Рассмотрено влияние кинематических параметров движения локтя (угловое перемещение, скорость и ускорение) на поверхностный электромиографический сигнал двуглавой мышцы плеча при выполнении движений локтя с различной нагрузкой. Установлены зависимости частотных и амплитудных параметров ЭМГ-сигналов от параметров движения локтя при подъеме и опускании груза. Показана структура экспериментального стенда. Представлена методика записи ЭМГ-сигналов с двуглавой мышцы плеча, а также методика обработки сигналов. Для формирования количественных значений показателей анализа сигналов использовались методы спектрального и статистического анализа. Статистический анализ во временной области включал в себя определение следующих параметров: дисперсия амплитудных значений ЭМГ, среднее и среднеквадратическое значение абсолютных величин амплитуд ЭМГ, частота пересечения нулевой линии ЭМГ-сигналом. Эти параметры, а также параметр, характеризующий форму сигнала, определялись на основе массива измеренных значений сигнала, формируемого в течение 0,3 секунды текущего интервала времени («скользящий» интервал). Оценена величина развиваемого мышечного усилия, найдены коэффициенты косинусного преобразования Фурье. Построены гистограммы распределений биопотенциалов ЭМГ. В частотной области выполнялся спектральный анализ ЭМГ-сигналов методом быстрого преобразования Фурье. Определялись общая мощность спектра, средняя частота, медиана, частота спектральной составляющей, имеющей наибольшую амплитуду. Регистрация и анализ биопотенциалов ЭМГ выполнялись средствами Matlab. Выявлены информационные признаки, которые могут быть использованы для синтеза интеллектуальной системы управления на основе нейронных сетей.
The effect of the elbow motion kinematic parameters (angular displacement, velocity, and acceleration) on the surface electromyographic (EMG) signal of the biceps of the arm under the elbow motion execution with different load is analyzed. The dependences of the frequency and amplitude parameters of EMG signals on the elbow mo-tion parameters under load lifting and lowering are established. The test bench structure is shown. The technique of recording EMG signals from the biceps, as well as of the signal processing methods are presented. Methods of statistical and spectral analysis are used for the quantification of the EMG signal values. In the time domain, the statistical analysis includes the determination of the following parameters: EMG amplitude values dispersion, av-erage and RMS values, zero crossing value, waveform length. These parameters are determined on the measured values array basis of the signal generated within 0.3 sec. of the current time (‘sliding’ interval). The developed muscle force value is estimated; the cepstral coefficients are found. EMG biopotential distribution histograms are constructed. In the frequency domain, the EMG signals spectral analysis is carried out by Fast Fourier Transform. The spectrum total power, the average frequency, the median, and a spectral component with the dominant fre-quency are determined. The EMG biopotential registration and analysis are performed by means of Matlab. Infor-mation features which can be used for the intelligent control system synthesis based on neural networks are iden-tified.
Введение. Скелетные мышцы являются совокупностью двигательных единиц (ДЕ). При стимуляции нейронным сигналом каждая ДЕ сокращается и генерирует электромиографический (ЭМГ) сигнал, который представляет собой сумму потенциалов действия всех вовлеченных в процесс клеток [1]. Поверхностная ЭМГ часто используется для оценки относительного уровня мышечной активности во время движений [2]. Известно, что слабые волевые усилия заставляют ДЕ возбуждаться с частотой примерно 5–15 Гц, а при возрастании усилий частота увеличивается до 25–50 Гц с формированием интерференционного типа ЭМГ-сигнала. По мере утомления мышцы наблюдается снижение доли высокочастотных составляющих и увеличение амплитуды ЭМГ [3]. Сигнал ЭМГ, записанный с использованием поверхностных электродов, является сложным, включает в себя интерферирующие составляющие, поэтому его анализ затруднен [4].