基于表面肌电的运动员上肢肌疲劳特征分析*

王蒙，姚海霞

(内蒙古医科大学 体育教学部，内蒙古 呼和浩特 010110)

1 引 言

运动作为人体核心肌肉高效锻炼的一种方式，对人体健康发展起着重要作用[1]。目前世界体育的整体发展状况已升级至相互比较的情形，尤其是运动员训练方面[2-3]。运动员的体能训练方式有很多种，关于上肢肌的训练也有很多。运动员在进行重复且多种类型的上肢肌相关训练之后，会对上肢肌产生一定的影响，造成上肢肌疲劳[4-5]。为了使运动员更好地完成各项上肢肌训练，并保持一个良好的身体状态，需要对运动员上肢肌的疲劳特征进行分析，以便更好地控制运动员的训练量和训练技巧。

运动员疲劳损伤相关研究成果很多。吴放[6]等人的研究中，根据分层抽样法对249名足球运动员整体损伤状态进行调查，并通过T检验以及Logistic回归模型对调查结果进行分析。结果表明，该法能够在一定程度上得到运动员损伤现状，并得到耐力素质等损伤风险指标，但研究结果与实际情况吻合度较低。史衍[7]等人以得到柔道运动员运动损伤特征以及引发的原因为目的，采用三维运动模拟系统分析2014年国家柔道运动员损伤概况和特征与致伤因素。实验结果表明该方法稳定性较好，但分析方法能耗较高。王立端[8]等人选择8名羽毛球运动员在疲劳之后进行向左、向右蹬跨步，并对比疲劳之前和之后腿着地阶段足底压力信息数据。该方法整体运行过程较为简单，计算复杂度较低，但研究结果与实际情况吻合度较低。

鉴于当前运动员身体疲劳的特征相关分析方法存在的问题，提出基于表面肌电的运动员上肢肌疲劳特征分析方法。

2 运动员上肢肌疲劳特征分析

2.1 运动员上肢肌肌电信号采集记录

关于肌电信号的采集：通过双电极引导法对sEMG信号进行记录。其中，电极会依据芬兰的Mega Win软件自身带有的功能，对运动员上肢肌各个部分信号进行收集。电极间距3 cm，在此间距下按要求贴放参照的电极。使用Mega公司的肌电采集盒采集sEMG信号，将信号采样频率设置为1 000 Hz，信号采集完毕之后通过Mega Win软件传输至计算机。

2.2 表面肌电下运动员上肢肌疲劳特征分析

根据计算机分析，得到肌电图信号为一维的时间序列信号。此种肌电信号的特征指的是运动肌疲劳之后，表面肌电信号就会有与之相应的活动，该种现象是因为运动员肌肉神经控制产生的结果，其与肌肉运动方式等因素有关[9-10]。

时域能够反映运动员上肢肌表面肌电信号随着时间变化产生的特征，其包括肌肉的积分肌电水平和平均振幅等指标[11]。时域分析中包含积分肌电，即iEMG和均方根振幅，即RMS。iEMG为肌肉参与运动过程中，肌电仪器采集的肌电信号中包含肌电图生成的面积，其可以详细反映出某段时间内肌肉状况。X(t)一维肌电图时间序列信号集合x(t){x1,x2，x3...xt}求取，式(1)为积分肌电iEMG表达式：

(1)

式(1)中，N1代表积分的起点，N2代表积分的终点。

均方根振幅代表肌肉在运动时，肌电放电的平均值。研究表明，该现象可能和运动数量以及肌肉纤维放电有关[12-13]。假设仅有一段时间内均方根值，并不一定可以完全表达出运动员肌肉积分肌电详细形态和变化趋势，这时必须重新标定疲劳强度取值。均方根振幅表达式见式(2)：

(2)

式(2)中，N代表采样的点数，i代表振动系数，Xi代表采样之后每点肌电幅值。经多数研究结果可知，肌肉在疲劳时RMS会增强。

频域分析是观察肌肉于运动时生成的肌电信号频率特征，也可以称为频谱分析。频谱特征主要包含平均功率频率和中心频率。其中，平均功率频率MPF计算公式见式(3)：

(3)

式(3)中，f代表功率，df代表频率分辨率，S(f)代表功率谱曲线。

中心频率Fc为将功率谱划分成面积相同的两个频率域，即将能量普能量划分成两个频率值。相关研究表明，随运动员运动时间的延长，中心频率值有递减现象。中心频率计算表达式为：

(4)

式(4)中，FS代表信号起始频率，Fe代表信号终止频率。

通过时域和频域两方面的计算，可有效提升运动员上肢肌疲劳特征分析的准确性。

根据上述分析与计算，将观察指标设置为：比较运动开始与最后运动员上肢肌RMS、MPF、Fc，RMS、MPF、Fc，运动员上肢肌疲劳之间的关系。

利用统计学分析法将运动员运行过程中的多余动作去除，以此降低运动员上肢肌疲劳特征分析能耗[14-15]。在该阶段检测时域、频域值差异性，需要通过独立样本检验统计完成。上述研究数据使用SPSS软件实现统计分析。

3 实验结果与分析

为验证基于表面肌电的运动员上肢肌疲劳特征分析方法的整体性能，对上肢肌中最大肌力不同负荷下手腕屈肌和伸肌表层肌电信号的平均功率频率和中心频率的关系进行比较，并分别利用不同方法在分析结果与实际情况吻合度、分析能耗方面进行对比。

实验中，选择10名身体健康的体校运动员，其中，男运动员5名，女运动员5名。实验对象在实验之前的两周没有激烈的活动，且上肢肌无肌肉损伤。经实验对象同意后进行上肢肌疲劳测试。表1为运动员测量指标。

表1 实验对象测量指标

实验对象保持直立，重复上肢肌运动，每次2 min，一共4组。利用肌电采集盒采集运动员上肢肌表面肌电数据。

上肢肌中最大肌力不同负荷下手腕屈肌和伸肌表层肌电信号sEMG的平均功率频率MPF、中心频率Fc关系比较，见图1。

(a)

(b)

(c)

(d)图1 最大肌力不同负荷下手腕屈肌和伸肌sEMG的MPF、Fc关系比较

(a).最大肌力不同负荷下手腕屈肌sEMGFc产生的变化；(b).最大肌力不同负荷下手腕伸肌sEMGFc产生的变化；(c).最大肌力不同负荷下手腕屈肌sEMGMPF产生的变化；(d).最大肌力不同负荷下手腕伸肌sEMGMPF产生的变化

Fig1ComparisonoftheaveragepowerfrequencyandcenterfrequencyofwristflexorandextensorsEMGunderdifferentloadsofmaximummusclestrength

由图1可知，运动员上肢肌最大肌力不同负荷下手腕屈肌和伸肌sEMG的MPF、Fc在时间不断增加情况下明显有下降趋势。

图2为4组，即四个阶段肱二头肌和三角肌以及斜方肌变动。

从图3中可明显看出基于表面肌电的运动员上肢肌疲劳特征分析方法耗时0.6 h时，耗能达到83 nJ/bit，文献[7]方法耗时0.6 h，耗能达到115 nJ/bit。由此可见，基于表面肌电的运动员上肢肌疲劳特征分析方法分析能耗较低，相较当前方法鲁棒性更强。

(a)

(b)

(c)

(d)图2 四个阶段肱二头肌和三角肌以及斜方肌变动

(a).第一阶段肱二头肌和三角肌以及斜方肌变动；(b).第二阶段肱二头肌和三角肌以及斜方肌变动；(c).第三阶段肱二头肌和三角肌以及斜方肌变动；(d).第四阶段肱二头肌和三角肌以及斜方肌变动

Fig2Fourstagesofbicepsanddeltoidmusclesand

trapeziusmusclechanges

由图2可知，肱二头肌出现了一次疲劳情况，三角肌和斜方肌出现了两次疲劳。在实验中，所有上肢肌未出现负荷减少的状况。

实验平台为matlab，实验数据取上述研究数据。实验结果如下：

(a)

(b)图3 不同方法分析能耗对比 (a).文献[7]方法分析能耗； (b).基于表面肌电的运动员上肢肌疲劳特征分析能耗Fig 3 Compares the energy consumption of different methods

表2中，Q0代表测试人数，Q1代表文献[6]方法分析结果与实际情况吻合度，Q2代表文献[8]方法分析结果与实际情况吻合度，Q3代表基于表面肌电的运动员上肢肌疲劳特征分析方法分析结果与实际情况吻合度。

表2 不同方法分析结果与实际情况吻合度对比

分析表2，文献[6]方法和文献[8]方法分析结果与实际情况吻合度均值分别为69.7和73.84，即分析准确性较差。基于表面肌电的运动员上肢肌疲劳特征分析方法分析结果与实际情况吻合度均值为98.4，说明此方法通过表面肌电研究中的时域与频域相关参量作为运动员上肢肌疲劳特征分析的依据，有效提升了分析准确性。

4 结束语

运动员长期在各种负荷下进行训练，容易出现上肢肌疲劳的现象，随着时间的延长，会引发慢性损伤。针对当前相关研究存在的问题，提出基于表面肌电的运动员上肢肌疲劳特征分析方法。通过肌电信号采集和时域、频域研究完成运动员上肢肌疲劳特征进行分析。本研究方法在分析准确性和能耗方面性能优于当前方法，可为该领域研究奠定基础。上肢肌只是运动员身体的一部分，下一步可针对运动员身体的其他部分疲劳特征进行分析；表面肌电是分析身体疲劳特征中比较高效的方法之一，下一步可分别利用不同方法对运动员身体不同部分疲劳特征进行分析，以拓宽该领域的研究范围。