肌电信号的特征分析方法及其应用

被引：3

作者：

许栋岳

李克勇

机构：

[1] 上海交通大学附属第一人民医院耳鼻咽喉-头颈外科

来源：

现代生物医学进展 | 2010年 / 10卷 / 13期

关键词：

肌电信号; AR模型法; 时频分析; 信号应用;

D O I：

10.13241/j.cnki.pmb.2010.13.064

中图分类号：

R318 [生物医学工程];

学科分类号：

0831 ;

摘要：

肌电信号是产生肌力的生物电信号来源,反映了神经-肌肉系统在进行随意性和非随意性活动时的生物电变化情况,它与神经肌肉活动密切相关。伴随着肌电信号特征分析方法的日臻完善,蕴含在信号内的神经、肌肉信息,越来越多地被人们所掌握,并被广泛地应用于临床医学、康复医学、体育科学、医学工程学以及基础研究等诸多领域。因而肌电信号具有重要的应用价值和学术价值。现本文主要针对肌电信号的特征分析方法(时域分析、频谱分析、时频分析等方法)以及肌电信号相关领域的应用情况作以综述。

引用

页码：2593 / 2596

页数：4

共 37 条

[1]

Investigation on parametric analysis of dynamic EMG signals by a muscle-structured simulation model. Kiryu,T.,Saitoh,Y.,Ishioka,K. IEEE Transactions on Biomedical Engineering . 1992

[2]

Analysis of intramuscular electromyogram signals. Roberto M,Dario F. Phil.Trans.R.Soc.A . 2009

[3]

Skeletal muscle endurance and muscle metabolism in patients with chronic heart failure. Brassard P,Maltais F,Noel M,et al. Canadian Journal of Cardiology . 2006

[4]

基于小波包变换的下肢肌电假肢控制信息源的研究. 郭欣,许晓云,刘洪彩,等. 中国医学临床研究 . 2005

[5]

Study and Analysis of surface EMG for the lower limb prosthesis. Xin Guo,Peng Yang,Lifeng Li,et al. IEEE Proceedings of the Third International Conference on Macbine Learning and Cybernetics . 2004

[6]

EMG pattern analysis and classification by neural network. Hiraiwa Akira,Shimohara Katsunori,Tokunaga Yukio. Proceedings of the IEEE International Conference on Systems Man and Cybernetics . 1989

[7]

Dynamic muscle force predictions from EMG:An artificial neural network approach. Liu MM,Herzog W,Savelberg HH. Journal of Electromyography and Kinesiology . 1999

[8]

ELECTROENCEPHALOGRAPHY[P]. NAKAMURA MASATOSHI;SHIBAZAKI HIROSHI.日本专利:JPH11318843A,1999-11-24

[9]

Contralateral EMG-Triggered Electrical Stimulation of the Eyelid. Sachs NA,Chang EL,Weiland JD. 11th Annual Conference of the International FES Society . 2006

[10]

A Model of EMG Generation. Duchene J, Hogrel J Y. IEEE Transactions on Biomedical Engineering . 2000

← 1 2 3 4 →