基于小波变换的按摩手法肌电信号分析

吉林大学学报(信息科学版)

基于小波变换的按摩手法肌电信号分析

王晓¹, 王丽荣^2a, 宋雅娟^2b, 任丽晔^2a, 冯萍^2b

1. 长春理工大学电子信息工程学院, 长春 130022； 2. 长春大学 a. 电子信息工程学院; b. 计算机科学技术学院, 长春 130022

收稿日期:2012-09-15 出版日期:2013-05-27 发布日期:2013-06-07
作者简介:王晓（1987—）, 女, 河南永城人, 长春理工大学硕士研究生,主要从事检测技术与自动化装置研究, (Tel)86-13756175435(E-mail)wangxiao1018@yahoo.cn; 通讯作者：王丽荣（1966—）, 女, 长春人, 长春大学教授, 主要从事模式识别与智能控制研究, (Tel)86-18643149558(E-mail)wlr10012003@yahoo.com.cn。
基金资助:
吉林省科技厅自然基金资助项目(201215112); 长春市科技局基金资助项目(10GH14); 吉林省科技厅自然基金资助项目(201215111)

Analysis of Electromyography Signal in Massage Technique Based on Wavelet Transform

WANG Xiao¹, WANG Li-rong^2a, SONG Ya-juan^2b, REN Li-ye^2a, FENG Ping^2b

1. College of Electronic and Information Engineering, Changchun University of Science and Technology, Changchun 130022, China; 2a. College ofElectronic and Information Engineering; 2b. College of Computer Science and Technology, Changchun University, Changchun 130022, China

Received:2012-09-15 Online:2013-05-27 Published:2013-06-07

摘要/Abstract

摘要：

为通过滚法的量化结果分析为按摩手法的评定及训练提供一定的参考依据, 利用表面肌电仪采集按摩师及初学者滚法相关肌群的表面肌电信号, 采用小波变换算法对信号进行多分辨率分析, 进而研究其能量分布。实验结果表明, 在滚法操作中, 按摩师75%的能量集中在低频段, 其中肱桡肌的能量占总能量的40%, 而初学者能量分布与之有显著差异。在掌握正确的操作要领前提下, 初学者应注重肱桡肌能量的训练。

关键词: 肌电信号, 小波变换, 特性参数, 信号分析

Abstract:

Surface electromyography signal system was used to collect the related muscle groups electromyography signals of the expert and beginners during rolling method, then the signals were analyzed by multi-resolution based on wavelet transform to get the characteristic parameters of the rolling method, and the aim of the method is to provide some valuable references for massage evaluation and training. The analysis of experimental results show that 75% of the experts energy in rolling method is concentrated in the low-frequency band, while 40% of the total energy is from brachioradialis. And Energy distribution of beginners is different from the experts. So in the later training, beginners should pay attention to the training of brachioradialis under the precondition of the right operational position.

Key words: electromyography signal, wavelet transform, characteristic parameter, signal analysis

中图分类号:

王晓, 王丽荣, 宋雅娟, 任丽晔, 冯萍. 基于小波变换的按摩手法肌电信号分析[J]. 吉林大学学报(信息科学版), 2013, 31(3): 255-259.

WANG Xiao, WANG Li-rong, SONG Ya-juan, REN Li-ye, FENG Ping. Analysis of Electromyography Signal in Massage Technique Based on Wavelet Transform[J]. Journal of Jilin University(Information Science Ed, 2013, 31(3): 255-259.

[1]	隋振，徐峰，苏振东. 基于遗传算法的凸轮升程误差修正[J]. 吉林大学学报(信息科学版), 2018, 36(3): 277-282.
[2]	唐国维,张岩,王苫社,刘彦彤,赵璨 . 基于 ε-SVR 的嵌入式小波图像编码算法[J]. 吉林大学学报(信息科学版), 2017, 35(1): 76-84.
[3]	杨宇, 司玉娟, 宋晓洋. 基于小波变换和支持向量机的心电信号ST 段分类[J]. 吉林大学学报(信息科学版), 2016, 34(3): 315-319.
[4]	王勇, 刘雯. 基于IE 和AG 的小波图像融合方法[J]. 吉林大学学报(信息科学版), 2015, 33(4): 435-.
[5]	韩强, 战铁兵, 赵星博, 宫姗, 梁士利. 基于小波压缩算法的境外实时视频传输系统[J]. 吉林大学学报(信息科学版), 2014, 32(6): 588-592.
[6]	任伟建, 任璐, 公丽颖, 石阔. 基于分级策略的自动人眼检测与定位[J]. 吉林大学学报(信息科学版), 2014, 32(3): 239-246.
[7]	张澎涛, 刘晋浩. 连续小波变换在机械故障特征提取中的应用[J]. 吉林大学学报(信息科学版), 2014, 32(2): 172-176.
[8]	杨佐龙, 王德功, 李勇. 基于小波域中心矩特征的SAR图像识别[J]. J4, 2013, 31(1): 13-17.
[9]	宁辉, 陈超. 基于小波变换的二相编码信号检测[J]. J4, 2011, 29(6): 523-528.
[10]	姚成, 司玉娟, 郎六琪, 韩松洋. 改进的基于小波变换的QRS波检测算法[J]. J4, 2011, 29(5): 401-407.
[11]	王启亮, 柏逢明. 基于Arnold变换和DWT彩色图像数字盲水印算法[J]. J4, 2011, 29(4): 303-309.
[12]	尚小晶\|田彦涛\|李阳\|王立刚. 基于改进概率神经网络的手势动作识别[J]. J4, 2010, 28(05): 459-.
[13]	朱有忠\|向俊. 基于DWT和相对较小值的音频盲水印新算法[J]. J4, 2010, 28(02): 203-.
[14]	邢敏\|刘智勇\|李哲. 基于频域多尺度小波变换的CR图像超分辨率增强[J]. J4, 2009, 27(03): 289-.
[15]	李勇\|陈贺新\|陈绵书\|桑爱军\|杨玉霞. 基于灰度直方图窗口扫描分类的FGS图像编码[J]. J4, 2009, 27(02): 117-.