下载文档原格式
表面肌电信号检测电路的实时运动分析与控制方法一、简介随着人工智能技术和生物医学工程的发展，表面肌电信号（sEMG）检测技术逐渐应用于实时运动分析与控制。
sEMG信号是通过电极贴在皮肤上检测肌肉活动所产生的微弱电信号，在运动分析与控制领域具有广泛的应用前景。
本文将介绍一种基于表面肌电信号的实时运动分析与控制方法。
二、sEMG信号采集为了实现对肌肉活动的实时分析与控制，首先需要采集和处理sEMG信号。
sEMG信号的采集通常使用表面电极来收集，电极应贴在皮肤上与目标肌肉接触良好。
采集到的sEMG信号需要经过放大或滤波等处理，以提高信号质量和准确度。
三、sEMG信号特征提取为了准确分析肌肉活动，需要从sEMG信号中提取出有用的特征。
常用的特征提取方法包括时域特征和频域特征。
时域特征主要包括均值、方差、峰值等统计量，用于描述信号的幅度和波形特征；频域特征则通过傅里叶变换将信号转换到频域，提取频谱特征，用于描述信号的频率分布。
四、实时运动分析基于sEMG信号的实时运动分析可以通过对提取的特征进行分类和识别来实现。
常用的分类算法包括支持向量机（SVM）、人工神经网络（ANN）和深度学习算法等。
这些算法根据已有的训练数据集进行学习，并根据提取的特征对输入的sEMG信号进行分类判断，从而实时分析出肌肉的运动状态。
五、实时运动控制实时运动控制是通过对sEMG信号分析结果进行反馈控制，来实现对目标设备或系统的控制。
例如，可以将肌肉活动分析结果用于控制假肢的运动，让失去肢体的患者实现自然的肢体运动；也可以用于控制机器人的动作，提高机器人的精准操控能力。
六、应用前景与挑战sEMG信号检测技术在实时运动分析与控制领域具有广阔的应用前景。
它可以应用于康复医学、人机交互、运动辅助装置等多个领域。
然而，sEMG信号的采集和处理过程中面临一些挑战，如信号的噪声干扰、电极脱落等问题，需要进一步研究和改进。
七、结论通过表面肌电信号检测电路的实时运动分析与控制方法，可以实现对肌肉活动的准确监测和控制。
表面肌电信号特征表面肌电信号（Surface Electromyography，简称sEMG）是通过测量肌肉表面电位变化来反映肌肉活动的技术。
在运动学、工程学、物理学、医学、运动康复等领域，sEMG技术被广泛应用于肌肉活动的研究中。
下面将介绍sEMG信号的特征。
一、频率特征sEMG信号的频率特征是指信号中包含的频率成分。
sEMG信号频率范围通常为10-500 Hz。
通常将sEMG信号分为三个频带，即低频段(10-100 Hz)、中频段(100-250 Hz)和高频段(250-500 Hz)。
其中，低频段反映了肌肉的肌力变化，中频段反映了肌肉的疲劳状态，高频段反映了肌肉的颤动和抖动。
二、幅值特征sEMG信号的幅值特征是指信号电位的均方根值(Root Mean Square，简称RMS)。
RMS值越大，代表肌肉收缩的力度越强，反之，RMS值越小，肌肉收缩的力度越弱。
三、时域特征时域特征分为两个方面:幅度分布特征和波形轮廓特征。
幅度分布特征是指sEMG信号在时间轴上的分布情况，可以反映肌肉收缩的强度和肌肉的功能。
波形轮廓特征是指sEMG信号波形的上升、下降、持续时间等特征，可以反映肌肉收缩的速度和肌肉的协调性。
四、空间特征空间特征是指不同位置肌肉间的sEMG信号差异。
当肌肉活动时，sEMG 信号的强度和形态在不同的位置上可能会有所不同。
综上所述，sEMG信号与肌肉活动密切相关，sEMG信号的频率、幅值、时域和空间特征等特征均可用来量化肌肉收缩的情况，进而为肌肉活动的研究提供依据。
在未来的发展中，sEMG技术将会得到更广泛的应用。
表面肌电的处理方法及在体育科研中应用前景
罗炯;金季春
【期刊名称】《福建体育科技》
【年(卷),期】2005(024)002
【摘要】表面肌电信号的检测是一种无创电检测方法,它的检测分析对临床诊断及康复医学、运动医学等具有重要意义.肌电图学在体育科学研究上应用较晚,主要用于对肌肉力量和肌肉疲劳的诊断上,并逐步从基础理论研究转向为运动技术服务的实践研究.本文试图对表面肌电的信号分析方法及其在体育中应用前景作个回顾.【总页数】4页(P31-34)
【作者】罗炯;金季春
【作者单位】广东韶关学院体育系,广东,韶关,512005;北京体育大学,北京,100084【正文语种】中文
【中图分类】G812.6
【相关文献】
1.内皮祖细胞的研究现状及在体育科研中的应用前景 [J], 龚晓明;郑澜;瞿树林
2.表面肌电的信号分析及在体育科研中的应用 [J], 李卓
3.表面肌电图技术在体育科研中的应用 [J], 王银银;罗旋;李子军
4.表面肌电的处理方法及在体育科研中的应用前景 [J], 罗炯;金季春
5.表面肌电的处理方法及在体育科研中应用前景 [J], 罗炯;金季春
因版权原因，仅展示原文概要，查看原文内容请购买。
表面肌电信号检测和处理中若干关键技术研究一、本文概述随着生物医学工程技术的快速发展，表面肌电信号（Surface Electromyography, sEMG）检测和处理技术已成为研究人体肌肉活动、评估肌肉功能状态以及指导康复治疗等领域的重要手段。
本文旨在对表面肌电信号检测和处理中的若干关键技术进行深入研究和分析，以提高信号质量、增强信号特征提取的准确性，进而为肌肉活动的有效监测和评估提供技术支持。
本文首先介绍了表面肌电信号的基本原理和产生机制，阐述了其在医学、体育科学、人机交互等领域的应用价值。
接着，重点探讨了表面肌电信号检测过程中的关键技术，包括电极的设计与优化、信号采集方法的改进以及信号预处理技术等。
本文还对表面肌电信号处理方法进行了深入研究，包括信号的时域分析、频域分析以及非线性分析等，以期从多个角度全面揭示肌肉活动的特征和规律。
本文总结了表面肌电信号检测和处理技术的最新研究进展，指出了当前研究中存在的问题和挑战，并对未来的研究方向进行了展望。
通过本文的研究，旨在为相关领域的研究人员和实践者提供有益的参考和借鉴，推动表面肌电信号检测和处理技术的进一步发展。
二、sEMG信号检测技术表面肌电信号（surface electromyography，sEMG）是肌肉活动时产生的生物电信号，其检测技术在运动科学、生物医学工程、康复医学等领域具有广泛的应用。
sEMG信号检测技术涉及多个关键环节，包括电极设计、信号采集、噪声抑制和信号放大等。
电极是sEMG信号检测的关键部分，其性能直接影响到信号的质量和可靠性。
理想的sEMG电极应具备高灵敏度、低噪声、良好的信噪比和长期稳定性等特点。
目前常用的sEMG电极类型包括干电极、湿电极和一次性电极等。
干电极具有使用方便、易于携带等优点，但在信号质量和稳定性方面相对较差；湿电极通过导电介质与皮肤接触，能够提高信号的稳定性和质量，但使用过程较为繁琐；一次性电极则具有卫生、方便和成本低廉等优点，但在信号质量方面可能略逊于湿电极。
表面肌电信号处理
表面肌电信号处理是一种用于研究肌肉活动的技术。
它通过测量肌肉表面的电信号来分析肌肉的活动情况。
这种技术可以用于研究肌肉的运动控制、肌肉疲劳、肌肉损伤等方面。
表面肌电信号处理的基本原理是利用肌肉收缩时产生的电信号来反映肌肉的活动情况。
这些电信号可以通过肌肉表面的电极来测量。
测量到的信号经过放大、滤波等处理后，可以得到肌肉的活动情况。
表面肌电信号处理可以用于研究肌肉的运动控制。
通过测量肌肉的电信号，可以了解肌肉在不同运动状态下的活动情况。
这对于研究肌肉的运动控制机制非常重要。
例如，可以研究肌肉在不同运动强度下的活动情况，以及肌肉在不同运动方式下的活动情况。
表面肌电信号处理还可以用于研究肌肉疲劳。
肌肉疲劳是肌肉长时间运动后的一种生理现象，会导致肌肉力量下降、肌肉酸痛等症状。
通过测量肌肉的电信号，可以了解肌肉在疲劳状态下的活动情况。
这对于研究肌肉疲劳机制、预防肌肉疲劳等方面非常重要。
表面肌电信号处理还可以用于研究肌肉损伤。
肌肉损伤是肌肉受到外力或过度使用等因素导致的一种损伤。
通过测量肌肉的电信号，可以了解肌肉在损伤状态下的活动情况。
这对于研究肌肉损伤机制、预防肌肉损伤等方面非常重要。
表面肌电信号处理是一种非常重要的技术，可以用于研究肌肉的运
动控制、肌肉疲劳、肌肉损伤等方面。
随着技术的不断发展，表面肌电信号处理将会在更多领域得到应用。
表面肌电信号处理表面肌电信号（sEMG）是指肌肉活动引起的电信号，它们可以通过表面电极在肌肉表面进行测量。
sEMG信号处理是分析和解释sEMG信号的过程，它可以用于诊断肌肉疾病、评估肌肉功能、控制肌肉运动和研究运动控制等方面。
sEMG信号处理的第一步是信号采集。
在采集sEMG信号时，需要选择适当的电极和放大器，并将其放置在肌肉表面。
然后，通过放大器将信号放大，以便进行后续的分析和处理。
sEMG信号处理的第二步是信号滤波。
由于sEMG信号存在许多噪声和干扰，因此需要对信号进行滤波，以去除这些噪声和干扰。
常用的滤波器包括低通滤波器、高通滤波器和带通滤波器。
sEMG信号处理的第三步是特征提取。
特征提取是从原始sEMG信号中提取有用的信息或特征的过程。
常用的特征包括幅值、频率、时域特征和频域特征等。
这些特征可以用于识别肌肉动作、评估肌肉疲劳和控制肌肉运动等方面。
sEMG信号处理的第四步是模式识别。
模式识别是将特征与已知的模式或类别进行比较和分类的过程。
常用的模式识别算法包括支持向量机、人工神经网络和决策树等。
这些算法可以用于识别肌肉动作、评估肌肉疲劳和控制肌肉运动等方面。
sEMG信号处理的应用非常广泛。
例如，在肌肉康复方面，sEMG 信号处理可以用于评估肌肉功能和监测康复进展。
在肌肉疾病诊断方面，sEMG信号处理可以用于诊断肌肉疾病和评估疾病的严重程度。
在运动控制方面，sEMG信号处理可以用于控制假肢、神经刺激和运动康复等方面。
sEMG信号处理是分析和解释sEMG信号的过程，它可以用于诊断肌肉疾病、评估肌肉功能、控制肌肉运动和研究运动控制等方面。
sEMG信号处理的应用前景非常广阔，未来还有很大的发展空间。
noraxon表面肌电对应的肌肉Noraxon表面肌电是一种测量肌肉活动的方法，通过贴附在皮肤表面的电极传感器来检测肌肉收缩和放松过程中产生的电活动。
Noraxon表面肌电技术在运动科学、康复医学和生物力学等领域得到广泛应用，被用来评估肌肉功能、运动控制和运动损伤康复等方面。
Noraxon表面肌电基于生物电学原理，通过记录肌肉电位上的时间变化，从而研究肌肉的收缩和伸展过程。
当肌肉收缩时，肌肉纤维中的神经冲动会触发肌肉纤维的收缩，并产生电位变化。
这些电位变化被肌肉电极传感器检测到，并转换成数值信号，然后被计算机记录和分析。
Noraxon表面肌电可以应用于多个肌肉，其最常用的应用是对骨骼肌进行测量。
骨骼肌是人类运动和姿势控制的主要肌肉。
常见的测量骨骼肌的肌肉有肱二头肌、腿部肌群和腹肌等。
通过监测这些肌肉的电活动，可以了解肌肉运动、力量输出和运动控制的情况，进而指导运动训练和康复治疗。
在运动科学领域，Noraxon表面肌电常用于评估运动员的肌肉状态和运动技术。
例如，在重量举重项目中，肌肉收缩的时间和力量输出对运动员的表现非常重要。
通过测量骨骼肌肌电信号，可以了解肌肉是否协调和是否存在潜在的运动损伤风险。
在康复医学中，Noraxon表面肌电被用来评估患者的肌肉功能和运动控制情况。
例如，在膝关节损伤康复中，通过监测大腿肌群的肌电信号，可以判断肌肉力量的恢复情况，并调整康复训练计划。
此外，Noraxon表面肌电还可以帮助恢复运动的人们调整步态和姿势，以提高运动效果和减少受伤的风险。
除了骨骼肌，Noraxon表面肌电也可以测量其他类型的肌肉，如平滑肌和心肌。
平滑肌是存在于内脏器官和血管壁的肌肉，主要用于调节器官的功能。
心肌则是心脏中的肌肉组织，用于推动血液循环。
通过测量平滑肌和心肌的电活动，可以研究内脏器官和心脏的功能状态，对于心血管疾病的诊断和治疗提供价值。
总之，Noraxon表面肌电是一种测量肌肉活动的非侵入性方法，被广泛应用于运动科学、康复医学和生物力学等领域。
体育科技文献通报第１４卷第３期２００６年３月
１ｓＥＭＧ表面肌电信号（ｓｕｒｆａｃｅｅｌｅｃｔｒｏｍｙｏｇｒａｐｈｉｃｓｉｇｎａｌ，ｓＥＭＧ信号）是从皮肤表面通过电极引导、放大、显示和记录下来的神经肌
肉系统活动时的生物电信号［１］，信号形态具有较大的随机性和不
稳定性［２］。研究表明，ｓＥＭＧ信号来自大脑皮层运动区，形成于外周肌肉众多运动单位的生物电活动在时间和空间上的总合［１，３，４］。
信号的振幅、频率和复杂度等线形、非线性特征的变化取决于中
枢神经系统的肌肉运动控制策略［５，６］、肌肉活动水平和肌肉功能状态等生理性因素［５，７］，以及探测电极的放置位置［８］体表温度［９］、
皮下脂肪厚度和负荷方式［１０］等测量性因素的共同作用［１，５］。由于ｓＥＭＧ信号与肌肉的功能状态和活动状态之间存在着不同程度的关联性，因而能够在一定程度上反映神经肌肉的活动，同时ｓＥＭＧ兼备无创性、实时性、操作简单等优点［３］，因而在临床医学的神经肌肉疾病诊断，人机功效学领域肌肉工作的功效学分析，
康复医学领域的肌肉功能评价，以及体育科学中的疲劳评定，运动
技术合理性分析，无氧阈值的预测方面均有重要的实用价值［１１］。
２ｓＥＭＧ信号的分析指标２．１时、频域分析
目前，ｓＥＭＧ信号分析主要集中在时、频分析两个领域［１，２］。
时域分析是将肌电信号看作时间的函数［１３］，用来刻画时间序列
信号的振幅特征，主要包括积分肌电值（ｉＥＭＧ）、均方根值
（ＲＭＳ）、平均振幅（ＭＡ）等。积分肌电是指所得肌电信号经整流滤波求单位时间内曲线下面积的总和，它可反映肌电信号随时间
进行的强弱变化［１４］。其计算公式如下：
ｔ＋ＴｉＥＭＧ＝∫｜ＥＭＧ（ｔ）｜/ｄｔｔＲＭＳ和ｉＥＭＧ一样也可在时间维度上反映ｓＥＭＧ信号振幅的变化特征，而ＲＭＳ又取决于肌肉负荷性因素和肌肉本身生
理、生化过程之间的内在联系［１１］，它不能反映肌电信号的细节变
化［１４］。其计算公式如下：
ｔ＋Ｔ
ＲＭＳ＝（１／Ｔ∫ＥＭＧ２（ｔ）ｄｔ）１／２ｔ平均振幅（ＭＡ）反映肌肉电信号的强度，与参与的运动单位
数目及放电频率同步化程度有关［１４］。
在频域分析方面，主要的分析方法是对ｓＥＭＧ信号进行快速傅立叶转换（ＦＦＴ），获得ｓＥＭＧ信号的频谱或功率谱。它们可反映ｓＥＭＧ的信号在不同频率分量的变化，所以能够较好的在频
率维度上反映ｓＥＭＧ的变化［１１］。与时域指标相比，频域指标有如下几种优势［１４］：（１）在肌肉疲劳过程中均呈明显的直线递减型变
化，而时域指标的变化则有较大的变异。（２）频域指标时间序列曲
摘要：表面肌电的信号检测是一种无创电检测方法，其信号的检测分析在临床诊断、康复医学及运动医学
中具有重要意义。本文主要介绍了表面肌电信号的分析处理方法及其在国内外体育科研领域中的应用研究现状。
关键词：表面肌电；信号分析；应用研究
Ａｂｓｔｒａｃｔ：ＴｈｅｄｅｔｅｃｔｉｏｎｏｎｓｉｇｎａｌｏｆＥＭＧｉｓａｎｏｎ－ｉｎｖａｓｉｖｅｍｅｔｈｏｄ，ｗｈｉｃｈｈａｓｇｒｅａｔｉｍｐｏｒｔａｎｃｅｉｎｃｌｉｎｉｃａｌｄｉａｇｎｏｓｉｓ，ｒｅｈａｂｉｌｉｔａｔｉｏｎａｎｄｓｐｏｒｔｍｅｄｉｃｉｎｅ．ＴｈｉｓｐａｐｅｒｍａｉｎｌｙｉｎｔｒｏｄｕｃｅｓｔｈｅｍｅｔｈｏｄｏｆａｎａｌｙｚｉｎｇｏｎｓｉｇｎａｌｏｆＥＭＧａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｉｎｓｐｏｒｔｓｃｉｅｎｔｉｆｉｃｒｅｓｅａｒｃｈａｔｈｏｍｅａｎｄａｂｒｏａｄ．Ｋｅｙｗｏｒｄｓ：ＥＭＧKｓｉｇｎａｌａｎａｌｙｓｉｓK
ａｐｐｌｉｃａｔｉｏｎ
中图分类号：Ｇ８０４．７文献标识码：Ａ文章编号：１００５－０２５６（２００６）０３－００３１－０３
表面肌电的信号分析及在体育科研中的应用ＳｉｇｎａｌＡｎａｌｙｓｉｓｏｆＥｌｅｃｔｒｏｍｙｏｇｒａｍａｎｄＩｔｓＡｐｐｌｉｃａｔｉｏｎｉｎＳｐｏｒｔＳｃｉｅｎｔｉｆｉｃＲｅｓｅａｒｃｈ
李卓ＬＩＺｈｕｏ
作者简介：李卓（１９８０－），女，天津人，研究生，研究方向：运动人体科学。
作者单位：首都体育学院，北京
１０００８８
ＣａｐｉｔａｌＩｎｓｔｉｔｕｔｅｏｆＰｈｙｓｉｃａｌＥｄｕｃａｔｉｏｎ，Ｂｅｉｊｉｎｇ１０００８８，Ｃｈｉｎａ．
百家论坛３１ＢＵＬＬＥＴＩＮＯＦＳＰＯＲＴＳＣＩＥＮＣＥＶｏｌ．１４．ＮＯ．３．２００６ＡＮＤＴＥＣＨＮＯＬＯＧＹ
线的斜率不受皮下脂肪厚度和肢体围度的影响，而时域指标则易受影响。（３）频域指标时间序列曲线的斜率与负荷持续时间明显相关，而时域指标的相关不明显。虽然频域指标和时域指标比起来具备一定的优势，但是快速傅立叶变换自身存在一定的缺陷，它需要有肌电信号在全时域的信息综合分析，信号在某一时刻的变化将影响整个频谱特性。目前，在频域分析方面常用以下两种指标进行分析，即平均功率频率（ＭｅａｎＰｏｗｅｒＦｒｅ－ｑｕｅｎｃｙ）和中位频率（ＭｅｄｉａｎＦｒｅｑｕｅｎｃｙ，ＭＦ）。计算公式如下：∞∞ＭＰＦ＝∫ｆＰ（ｆ）ｄｆ／∫Ｐ（ｆ）ｄｆ００ＭＦ∞∞∫ｆＰ（ｆ）ｄｆ＝∫Ｐ（ｆ）ｄｆ＝１／２∫Ｐ（ｆ）ｄｆ０ＭＦ０此外，ｓＥＭＧ的ＦＦＴ频谱曲线并非呈典型的正态分布，因而从统计学角度而言，使用ＭＦ刻画ｓＥＭＧ的频谱特征的变化要优于ＭＰＦ，但在具体实践中人们发现，在反映肌肉的活动状态和功能状态上ＭＰＦ更具敏感性。２．２幅频联合分析（ＪｏｉｎｔａｎａｌｙｓｉｓｏｆＥＭＧｓｐｅｃｔｒｕｍａｎｄａｐｐｌｉ－ｃａｔｉｏｎ，ＪＡＳＡ）ＪＡＳＡ分析是［１４］Ａｌｉｖｉｎ．Ｌｕｔｔｍａｎｎ等最先提出的，是一种同时考虑ＥＭＧ振幅和频谱变化的一种新的疲劳测定方法，这样才能更好的反映肌肉疲劳的真实情况。幅频联合分析同时对ｓＥＭＧ信号的振幅和频谱变化加以综合考虑，有效辨别因肌力增加或因疲劳状态的肌电信号变化的类似现象。２．３小波分析法小波分析法是［１５］一种把时域和频域结合起来的分析方法，具有可变的时域和频域分析窗口，为信号的实时处理提供了一条可靠的途径。通过适当的小波变换对于不同功能状态下的肌电信号，可以在不同尺度下观察其频率的变化和时间的特性。有研究认为小波分析对运动员中非稳定肌电信号的分析较为适合。利用小波变换的时、频定位特性，可以实现信号的时变谱分析，可以在任意细节上分析信号，而对噪声不敏感。因此小波变换是表面肌电信号分析的有力工具。２．４肌电复杂度按照Ｌｅｍｐｅｌ－Ｚｉｖ的复杂度定义以及Ｋａｓｐａｒ和Ｓｃｈｕｓｙｅｒ的算法计算表面肌电信号的复杂度，其可作为肌电时间序列的研究指标。Ｌｅｍｐｅｌ－Ｚｉｖ复杂度定义的实质是时间序列随其长度的增长出现新模式的速度，反映该序列接近随机的程度［１６］。肌电复杂度只与事物的有序性和随机性有关，而不反映结构的复杂性［１１］。２．５其它除上述几种肌电信号的分析处理方法外，还有很多其他的方法用于肌电信号的分析，例如：关联维数、Ｌｙａｐｕｎｏｖ指数、人工神经网络、混沌和分形分析等。３ｓＥＭＧ在体育科研中的应用现状３．１利用ｓＥＭＧ评价肌肉的力量以往研究认为，肌肉收缩强度越大，肌电图的幅度增加。但是有关肌电参数，尤其是肌电时域参数与肌力之间究竟是什么关系尚无定论［１３］。王凌云［１７］等报道，对北京市优秀乒乓球运动员进行替拉弧圈球训练时握拍上肢主要做功肌肉表面肌电信号进行分析，结果显示频域指标ＭＰＦ和ＭＦ可较敏感的反映乒乓球
训练上肢肌肉功能状况，而ＲＭＳ值变化趋势不稳定。蔡明明［１８］
等报道，应用表面肌电图评定优秀竞走运动员２０ｋｍ训练中的肌肉工作情况，结果显示ＡＥＭＧ和ＭＰＦ能较好的反映运动员肌肉的功能状况。此外，许多学者的研究认为积分肌电与肌力之间存在高度相关关系，但另一些学者的研究认为张力和积分肌电之
间根本就不呈线性关系［１３］。与此同时，在等长收缩中肌肉的力、
电关系通常也受到负荷形式的影响，即渐增负荷阻力和恒负荷阻力。很多学者发现，两种收缩形势下肌肉的ＭＰＦ和ＭＦ均表现出一定程度的张力依赖性。但多数研究显示，恒负荷阻力形势下
的变化幅度不及渐增负荷阻力收缩形式。甚至有的还发现，恒负荷阻力形势收缩时，肌肉的ＭＰＦ和ＭＦ不变或下降。目前对于造成ＭＰＦ和ＭＦ张力依赖性变化的原因，主要有以下两种解释：一
种观点认为不同研究所观察的肌肉或者所采用的检测技术性参
数不同所致。另一种观点认为与等长收缩形式本身有关［１，１２，１９］。
３．２利用ｓＥＭＧ判断肌肉的功能状况，预测肌肉的疲劳阈无论是动态还是静态运动，一般情况下，随着运动肌疲劳的发生和发展，表面肌电信号的ＦＦＴ曲线可以发生不同程度的左移现象，并且导致反映频谱曲线特征的ＭＰＦ和ＭＦ产生相应的
下降［１］。对于此现象的发生可有如下几种解释：①在持续运动时，
快运动单位很快疲劳而募集更多的未疲劳的慢运动单位参加工
作［２０］。②疲劳时为了维持肌肉应达到的张力而加强运动单位兴
奋的同步化［２１］。③肌肉疲劳时肌内压升高，使血流受阻，引起肌腹兴奋，传导速度降低。④肌肉收缩时血流受阻，使肌肉乳酸堆
积，导致运动单位传导速度降低，ＭＰＦ和ＭＦ也随之下降［２２］。但
也有研究发现并不支持上述观点，ＢＯＵＩＳＳＯＵ等［２３］采用口服ＮａＨＣＯ３造成的碱化与非碱化状态下对８名男性受试者大强度运动负荷时股外肌ＭＰＦ和肌细胞ｐＨ的变化关系研究发现，运动
前碱化组受试者血液ｐＨ值较对照组高０．０８单位，运动时碱化组肌乳酸累积明显大于对照组，但两种状态下肌细胞内ｐＨ间却无明显差异，对照组在运动至疲劳时ＭＰＦ下降约１０．１％±０．９％，
而碱化组则下降约１９％±２％，ＭＰＦ下降与肌乳酸累积呈直线相关（ｒ＝０．６８，Ｐ＜０．０１），但与细胞内ｐＨ值变化无明显关系。此外，另有研究发现，麦克阿特尔患者在剧烈运动至疲劳时同样发生
ｓＥＭＧ频谱左移的现象，这与ＷＩＬＥＳ［２４］等的发现相一致，因而认
为频谱的左移与Ｈ＋或乳酸浓度的增加无关。
我们利用表面肌电图评价运动肌肉的功能状况。有研究认
为［３］，随着肌肉疲劳的发生和发展，ｉＥＭＧ和ＲＭＳ线形增加。
ＭＡＴＳＵＭＯＴＯ［３，２５］等由此建立了“肌电疲劳阈”（Ｅｌｅｃｔｒｏｍｙｏｇｒａｐｈ－
ｉｃｆａｔｉｇｕｅｔｈｒｅｓｈｏｌｄ，ＥＭＧＦＴ），并以此评价肌肉的工作性能，这是
迄今体育科研领域研究的一个热点问题。ＭＡＴＳＵＭＯＴＯ等设想，
如果以ｉＥＭＧ与运动负荷持续时间关系曲线的斜率增大作为肌肉开始出现疲劳的标志，那么，负荷强度－斜率关系曲线的截距大小就可以反映肌肉的抗疲劳能力。ＭＡＴＳＵＭＯＴＯ等通过对２１
名女大学生受试者的研究发现，受试者在分别完成１５０Ｗ、２００Ｗ
、
２５０Ｗ和３００Ｗ强度，维时６０ｓ的踏车运动时，股外肌的积分肌电值与运动时间呈直线相关，各级运动时ｉＥＭＧ曲线的斜率与负荷
百家论坛３２
