论文部分内容阅读
脑卒中疾病极易复发,且有较高的致死率和极高致残率[1]。据流行病学推算[2],在75%的幸存者中通过自然恢复后有80%以上的患者带有明显残疾。在这些残疾患者中遗留有上肢运动功能障碍的占85%,经过康复治疗3-6个月后,只有30%左右的患者恢复了上肢运动功能,因此上肢康复训练显得尤为重要。在上肢康复训练中对肌肉疲劳的检测能够有效地避免患者在康复过程中因过度训练而产生二次伤害。本文以年轻正常人为例,根据RPE表对疲劳程度进行划分,并对上肢在进行肘部以及腕部伸屈运动后的不同疲劳程度进行前臂疲劳评价。本文写作是根据实验流程来进行安排的,实验流程为表面肌电信号的采集、有效段选取、肌电信号预处理、特征提取以及对疲劳度进行判定。文中采集肌电信号的仪器为E.M.G.SystemTB0810;我们要求测试者完成肘关节的伸屈,和腕关节的伸屈,主要完成的动作有保持上臂不动将1.25kg杠铃由体侧作为0°开始上举到135°停顿5秒后恢复到体侧;保持手臂不动,在负重1.25kg杠铃时以最大伸展程度为0°开始屈腕75°后停顿5秒恢复到体侧。采用TKE算子和基于短时能量对sEMG信号的有效部分进行检测,并对信号中三类常见的噪声（工频噪声、基线漂移以及白噪声）进行消噪预处理;文中利用频谱插值法、用数学形态理论以及基于EMD阈值针对上述噪声进行消噪处理,并对这些方法加以验证。文中选取平均功率频率（Select mean power frequency MPF）、中值频率（median frequency MF）积分肌电值（integrated electromyogram IEMG）和均方根（root mean square RMS）四个主要特征对男女不同程度的疲劳度进行分析。本文基于BP神经网络实现了对采集样本疲劳度进行评价;并且针对梯度下降法神经网络算法收敛慢、局限性大的缺点提出了优化方案;最后对比了梯度下降法神经网络和贝叶斯正规化BP神经网络两种方式的疲劳分类。