日常生活活动中人体上肢肌肉表面肌电特性研究_宋海燕

表面肌电图在临床应用的研究进展【摘要】表面肌电图(surface electromyography, sEMG)是一种通过表面电极记录肌肉运动单位的电活动信号，并对其进行定量观察分析的检查方法。

作为一种客观定量的评估方法，表面肌电图在医疗、体育、人机工程学、工伤评定等领域都得到了广泛的应用。

本文主要对近年来表面肌电在上述领域的应用进行综述。

【关键词】表面肌电图，医疗，体育，人机工程学表面肌电信号是指神经肌肉系统在完成各种随意性和非随意性活动时产生的生物电变化经表面电极引导、放大、记录和显示所获得的一维电压时间序列信号。

表面电极可直接置于皮肤表面，使用方便，可用于测试较大范围的肌电信号，并且提供了安全、简便、无创、无痛的客观指标。

目前，表面肌电评测技术已经在临床疾病的诊断，肌肉力量的评定，肌肉疲劳程度的判断和假肢的控制等方面得到了广泛的应用。

本文主要对近年来表面肌电技术在上述方面的应用做一个综述。

1.表面肌电技术在医疗领域的应用表面肌电技术作为一种定量评估的手段，目前在疾病病理特征的描述、发病机制的探索、疾病诊断和评估、治疗手段的评价和比较等诸多方面都发挥了重要的作用。

下面我们将以实例详细介绍表面肌电在脑卒中、下背痛、脑瘫、颈椎疾病、盆底疾病等诸多疾病的治疗和评估中发挥的作用。

1.1表面肌电技术在脑卒中治疗中的应用脑卒中患者由于中枢神经系统受损，反射性交感神经营养不良、神经血管萎缩等原因常引起足下垂的并发症[1]。

这与中枢神经系统受损后脊髓水平牵张反射亢进有关，在下肢表现为伸肌痉挛，即表现为踝跖屈内翻的偏瘫痉挛模式。

足下垂的出现，可使患肢残存的运动功能或已恢复的运动功能再次丧失，严重影响下肢运动功能的恢复[2]。

近年来，国内外已有较多在脑卒中偏瘫患者中应用sEMG 技术的研究。

2011年杨唐柱等人[3]通过采集和分析15例正常人（正常组）和10例偏瘫患者（偏瘫组）在执行抬臂、梳头、喝水、摸对侧肩、摸后口袋这5项日常生活活动时的上肢相关肌肉表面肌电信号，发现正常组和偏瘫组上肢的相关肌肉的均方根值比值有统计学差异，从而证明了偏瘫患者可采用与正常人不同的肌肉收缩策略来完成日常生活活动。

基于表面肌电的工人上肢肌肉疲劳试验研究王越;刘洋;徐明伟【摘要】当人体进入疲劳状态时,表面肌电信号会发生相应的变化.为了探讨工人在持续上肢作业时肌肉疲劳对人体肌电信号的影响,针对疲劳与肌电信号的关系提出评价肌肉疲劳的数学模型,选取10名健康受试者进行机械操作与重物搬举作业.同时,使用表面肌电测试分析仪对肌电信号进行实时监测,采用方差分析、t检验和非线性拟合方法对疲劳与肌电信号的关系进行分析.结果表明,肌电信号的波动程度对生理疲劳有显著变化,上肢肌肉疲劳程度越重,其肌电信号恢复至正常值越久.非线性拟合结果显示,上肢肌肉疲劳的发展趋势呈现出“S型”的趋势.据此提出,疲劳失稳期前让受试者休息,可以减缓或延迟生理疲劳的发生.【期刊名称】《华北科技学院学报》【年(卷),期】2019(016)001【总页数】5页(P98-102)【关键词】表面肌电;上肢肌肉;工人;疲劳监测;试验对比【作者】王越;刘洋;徐明伟【作者单位】华北科技学院安全工程学院,北京东燕郊065201;华北科技学院安全工程学院,北京东燕郊065201;北京科技大学土木与资源工程学院,北京100083【正文语种】中文【中图分类】R135随着机械化技术的发展，很多工业作业已经由自动化机器来完成。

然而，由于机器不具备人所有的灵活性，仍有一些机械操作和重物装卸作业需要工人手工完成，特别是一些繁重的移动、提拉、搬举等任务，而不适当的作业会引起工人不适、疲劳甚至受伤。

国内研究报道，我国职业性慢性肌肉骨骼疾患率已达到64%[1]。

如果工人在作业中伴有疲劳的机体状态，会埋下事故隐患，引发安全生产事故。

我国近三十年间重特大事故统计数据显示，人因事故占重特大事故总数的96.5%以上[2]。

因此，作业过程中对工人完成任务中的不适和疲劳进行评估和改进，对于降低职业危害风险、改进操作管理具有重要作用。

表面肌电(Electromyography，EMG)信号是一种生物电时间序列信号，能够通过表面电极引导的神经肌肉活动产生，它由人体神经运动控制系统和影响肌肉生物电活动的理化因素共同影响，通过肌电信号研究肌肉疲劳是人机工程研究的主要方法[3，4]。

表面肌电在体育中的实际运用表面肌电（Surface Electromyography，简称sEMG）是一种用于测量人体肌肉活动的技术。

它通过将电极粘贴到身体表面，记录肌肉收缩时产生的电信号，从而提供对肌肉活动的客观评估。

在体育运动领域，sEMG技术被广泛应用于许多方面，包括运动技能的评估、训练效果的监测和运动康复等。

首先，sEMG在运动技能评估中发挥重要作用。

通过监测肌肉活动，可以评估运动员的肌肉协调性、力量输出和动作质量等指标。

例如，在击剑运动中，sEMG可以用于评估运动员的手臂肌肉活动情况，从而判断其动作的准确性和力量输出。

运动技能评估可以帮助教练和运动员识别问题所在，进而制定针对性的训练计划。

其次，sEMG在训练效果监测方面也具有重要作用。

通过比较运动前后的肌肉活动情况，可以评估特定训练方法对肌肉的影响。

例如，在力量训练中，sEMG可以用于监测肌肉激活程度的变化，从而评估训练的效果。

通过及时监测和调整训练计划，运动员可以更有效地提高力量和耐力水平。

此外，sEMG还可在运动康复领域发挥作用。

运动损伤后，肌肉功能的恢复是康复过程中的重要目标之一。

sEMG可以用于监测康复后肌肉的激活情况，评估康复训练的效果。

通过监测肌肉活动的变化，康复专家可以制定个性化的康复方案，帮助受伤运动员尽快恢复肌肉功能。

在对表面肌电的实际运用中，我们需要注意以下几点。

首先，正确放置电极非常重要。

电极应放置在目标肌肉的肌腱或肌肉肥厚部位，以获取更准确的信号。

其次，需要针对具体运动或目标制定合理的参考标准。

不同运动的肌肉活动模式存在差异，因此需要建立相应的参考标准，以便对结果进行有效解读。

此外，sEMG数据的分析需要使用合适的数据处理方法，例如滤波和归一化，以提高数据的准确性和可靠性。

总结回顾地看，表面肌电在体育中的实际运用是非常有价值的。

它可以帮助评估运动技能、监测训练效果和指导康复训练。

通过运用sEMG技术，教练和运动员可以更全面地了解肌肉活动情况，优化训练方法，提高运动表现。

第26卷　第6期2009年　12月 生物医学工程学杂志Journal of Biomedical E ngineeringV ol.26　N o.6December　2009日常生活活动中人体上肢肌肉表面肌电特性研究3宋海燕1Δ　张建国2　刘涛然2　高少鹏21(天津科技大学包装与印刷工程学院,天津300222)2(天津科技大学机械工程学院,天津300222) 摘要　通过研究人体上肢运动时的表面肌电(sEM G)信号,探讨人体上肢肌肉功能状态的精确评价指标,及在肌肉功能预测、诊断及康复疗效评价方面的意义,为肌电假肢等康复设备提供设计参数。

方法为20个实验对象,左右上肢均完成13个基本动作,每个动作重复3次,采用8通道表面肌电信号采集系统,测试每个受试者完成每个动作时左右上肢三角肌中部、肱二头肌、肱三头肌、掌长肌和指伸肌十块肌肉的表面肌电,对其平均肌电(A EM G)和积分肌电(IEM G)这两个特征参数采用统计处理分析软件SPSS1410进行数据处理。

得到正常成年人体上肢完成日常生活活动(ADL s)时主肌肉群(三角肌中部、肱二头肌、肱三头肌、掌长肌和指伸肌)五块肌肉表面肌电特性。

结论是男性与女性在肌肉力量利用方面应有不同的侧重点,提示老年人和残疾人康复训练过程中,男性应以增强指伸肌肌力为重点,而女性应以增强掌长肌肌力为重点。

无论男女肱二头肌在ADL s中都很重要,三角肌、肱三头肌作用较小。

左右上肢主肌肉群表面肌电特征无显著性差异。

同时,A EM G和IEM G这两个分析指标在反映肌肉功能状态方面具有一致性。

关键词　表面肌电　日常生活活动　运动测量　上肢中图分类号　R318.04 文献标识码 文章编号　100125515(2009)0621177204Study on Surface Electromyography Characteristics of Human UpperLimb During Daily Living ActivitiesSong H aiyan1　Zhang Jianguo2　Liu T aoran2　G ao Shaopeng2 1(College of Packagi ng and Printing Engi neeri ng,Tianj in Universit y of S cience and Technolog y,Ti anj in300222,China) 2(College of Mechanical Engi neeri ng,Tianj in Universit y of S cience and Technolog y,Ti anj in300222,China) Abstract　This study on the surface electromyography(sEM G)characteristics of human upper limb during the Activities of Daily Living(ADL s)was aimed to deliberate over the precise evaluation index for the muscle function of human upper limb,and for the significance of muscle function prediction,diagnosis and rehabilitation evaluation, thus providing the design parameters for prosthetic devices.20normal adults(10males and10females)were recrui2 ted.They each performed13basic actions of left and right upper limb;then they repeated each action3times.The sEM G signals of ten muscles(the middle of deltoid,biceps brachii,tricep s brachii,palmaris longus,extensor digito2 rum)were tested by82channel sEM G collected system.The eigenvalue of Average electromyography(A EM G)and Integral electromyography(IEM G)were processed by SPSS14.0.The sEM G characteristics of main muscles(the middle of deltoid,bicep s brachii,tricep s brachii,palmaris longus,extensor digitorum)during the ADL s were ob2 tained and analyzed.The conclusion is that Man and Woman should be different in using muscle force;man should focus on the strength of extensor digitorum,while woman should enhance the strength of palmaris longus when the elderly and the disabled performed rehabilitation training.Biceps brachii is important both in man and woman during the ADL s;deltoid and triceps brachii are less important.There is no significant difference in sEM G between left and right main muscles.At the same time,A EM G is consistent with IEM G in evaluating the muscle function.K ey w ords　Surface electromyography(sEM G) Activities of Daily Living(ADL s) Motion measurement Upper limb3国家863计划项目资助(2006AA040201)和天津市应用基础研究计划项目资助(07J CY BJ C18700)Δ通讯作者。

脑卒中偏瘫患者上肢肌肉功能表面肌电图评价朱海杰;龚立君;严浩硕;周斌燕【摘要】目的观察脑卒中后偏瘫患者的患侧上肢前屈过程中相关肌肉表面肌电特征.方法选取16例符合纳入排除标准偏瘫患者和16例对照组受试者,所有观察组患者均进行患侧肢体的表面肌电图测试以及Fugl-Meyer上肢功能评定,对照组患者则采取右侧肢体作为对照,采集相应表面肌电值.结果观察组患者的斜方肌、三角肌前束、肱二头肌、肱三头肌的表面肌电值均高于对照组,差异均有统计学意义(t 分别=2.29、4.64、3.97、2.94,P均<0.05).观察组患者患侧上肢Fugl-Meyer评分平均(25.38±14.06)分,与患侧上肢动作完成过程中斜方肌、三角肌前束、肱二头肌、肱三头肌的表面肌电值无明显相关性(r分别=0.31、0.28、0.48、0.43,P 均>0.05).结论作为一种客观、量化的评估手段,表面肌电图是单一动作执行能力的有效评估工具.【期刊名称】《全科医学临床与教育》【年(卷),期】2017(015)004【总页数】4页(P401-403,408)【关键词】脑卒中;上肢;表面肌电【作者】朱海杰;龚立君;严浩硕;周斌燕【作者单位】316000 浙江舟山, 舟山市定海广华医院康复医学科;316000 浙江舟山, 舟山市定海广华医院康复医学科;316000 浙江舟山, 舟山市定海广华医院康复医学科;316000 浙江舟山, 舟山市定海广华医院康复医学科【正文语种】中文脑血管意外是一种常见病，据最新流行病学调查，美国每年有大约79.5万人罹患脑卒中[1]，中国脑卒中的发病率为116～219/10万人口[2]，每年新的脑卒中患者约200万人，其中70%～80%的脑卒中患者因为残疾不能独立生活[3]。

脑卒中所导致的上肢功能障碍是其主要后遗症之一[4]，发病后的3月内只有20%的患者具有正常的上肢功能[5]，且在早期瘫痪的患者中只有不到15%的人能重新获得功能的恢复[6]。

表面肌电在体育中的应用
表面肌电在体育中的应用
表面肌电（Surface EMG）作为一种常用的电子生理学技术，可以测
量肌肉的电活动，是一种非侵入性的方法，被用于研究人体肌肉功能
和运动的控制方式。

随着科技的发展，表面肌电在体育中的应用越来
越广泛。

第一，表面肌电在运动员的运动评估中扮演了重要的角色。

通过测量
肌肉电活动的变化，可以客观地评估运动员的肌肉力量和控制能力。

运动员可以根据肌肉电活动的反馈，进行针对性的训练，提高肌肉力
量和技术技能，提升运动表现。

第二，表面肌电可以用于研究不同运动技能和运动方法对肌肉活动的
影响。

通过比较不同运动技能和运动方法对肌肉活动的影响，运动员
可以选择更有效的运动技能和方法，提高运动表现。

比如，研究发现，划船运动员在划船时肌肉的电活动比较集中，说明划船对肌肉的刺激
比较高，可以增强肌肉力量和耐力。

第三，表面肌电可以用于研究运动员的运动损伤。

通过测量受伤肌肉
的电活动变化，可以预测运动员可能会出现的运动损伤，并及时采取
干预措施，减少运动损伤的风险。

综上所述，表面肌电在体育中的应用是非常广泛的，运动员和教练员
可以通过表面肌电的反馈，更有效地进行训练和提高运动表现。

未来，随着科技的不断发展，表面肌电在体育中的应用将会更加广泛，为运
动员和教练员提供更多的科技支持。

利用表面肌电共收缩指数对上肢肌肉协调的评价研究利用表面肌电仪采集了20名受试者在不同负荷举哑铃的状态下,右手屈臂动作的主要肌肉(肱二头肌和肱三头肌)表面肌电(sEMG)信号。

通过对实验数据的分析,得出上肢肌肉在不同负荷下的用力特征。

利用共收缩指数(co-contraction index,简称CCI)判断上肢肌肉的协调程度,探讨不同负荷条件下上肢肌肉协调用力情况,比较不同共收缩指数计算方法对评估人体肌肉协调用力的有效性,并比较了四种不同的共收缩指数计算方法的有效性,从而为科学指导运动和康复训练提供参考依据。

得出以下结论:(1)在向心收缩阶段,不同负荷下的肱二头肌积分肌电与均方根振幅均大于肱三头肌。

上肢肌肉表面肌电信号与负荷的变化有着密切联系,表现为负荷不断增加,肱二头肌和肱三头肌表面肌电信号各项指标也不断增加。

男生肱二头肌的积分肌电、均方根振幅与女生有显著性差异,肱三头肌无显著性差异。

(2)在离心收缩阶段,不同负荷下的肱二头肌积分肌电与均方根振幅均大于肱三头肌。

上肢肌肉表面肌电信号与负荷的变化有着密切联系,表现为负荷不断增加,肱二头肌和肱三头肌表面肌电信号各项指标也不断增加。

男生肱二头肌的积分肌电、均方根振幅与女生有显著性差异,肱三头肌无显著性差异。

(3)上肢肌肉的共收缩指数性别之间无显著性差异,说明在屈臂举哑铃动作过程中,男女之间在动作协调性方面没有差异。

(4)共收缩指数可以用来评价上肢肌肉的激活程度和肌肉协调性的程度。

随着负荷的不断增加,不同计算方法下的CCI指数呈上升趋势。

上肢肌肉共同激活指数的差异取决于四种不同CCI计算方法。

(5)在不同负荷下,方法一的CCI计算结果显著高于其他三种方法。

说明方法一对负荷变化更加敏感,可以更有效的区分不同负荷。

日常生活活动中人体下肢肌肉的表面肌电特性
康乐;张建国;刘合荣
【期刊名称】《中国康复理论与实践》
【年(卷),期】2012(000)009
【摘要】目的探讨个体完成日常生活活动时下肢主要肌肉群肌电信号特征。

方法30名正常成年人完成7个基本动作，同步检测双侧股直肌、股内侧肌、股外侧肌、腓肠肌外侧、胫前肌和比目鱼肌的表面肌电平均肌电值(AEMG)。

结果和结论在日常生活活动中，左右下肢肌肉的发力有显著性差异，下肢各肌肉发力有显著性差异，男、女性在完成日常生活活动时下肢发力方式不同。

【总页数】4页(P816-819)
【作者】康乐;张建国;刘合荣
【作者单位】天津科技大学机械工程学院,天津市 300222;天津科技大学机械工程
学院,天津市 300222;天津科技大学机械工程学院,天津市 300222
【正文语种】中文
【中图分类】R741.044
【相关文献】
1.人体步态滑跌过程中的下肢表面肌电特性研究 [J], 苏海龙;许兆健;张峻霞;张琰
2.不同振动条件下的正常人体下肢肌肉表面肌电分析 [J], 张园园;潘化平;许光旭;
张文通;朱奕;曹蓉;杜梅
3.偏瘫患者与正常人在五项日常生活活动中的表面肌电分析 [J], 杨唐柱;黄晓琳;熊蔡华;孙容磊
4.人体日常生活活动基本动作的提取研究 [J], 宋海燕;张建国
5.人体日常生活活动数据采集系统的研究与实现 [J], 赵艳阳
因版权原因，仅展示原文概要，查看原文内容请购买。

基于肌电信号的手臂运动状态的辨识24卷4期2005年8月中国生物医学工程ChineseJournalofBiomedicalEngineeringV o1.24No.4August2005基于肌电信号的手臂运动状态的辨识李醒飞杨晶晶史颖张国雄卢志扬(天津大学精密测试技术及仪器国家重点实验室,天津300072)摘要:本研究的目的是利用人体上肢肌肉的肌电信号辨识人体肘关节运动状态.当人体手臂做屈伸运动时,采集肱二头肌和肱三头肌的肌电(EMGs)信号和肘关节角度信号,对EMGs进行处理和特征提取.提取的特征值作为一个四层的神经网络模型的输入信号,运用改进后的误差反传学习算法最优化网络各层权值,映射出人体表面肌电信号和手臂运动状态间的非线性关系,并将处理后的肌电信号转换为相应时刻的肘关节运动角度.试验结果表明神经网络预测出的肘关节运动角度与测角仪测出的实际运动角度最大误差小于1度.关键词:EMGs;肘关节角;神经网络;状态辨识MotionStateIdentificationofHumanElbowJointBasedonEMGs LIXing??FeiYANGJing??JingSHIYingZHANGGuo??XiongLUZhi—y ang(StateKeyLaboratoryofPmc~eMeasurementTechnologyandInstrumentTi anfinUniversity,Tianjin300072)Abstract:Theobjectiveofthisstudyistoidentifythemotionstateofhumanelb oWiointbasedontheEMGs.EMGs werecollectedfromthebicepsandtricepsmusclesofnormalsubjectswhenthe ymovedtheirelbowflexion-extensionwithtime—varyingloads.TherawEMGsignalswereprocessedandthenewd efinedcharacteristicwaspickedup.Afour-layerfeed—forwardneuralnetworkmodelwiththecharacteristicasitsi nputwasdeveloped;theweightedvaluesof themodelwereoptimizedwiththeadjustedback-propagationalgorithm.Byt rainingthemodelcanmapthetransformation:fromtheprocessedEMGsignalstotheelbowjointangles.Th eexperimentalresultsshowedthatthe maximalerrorbetweenthejointanglepredictedbythenetworkandtheactualj ointanglemeasuredbythegoniometerislessthanldegree.Keywords:EMGs;ElbowJointAngleNeural;NetworkState;Identification 中图分类号Q811.212;文献标识码A文章编号0258—8021(2005)04—0416.05近年来,随着神经生理学和生物力学的发展,人们对肌电信号的产生机理有了充分的认识.肌电信号是人体自主运动时神经肌肉活动发放的生物电信号,它反映了神经,肌肉的功能状态一.不同肌肉的运动模式是由不同的肌群收缩产生,基于肌肉收缩所伴随的表面肌电信号(SEMG)不同,很多学者试图从SEMS中寻找与肌肉运动模式相对应的信号特征,并为此进行了大量的研究,但结果都不尽人意.基于肌电信号辨识人体肘关节的运动状态的研究具有重要的意义,因为辨识的结果不仅可以作为类人机械手和人工假肢的控制信号,还可以作为神经假肢的刺激信号,用于对人体进行康复治疗.其辨识过程也就是辨识模型的建立过程,而且可以用于对人体控制机理进行理论解释.本研究利用人体做肘关节屈伸运动时,肱二头肌和肱三头肌的肌电信号,建立肌电信号的特征值集,并将该特征值集作为神经网络模型的输入信号,运用改进后的误差反传学习算法最优化网络各层权值,建立了肌电信号到肘关节角度信号的非线性映射.收稿日期:2004—12—31,修回日期:2005—05—16.基金项目:国家自然科学基金资助项目(50375108);天津市自然科学基金资助项目(033601611).4期李醒飞等:基于肌电信号的手臂运动状态的辨识4l71原理和方法图1所示为测量和辨识系统的原理框图,人体在垂直面上做屈伸运动,采集肘关节角,上臂的肱二头肌和肱三头肌的肌电信号.对肌电信号进行滤波和特征提取,提取的肌电信号特征值作为神经网络辨识模型的输入信号,肘关节的角度信号作为期望的角度输出,用于对网络模型进行训练.为了得到辨识模型的最优权值,运用改进后的BP算法对神经网络进行训练,训练完成后,模型所建立起来的神经网络模型就建立起了肌电信号到肘关节运动状态的映射.肌电信号头肌随时间变化的肌电信号和肘关节随时间变化的角度信号.图1系统结构框图应该说明的是,所采集的肌电信号中包含了视觉反馈的作用,如图2所示.受试者通过视觉反馈不断检测肘关节的状态与目标之间的距离,调整对肱二头肌和肱三头肌的激励以控制肘关节的运动. 任务是根据所测的肌电信号来辨识肘关节的运动状态和轨迹.2EMG信号的采集和特征提取,,,,2.1EMG信号采集本研究利用NORAXOMMYOSYSTEM1200肌电仪和DAQ2006数据采集卡对肌电信号进行采集. 试验中使用两对差动电极,电极之间间隔2cm,构成双电极模式,分别在肱二头肌和肱三头肌上同时采集两路肌电信号.肌电仪完成前置放大功能,其低频截止频率为9Hz,高频截止频率为518Hz.受试者在肘关节作屈伸动作时,两组电极的差动信号以及测角仪所测的肘关节的角度信号通过数据采集卡同时存入计算机中,采样频率为1000Hz.图3,图4和图5分别表示肘关节做屈伸运动时,肱二头肌,肱三&gt;量≥馨图2具有视觉反馈的肘关节运动控制框图006002&gt;0主-002馨004图3肱二头肌原始的肌电信号征提取的方法如下:为了识别受试者手臂运动起始和终止状态,定义一个平方和函数2s(n):(EMG(n)一EMG,~)其中,EMG.(n),EMG(n)分别为从肘关节准备做屈伸运动到运动结束且处于放松状态的这段时间内肱二头肌上和肱三头肌的肌电信号值,丽是每条肌肉肌电信号的均值.当s(n)大于预先设定的阈值时,认为肘关节开始做屈伸运动.418中国生物医学工程24卷宴尝援{P020*******OOO800010000采集点数N/n图5肘关节运动角度(0度.6o度.0度l将每组肌肉上的肌电信号标准化,以满足两条肌肉上测得的肌电信号和值为1..(凡):EMG.(n)一丽2∑(EMG,(/2)一丽’):1经过此处理后每条肌肉的EMG信号特征值(n)不再依赖于肘关节运动时的用力大小.将两条肌肉上肌电信号特征提取处理后的两组向量. (n),(n)构造成神经网络模型的输入矩阵:,(凡)=[1,I(凡),2(凡),I(凡),I(凡)2(凡),2(凡)]矩阵中每个列向量分别作为神经网络输入层上6个神经元的输入值.3神经网络辨识模型3.1辨识模型的建立人工神经网络模仿生物神经元结构和神经传递机理,由许多具有非线性映射能力的神经元组成,神经元之间通过权系数相连结,构成自适应非线性动态系统.人工神经网络的自组织,自适应学习,极佳的容错性,非线性和鲁棒性,联想记忆能力以及推理意识功能,使得它在肌电信号的辨识和模式识别上显示出极大的优越性.同时,神经网络的并行结构加快了信号处理速度,减少了控制延时.本研究采用以多层感知器为主体的前馈神经网络对处理过的肌电信号进行运动模式分类,以辨识肘关节做屈伸运动时的运动状态,预测肘关节的运动轨迹.如图6所示,网络由输入层,隐层l,隐层2,输出层组成.输入层有6个神经元,分别为特征提取处理后的EMG信号,作为神经网络的输入;两个隐层分别有20个神经元;输出层只有一个神经元,其值为相应时刻神经网络预测出的手臂运动角度.同一层神经元间互不连接,层与层神经元间全互连.网络结构如图6所示.3.2神经网络训练算法输出层隐层2隐层l输入层图6四层的神经网络模型,其输入层为处理后EMG信号I(n),输出为网络预测的手臂肘关节运动角度网络实际应用之前,需要对网络进行训练,学习.本研究对网络的训练采用改进后的误差反传学习算法(ErrorBackPropagation).此算法包括两大步骤,其一是输入正相传播过程,处理后的信号加在网络的输入层后,逐层向输出层传播,得到输出响应. 如果网络输出与需要输出的误差大于标定值,将进行第二步,即输出误差反向传播过程,输出的误差值由输出层开始反向传播到输入层,传播到每一层的误差大小决定该层权值的改变.网络的训练实质上是一个最优化的过程,即找到使输出误差最小的网络权值J.训练结束后的网络权值,代表了神经网络输入输出的映射关系.l■.Or”t图7Slgmiod函数在该网络中,输入层和隐层采用非线性的Sigmoid函数(图7所示)作为神经元激励函数,输出层采用线性函数.首先,定义误差函数为:1(k)=÷[Y(k)一Y(k)]厶上式中,Y(k)为期望输出值,即手臂实际运动角度,Y(k)为网络输出值,即神经网络预测的手臂运动角度.本研究所定误差需小于0.001,因此需要由输出层开始反向推导网络权系数的修正值.(1)输出层神经元输出值及权值修正:加∞如∞∞加mOm4期李醒飞等:基于肌电信号的手臂运动状态的辨识419 ),(j})=厂(∑;”?hj一0)=,(∑埘?h;)A w;㈩=一’7=一Y(k)一),(k)]厂(),(k))h;式中厂(?)为线性函数,l3]为隐层2中第J_个神经元与输出层的权系数,h;为隐层2的神经元输出值,’=0,h=一1,即把神经元偏置的调整归人权系数的学习中,下面各隐层的情况也与之相同.(2)隐层2神经元输出值及权值修正:1h;=f(∑’?)△()=一叩[Y(k)一y(k)]厂(y())wf(h;)h式中厂(?)为sigmoid函数,为隐层1中第i个神经元与隐层2中第J.个神经元的权系数,h:为隐层1中第i个神经元输出值.(3)隐层1神经元输出值及权值修正:Ⅳ:(|i})=厂(∑(|i})?,(|i}))A w’.(k)=一叩[Y(k)一Y(k)]厂(h)-厂(Y(k)),(|i})式中厂(?)为sigmoid函数,1(k)为输入层中第m个神经元与隐层1中第i个神经元的权系数,,m(k) 为输入层中第m个神经元输入值.开始训练前,用小的随机数将权值初始化.为解决传统的BP算法中存在着收敛速度慢,目标函数容易陷入局部极小点的问题,本研究在实际训练中采用了如下改进措施:(1)学习率自适应调整:BP学习算法中学习速率’7取值较小,误差波动较小,但学习速度慢;叩取值较大,容易引起振荡甚至发散.因此采取学习率自适应调整,当连续两次迭代其梯度方向相同时,表明下降太慢,此时将步长增加;当连续两次迭代梯度方向相反时,表明下降过度,这时步长减小.本研究中采取了如下自适应方法调整:‘7(k)=叩(k一1)?f(A)其中:当误差梯度连续变号(除非叩(k)=叩一),f(A)=～;当误差梯度不连续变号(除非叩(k)=叩一),,(A)=A;当’7(k)=…或’7(k)=‘7时,f(A)=1.A为选定的大于1的常数,叩和’7为预先选定的最大和最小学习率,上述方案的思想是,只要不发生振荡就增大学习率直到叩,如发生了振荡就以较小的学习率,直到叩.(2)加入动量项:动量法在权值修正过程中加入了前一时刻负梯度的影响,相当于加入了阻尼项,降低了网络对误差曲面局部细节的敏感性,减小了学习过程的振荡趋势,有效的抑止了网络陷于局部极小.本研究采用改进后的BP算法,权值更新为:(k+1)=(k)+△(k)+[(k)一(k一1)J其中(k)一(k一1)]称为动量项,称为动量因子,可见,在加入动量项后,权值变化较缓慢时,修正量较大,权值变化较小时,修正量较小.(3)动量因子自适应调整:动量因子是决定收敛速度快慢的因素之一,本研究采用如下方法改变以调整权值的修正步长: ㈩:?A+7(k+rlS.㈩其中S.=Upt4测试结果及分析受试者在不同的运动速度(运动完成周期分别为2s,4s,6s,8s),手掌摆放位置(掌心向下,掌心向上)和任意的屈伸角度进行多组试验.在不同组动作的试验中,对该组动作样本任意选取50组作为神经网络控制器的训练集,剩余信号为测试集以考察EMG信号经过神经网络系统后预测的角度的准确率.设定当训练误差小于0.001时网络收敛,图8显示了均方根误差的收敛过程,从收敛图可以看出, 所设计的神经网络快速平稳收敛.网络参数收敛以后,使用经过训练的网络分别和测试样本中余下的的肌电信号来预测其相应手臂运行角度.图9为受试者在运动周期为6s,掌心向上,做(0—60—0)屈伸运动.使用均方根误差分析测试结果:MS=其中Y为预测角度,Y为实际角度.均方差误差均小于1,表明实际角度与预测角度的误差在1度以内.420中国生物医学工程24卷星嘏杠1O41031O2jI1lj1O橥0010.1101O.10.!\\/|_\!\,,/\～,l0102O3O4O5O6O7O8O9O周期数N/n图8神经网络训练误差的收敛过程图9预测与实测的关节角曲线5结论本研究使用人体肘关节做屈伸运动时的肱二头肌和肱三头肌的肌电信号,经过数据处理建立了一个肌电信号特征数据集,并以此作为神经网络辨识模型的输入,使用改进后的BPiJil练算法优化随模型的权值.该辨识模型能将处理后的肌电信号转换为相应时刻肘关节运动角度信号.受试者在不同的运动速度,屈伸角度和手掌摆放位置下进行试验,神经网络模型能够很好地预测出的肘关节运动角度.结果表明神经网络模型及训练算法能够成功的映射出人体表面肌电信号和手臂运动状态间的关系.6讨论神经网络模型类似于一个黑盒子,它运用特殊的训练方法来最优化各层神经元间的权值,建立起输入输出间的非线性关系.训练和测试结果表明神经网络能够成功的通过肌电信号预测出人体手臂的运动情况.然而,由于EMG信号不仅与人肢体运动状态有关,而且还会受到人体生理状态以及测试时电极安放位置等客观因素的影*fo因此建立的神经网络模型所应用的数据对不同的受试者是独立的,不同的受试者不能享用相同的网络模型.实际上,对于同一个受试者,在不同组次的试验中如果移动了手臂上的电极位置,网络也需要进行重新训练.这就意味着没有固定的神经网络模型预测肘关节所有的运动状态.当然,可以利用当前保存的权值作为网络的初始值来训练新的神经网络,以加快网络训练过程得到新的最优化网络权值.参考文献[1]丁海曙,容观澳,王广志.人体运动信息检测与处理[M].北京:宇航出版社,1992,94—121.SepulvedaG,WellsDM,VaughanCL.Aneuralnetwork representationofelectromyographyandjointdynamicsinhumangait [J].JBiomech,1993.26:101—109FukudaO,TsujiT,KanekoM.PatternclassificationofEMG signalsusingneuralnetworksduringaseriesofmotions[J].TransInstElectEng,1997,117(10):1490—1497.TsujiT,FukudaO,IchinobeH,eta1.Alog—linearizedGaussian mixturenetworkanditsapplicationtoEEGpatternclassification IJJ.IEEETransSystManCybernC.1999.29:60—72.TsujlT,FukudaO.KanekoM.eta1..Patternclassificationof time?seriesEMGsignalsusingneuralnetworks[J].IntJAdaptive ControlandSignalProcessing,2000,14:829—848.张乃尧,阎平凡.神经网络与模糊控制[M].北京:清华大学出版社,1998.1—9.LuhJJ,ChangGC,ChengCK,eta1.Isokineticelbowjoint torquesestimationfromsurfaceEMGandjointkinematicdata: Usinganartificialneuralnetworkmodel[J].JEleetromyogr Kinesiol,1999,9:173—183.LiuMM,HerzogW,SavelbergHH.Dynamicmuscleforce predictionsfromEMG:Anartificialneuralnetworkapproach[J].J ElectromyogrKinesiol,1999,9:391—4OO. LippmannRP.AnIntroductiontoComputingwithNeuralNets[J]. AIEEEASSPMag.1987.8:4—22.杨行竣,郑君里.人工神经网络[M].北京:高等教育出版社, 1992.23:40.]]]]]]]]23456789[[[[[[[[[。

运动员肌肉表面肌电研究进展关于肌电方面的研究，主要在各种肌电测试方法的应用，也有一些学者针对运动员肌肉表面肌电进行了一些研究与分析。

1.肌电测试方法研究为了更好的使游泳运动员了解仰卧起坐对于腰腹力量锻炼的作用，王嵘先生通过不同的训练姿势以及训练节奏运用肌电测试方法对运动员的腹直肌肌肉变化特征进行直观的分析并得到相关的振幅数据值作为理论依据。

为了更好地强化运动员小腿的力量，袁艳先生通过各种频率的训练动作运用肌电测试的方法对运动员在蹲起运动中的小腿肌肌肉变化特点进行直观分析等得到相关的振幅数据值作为理论依据。

为了更好地了解跳远运动不同训练方法的差异，葛青先生和张秋亚先生运用肌电测试方法对运动员在不同阶段进行跳跃训练时腿部肌肉的变化特征进行了对比分析并得出相关数据作为不同阶段的训练法是有差异的这一理论的依据。

为了更好了解普通女子拳击运动员与世界冠军之间的力量训练效果之间的差异，张日辉先生和康志新先生通过肌电测试方法对运动员训练时的上肢以及腰部肌肉的变化特征进行对比分析并得出相关中位频率数值作为研究依据证明二者之间的差距。

为了更好的缓解肌肉疲劳，Basano L先生和 Ottonello P先生运用肌电测试方式对运动员训练后的肌肉变化特征与训练前进行对比分析并得出表面肌电信号FFT频率的数值作为研究依据。

为了更好地了解飞行员的职业病慢性腰背痛的病理原因，卫杰先生通过肌电测试方法针对不同飞行员的腰竖脊肌的肌肉变化进行分析对比并得出相关数据作为研究非特异性慢性腰背痛的依据。

为了更好的了解驾驶员在驾驶拖拉机时因车身振动会对腰部疲劳产生多少影响，田晓峰先生运用肌电测试的方法在实践模拟中对不同驾驶员的腰部肌肉变化分析对比并得出啊相振幅和频率的关数据作为研究依据。

2.运动员表面肌电研究当前，有关运动员表面肌电的研究文章以及资料，我们通过相关搜索整理找到以下几篇，具体如下：在《北京市青少年铁饼运动员技术动作的表面肌电图分析》一文中，李明哲先生经过深入研究之后认为：遥测肌电仪在研究铁饼运动员在运动过程中身体各部位肌肉变化特征比起传统的教科书、经验以及录像等方法有着更加直观的效果，其中通过检测显示，在铁饼投掷过程中爆发力最大的就是腓肠肌和股四头肌，而耐力最久的是三角肌和股二头肌。

女性龙舟运动员100米划桨运动的表面肌电研究邹剑野邹彩萍曹森林刘紫芸李凯吴钰祥（江汉大学体育学院湖北·武汉430056）摘要龙舟运动是我国的一项传统节日活动，有着悠久的历史。

表面肌电信号（SEMG）是浅层肌肉和神经干上电活动在皮肤表面的综合效应。

在进行龙舟活动的过程中，上肢会产生特有的运动形式，会产生独特的表面肌电信号。

对此，特对女性龙舟运动员在进行龙舟活动划桨过程中上肢肌肉表面肌电信号展开研究，深入探讨女子龙舟划桨运动，探索最佳的运动方式，并对个性化及整体教学实践提供科学的参考。

关键词女性运动员龙舟运动上肢肌肉表面肌电中图分类号：G861.4文献标识码：A0引言龙舟运动为我国的一项传统节日活动，承载着我国多年的历史与文化。

在其运动的过程中需要人的全身协调用力，对手臂、腹肌、腰部的力量有着很高的要求。

龙舟运动员在参与龙舟运动时往往需要有好的身体协调性和躯干核心力量。

划桨是在进行龙舟运动时最主要的活动方式，在运动员划桨的过程中，对于其上肢的力量有着极高的要求。

肌电信号（EMG）是众多肌纤维中运动单元动作电位（MUAP）在时间和空间上的叠加。

表面肌电信号（SEMG）是浅层肌肉EMG和神经干上电活动在皮肤表面的综合效应，能在一定程度上反映神经肌肉的活动，帮助我们“看到”肌肉，在临床医学、体育科学等多个方面具有指导意义。

目前国外的肌电信息采集系统处于较高水准，我国的生理信号采集技术也已有着多年的积累经验，在肌电信息采集与研究方面颇有建树。

此次项目就以江汉大学女子龙舟队队员为例展开研究，深入了解女性龙舟运动员在划桨运动时上肢肌肉的表面肌电信号的变化，探索最佳运动及训练方式，为龙舟培训的个性化及整体教学实践提供科学的参考。

1研究对象与方法1.1研究对象选取江汉大学龙舟队9名优秀女性龙舟运动员作为研究对象，如表1所示。

1.2研究方法在实验前对相关理论知识和仪器使用方法进行充分的学习，利用相关肌电信号的检测和相关仪器对运动员进行相关实验。

2017年(第7卷)第10期运动人体科学长期的缺乏锻炼会使身体健康受到威胁,适当的运动会起到强身健体的作用,因此国家大力推广及普及广播体操这一体育运动。

广播体操是一种徒手体操,不受场地和器械条件的限制,易于普及[1]。

中学广播体操在全国已推广至第三套,主要有《青春的活力》《时代在召唤》《舞动青春》《放飞理想》。

目前有很多学者致力于广播体操的研究, 2009年,崔玉鹏[2]等①基金项目:天津市应用基础及前沿技术研究计划(项目编号：13JCZDJC30900);天津科技大学青年教师创新基金(项目编号：2014CXLG24)。

通讯作者:宋海燕(1977,1—),女,汉,辽宁凌源人,研究生,副教授,研究方向:人体运动生物力学，E-mail:songhaiyan00@。

DOI:10.16655/ki.2095-2813.2017.10.009基于表面肌电的中学生广播体操运动对比研究①宋海燕1* 杨婧2 王芳2(1.天津科技大学包装与印刷工程学院;2.天津科技大学机械工程学院 天津 300222)摘 要:目的 研究第三套中学生广播体操《舞动青春》《放飞理想》两套广播体操运动过程中下肢肌肉的表面肌电信号特性,为广播体操在动作编排和改进方向上提供可靠的数据和理论参考依据。

方法 测试20名实验对象在完成广播体操时下肢主肌肉群的表面肌电信号,将肌肉贡献率作为研究指标,利用统计分析软件SPSS 16.0对其进行数据处理与分析。

结果 在进行《舞动青春》广播体操时,男性和女性贡献率最大的肌肉均主要集中在股二头肌;在进行《放飞理想》广播体操运动时,股二头肌、股直肌、腓肠肌外侧、胫骨前肌四块肌肉的贡献率比较均衡。

关键词:表面肌电 体操运动 肌肉 疲劳中图分类号:R318.04文献标识码:A文章编号:2095-2813(2017)04(a)-0009-03A Comparative Study on the Students' Gymnastic Exercises Based on SurfaceElectromyographySong Haiyan 1* Yang Jing 2 Wang Fang 2(1.College of Packaging and Printing Engineering, Tianjin University of Science and Technology;2.College of Mechanical Engineering,Tianjin University of Science and Technology, Tianjin, 300222, China)Abstract : By studying on sEMG characteristics of lower limb muscle during the third sets of youth students broadcast gymnastics named “Dancing youth ” and “Flying ideal” , to provide reliable data and theoretical reference for radio Gymnastics in the choreography and the direction of improvement. Method: Test 20 subjects in the completion of broadcast gymnastics and to obtain Surface electromyography signals from their primary muscles clusters in lower limb muscle group, the contribution rate of muscle as a research target, The data were processed by SPSS 16.0. Conclusion: when performing the “Dancing youth ”broadcast gymnastics, male and female contribution rate of the muscles are mainly concentrated in the biceps femoris muscle,and when performing the “Flying ideal ” broadcast gymnastics, the contribution rate of four muscles of the quadriceps femoris,rectus femoris, gastrocnemius muscle and tibialis anterior muscle was more balanced.Key Words : SEMG; Gymnastics; Muscles; Fatigue人为了客观评价第三套全国中小学生系列广播体操的运动负荷,对完成广播体操运动过程中摄氧量、心率和主观体力感觉等级量表等指标进行检测,其结果显示这套广播体操运动负荷属于低到中等,适合中小学生健身运动。

《上肢运动时肌肉电信号分析》篇一一、引言肌肉电信号分析是一种通过监测和分析肌肉收缩时产生的电信号，以了解肌肉功能和运动机制的重要技术。

随着生物医学技术的不断发展，对上肢运动时肌肉电信号的研究显得尤为重要。

上肢作为人类日常生活中重要的运动部位，其运动功能的正常与否直接关系到个体生活质量和工作效率。

本文将针对上肢运动时肌肉电信号的原理、研究方法、实验过程以及结果进行详细分析。

二、肌肉电信号原理肌肉电信号是指肌肉在收缩过程中产生的微弱电流，这些电流可以通过表面电极或针电极等设备进行记录和分析。

上肢运动时，肌肉电信号的强度和波形会随着肌肉的收缩和松弛而发生变化。

通过分析这些变化，可以了解肌肉的运动状态、功能以及潜在的损伤。

三、研究方法1. 实验设计：选择一定数量的健康受试者，对他们的上肢肌肉进行电信号记录。

同时，记录受试者上肢运动过程中的各种参数，如运动速度、角度等。

2. 数据采集：使用表面电极或针电极等设备，在上肢各部位的关键肌肉群进行电信号的采集。

同时，通过高速摄像机等设备记录受试者的运动过程。

3. 数据分析：对采集到的肌肉电信号进行预处理和特征提取，然后运用统计学方法进行分析，以揭示肌肉电信号与上肢运动的关系。

四、实验过程1. 实验准备：选择合适的受试者，确保他们在实验前无任何上肢损伤或疾病。

对实验设备进行校准和调试，确保数据采集的准确性。

2. 数据采集：在受试者进行上肢运动时，使用电极等设备进行肌肉电信号的采集。

同时，通过高速摄像机等设备记录受试者的运动过程。

3. 数据分析：对采集到的数据进行预处理和特征提取，如去除噪声、滤波、归一化等。

然后运用统计学方法对数据进行进一步的分析和处理。

五、结果分析通过对上肢运动时肌肉电信号的分析，我们可以得到以下结论：1. 不同类型肌肉在运动过程中的电信号特征存在差异。

例如，快肌和慢肌在收缩过程中产生的电信号波形和强度有所不同。

2. 上肢运动过程中，肌肉电信号的强度与运动速度、角度等参数密切相关。

人体上肢运动表面肌电特征研究
张建国;刘涛然;宋海燕
【期刊名称】《微计算机信息》
【年(卷),期】2009(025)024
【摘要】目的根据检测的人体上肢表面肌电信号,研究日常生活活动中男性、女性和左右上肢肌肉功能状态的差异性.方法对20个被试者的三角肌中部、肱二头肌、肱三头肌、掌长肌和指伸肌五块肌肉进行肌电采集,每个动作重复3次,采用统计处理分析软件SPSS 14.0对时域特征参数平均振幅和积分肌电进行数据处理.结果女
性的数值大于男性的数值;左上肢的数值大于右上肢的数值,经t检验知,左右上肢不存在无显著性差异.结论我们可以得到正常人体上肢日常生活活动中的肌电信号数值,为康复治疗、临床诊断、人体工效学提供评定指标.
【总页数】3页(P194-195,210)
【作者】张建国;刘涛然;宋海燕
【作者单位】300222,天津,天津科技大学机械工程学院;300222,天津,天津科技大
学机械工程学院;300222,天津,天津科技大学机械工程学院
【正文语种】中文
【中图分类】R319
【相关文献】
1.脑卒中患者四肢肌肉的表面肌电信号特征研究 [J], 戴慧寒;王健;杨红春;张海红
2.人体上肢表面肌电反馈康复训练系统的研制 [J], 牟洪雨;季林红;王人成;杨义勇;
金德闻;张济川
3.直立位强腹式呼吸腹直肌表面肌电特征研究 [J], 华雪娟;刘超
4.直立位强腹式呼吸腹直肌表面肌电特征研究 [J], 华雪娟;刘超
5.电子竞技过程中相关肌肉表面肌电特征研究 [J], 李正彬;陈馀康;崔巍
因版权原因，仅展示原文概要，查看原文内容请购买。

基于表面肌电贡献率的上肢不同力量素质指标年龄、性别通用性研究范洪彬;孙有平;季浏【期刊名称】《中国体育科技》【年(卷),期】2016(052)005【摘要】目的：利用表面肌电贡献率比较体质测试中修正（屈膝）俯卧撑、修正引体向上及90°俯卧撑3个力量素质上肢指标在不同年龄和性别因素上的通用性。

方法：以6～14岁学生（共270人）为受试对象（每1岁为1个年龄水平，每个年龄水平男、女生各15人），以表面肌电aEMG为测试指标，测试每个学生全身14块肌肉在完成上述2或3个力量素质指标的肌电值，并标准化为表面肌电贡献率；对6～14岁学生修正（屈膝）俯卧撑、修正引体向上所有肌肉的肌电贡献率分别进行关于年龄和性别的双因素方差分析；对12～14岁男生3个力量素质指标所有肌肉的肌电贡献率分别进行关于年龄的单因素方差分析；并分别进行指标间差异的比较。

结果：6～14岁学生修正（屈膝）俯卧撑对于年龄、性别及其交互作用显著的肌肉分别为2、7、6块，年龄效应差异显著的年龄组成对数量男、女生共计110对，性别效应差异显著的肌肉数量为13块，年龄组为22个；6～14岁学生修正引体向上对于年龄、性别及其交互作用显著的肌肉分别为3、3、6块，年龄效应差异显著的年龄组成对数量男、女生共计116对，性别效应差异显著的肌肉数量为9块，年龄组为18个；12～14岁男生修正（屈膝）俯卧撑、修正引体向上及90°俯卧撑对于年龄效应差异显著的肌肉分别为0、2、2块，年龄组的成对数量分别为0、2、2。

结论：6～14岁学生完成修正（屈膝）俯卧撑的年龄及性别通用性优于修正引体向上；12～14岁男生完成修正（屈膝）俯卧撑的年龄通用性优于90°俯卧撑与修正引体向上，后两者通用性相当。

【总页数】15页(P83-97)【作者】范洪彬;孙有平;季浏【作者单位】青少年健康评价与运动干预教育部重点实验室，上海200241; 华东师范大学体育与健康学院，上海200241; 遵义医学院体育学院，贵州遵义563000;青少年健康评价与运动干预教育部重点实验室，上海200241; 华东师范大学体育与健康学院，上海200241;青少年健康评价与运动干预教育部重点实验室，上海200241; 华东师范大学体育与健康学院，上海200241【正文语种】中文【中图分类】G804.2【相关文献】1.表面肌电贡献率测试3种姿势仰卧起坐的年龄、性别通用性 [J], 孙有平;范洪彬;季浏2.基于表面肌电的工人上肢肌肉疲劳试验研究 [J], 王越;刘洋;徐明伟3.基于表面肌电的运动员上肢肌疲劳特征分析 [J],4.基于表面肌电探讨蝶形浴对脑卒中\r偏瘫患者上肢痉挛的影响 [J], 袁松;刘飞;张保;李梦莹;王俊华;高峰5.基于表面肌电技术对卒中患者上肢运动时躯干肌用力疲劳程度的研究 [J], 张潇雅;郑海清;陈曦;马可;张璇;陈彦;于松因版权原因，仅展示原文概要，查看原文内容请购买。