[发明专利]一种人体肌音信号分析系统

说明书

本发明设计了一套肌音信号分析系统，它涉及人体动作模式识别技术领域。所述的装置主要由肌音信号采集传感器、肌音信号采集板、肌音信号滤波电路、肌音信号处理模块和肌音信号分析模块构成。所述系统能快速可靠地提取人体肌音信号，结合滤波、信号分割及归一化、时频分析、机器学习等技术，完成MMG信号处理及特征提取，实现人体动作模式识别、肌肉力量及肌肉疲劳评测，具有结构简单，使用方便，成本低廉的特点。

技术领域

本发明涉及肌音信号分析领域，具体涉及一种基于肌音信号特征的人体动作模式识别、肌肉力量分析及肌肉疲劳分析研究方法及系统设计。

背景技术

在为残疾人制造假肢并应用仿生学的过程中，人们在不断寻找最佳的信号源用于相关研究工作，例如：肌电信号(Electromyography, EMG)、脑电信号(Electroencephalography, MMG)、声音信号源等，在最近的信号源寻找过程中，一种新的信号源出现在研究者眼中：肌音信号(Mechanomyography, MMG)，肌音信号是人体在做不同运动时，身体各部位肌肉振动发出的一种人耳听不见的“声音”信号。

对于肌肉分析，目前国内外采用最多的还是EMG信号，作为一种较早研究肌肉运动情况的信号源，EMG信号可以很好地显示人体肌肉运动过程中的电位移变化，然而，EMG信号在有广泛应用性的同时也存在明显的缺点：信号微弱、易受干扰、采集难度大，一般EMG采集需要昂贵且笨重的采集设备，采集流程也不流畅。

EMG信号的短板在一定程度上使得MMG信号研究得到了加速，和EMG信号一样，MMG信号也是用于人体肌肉特性的一种信号源，值得一提的是，MMG信号的采集设备轻便，采集流程简洁，成本低，应用前景广泛的优点，而且MMG信号受到的干扰较小，同时，在国内外的MMG研究中，都有一些实质性的成果。

这些前景带来的可能性，是基于MMG信号进行人体动作模式识别、肌肉力量分析及肌肉疲劳分析的动力所在。

发明内容

本发明的目的是设计一套基于肌音信号进行人体动作模式识别、肌肉力量分析和肌肉疲劳分析的多功能集成系统，它设计实用，方便廉价，通过提取肌音信号的特征，数据全面且准确性高。

为解决背景技术所存在的问题，本发明采用以下技术方案：所述的系统主要包括肌音信号采集传感器1、控制盒2和上位机程序三大部分，其中控制盒2由肌音信号采集板3、肌音信号滤波电路4和电源 7组成，上位机程序分为肌音信号处理模块5和肌音信号分析模块6，安装于计算机或平板电脑端；肌音信号采集传感器1的一端与肌音信号采集板3的一端连接，而肌音信号采集板3的另一端连接到肌音信号滤波电路4模块的输入端，肌音信号滤波电路4的输出端通过USB转接线或蓝牙连接到计算机或平板电脑端，通过安装于计算机或平板电脑端的肌音信号处理模块5和肌音信号分析模块6，完成对MMG信号处理、人体动作模式识别、肌肉力量分析及肌肉疲劳分析。

本发明的工作原理为，在系统组装完成后，将采集传感器1的白色贴片贴着于受试者的被测肌肉处；当受试者做出不同动作时，传感器采集到的肌音信号通过肌音信号采集板3转换成数字信号，由于原始MMG信号存在一定的干扰信号，因此，需要通过肌音信号滤波电路4对MMG信号进行滤波处理，接着通过USB转接线或蓝牙通信，将采集到的MMG信号传输到计算机或平板电脑端，基于肌音信号处理模块5和肌音信号分析模块6，进行人体动作模式识别、肌肉力量分析及肌肉疲劳分析；MMG信号处理模块5采用信号自适应不等长分割方法，准确分析每个动作MMG信号，获取频谱和频率特征；MMG信号分析模块6采用支持向量机（SVM）、caffee学习方法进行人体动作模式识别；基于肌肉收缩力量与肌音信号幅值呈正相关原理，通过对MMG信号进行时频分析及特征提取，分析肌肉的峰值力矩、平均功率和屈伸肌比值等肌肉力量指标；以最大等长收缩力MVC下降到原值70%为肌肉疲劳判定依据，基于MMG信号平均频率及振幅与肌肉最大等长收缩力的映射关系，结合时频分析方法进行肌肉疲劳判定及过程分析。