行快速傅里叶变换之前，所述方法还包括：将每个肌电图信号按照预设的时间长度划分为多个固定窗长的肌电图信号；相应地，所述基于所述肌电图信号的功率谱密度，计算所述肌电图信号的平均功率谱频率包括：计算每个固定窗长的肌电图信号的平均功率谱频率，对所述每个固定窗长的肌电图信号的平均功率谱频率进行归一化。4.如权利要求3所述的肌肉疲劳的检测方法，其特征在于，在基于所述每个肌电图信号对应的平均功率谱频率确定肌肉疲劳的程度之前，所述方法还包括：获取目标视频帧；所述目标视频帧为与肌电图信号处于同一时间段的视频帧；显示预设时间段内的目标视频帧及其对应的肌电图；显示多个肌电图信号的平均功率谱频率随着运动周期的变化曲线；基于多个肌电图信号的平均功率谱频率随着运动周期的变化，确定肌肉疲劳的评估标准。5.如权利要求4所述的肌肉疲劳...

【专利技术属性】
技术研发人员：张沕琳，宋亚豪，王学诚，仲雄，
申请(专利权)人：北京宁矩科技有限公司，
类型：发明
国别省市：