sEMG指标监测快速点击鼠标致指伸肌疲劳的适用性评价研究
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
sEMG指标监测快速点击鼠标致指伸肌疲劳的适用性评价研
究
王乐军;陆爱云;龚铭新;毋江波;董菲;张磊
【摘要】目的:探索在监测由快速点击鼠标引起的指伸肌疲劳方面适用性最优的表
面肌电信号分析方法和评定指标;方法:以10名青年志愿者为研究对象,记录受试
者90 s快速点击鼠标过程中指伸肌表面肌电信号(sEMG)及点击鼠标频率、受试者主观疲劳感觉.按等时间间隔将sEMG分为若干段并分别计算每段sEMG的RMS、MF、MPF、MDF、MNF和C(n)等指标.从所计算的sEMG指标与点击鼠标持续
时间、点击鼠标频率、主观疲劳感觉评分的相关关系及在反映肌肉疲劳的敏感性、一致性、可重复性等方面入手,对各指标在监测快速点击鼠标致指伸肌疲劳的适用
性进行评价研究;结果:标准化后的MF、MPF、MDF和MNF与运动持续时间、
主观疲劳感觉评分、点击鼠标频率显著相关.在反映疲劳的敏感性方面,MNF最
高,MDF次之,之后是MPF、MF、C(n)和RMS.从反映疲劳的指标稳定性看,MNF
最高,MPF次之,之后依次为MDF、MF、C(n)和RMS.从指标的可重复性比较结果看,C(n)的稳定性最高,其次分别为MNF、MF、MDF、MPF和RMS;结论:在快速
点击鼠标过程中,指伸肌进行低负荷、高频率、小幅度的动态收缩运动,使得从指伸
肌表面记录到的sEMG具有非线性和非稳态信号特征的同时,也具有别于肌肉在静
态收缩或低频率动态收缩条件下获取sEMG的特征.基于小波包分析计算的MNF
指标表现出良好的反映疲劳敏感性、稳定性和可重复性,提示其在评定由快速点击
鼠标引起的指伸肌疲劳方面是较好的选择指标.
【期刊名称】《体育科学》
【年(卷),期】2013(033)001
【总页数】10页(P62-71)
【关键词】青年;表面肌电信号;点击鼠标;指伸肌;疲劳
【作者】王乐军;陆爱云;龚铭新;毋江波;董菲;张磊
【作者单位】上海体育学院运动科学学院,上海200438;同济大学体育教学部运动与健康研究中心,上海200092;上海体育学院运动科学学院,上海200438;同济大学体育教学部运动与健康研究中心,上海200092;同济大学体育教学部运动与健康研究中心,上海200092;同济大学体育教学部运动与健康研究中心,上海200092;同济大学体育教学部运动与健康研究中心,上海200092
【正文语种】中文
【中图分类】G804.2
1 前言
在计算机日益普及的今天,由长时间使用电脑引起的上肢肌肉骨骼系统疾病(musculoskeletal diseases in upper extremity)具有非常高的发生率。
Pascarelli等[35]的研究发现,电脑使用者发生上肢肌肉骨骼系统疾病的比例约为15%。
由使用电脑引起的上肢肌肉骨骼系统疾病包括肌腱炎、腕管综合征、前臂痛、交感神经系统机能失调等[45]。
由于这些疾病是肌肉在长时间小负荷运动中累积而成的慢性劳损性损伤,其恢复是非常缓慢甚至是不可康复的,因此,对其的预防需引起高度重视[35]。
随着Windows等图形用户界面操作系统的普及和大量图形用户界面应用软件的广泛使用,电脑使用者操作鼠标的时间占使用电脑总时间的比例越来越大,在使用电脑过程中至少有1/3~2/3的时间在操作鼠标[28]。
由于长时间使用鼠标过
程中进行的动作具有较高的运动精度要求和较快的动作重复频率,是引起上肢肌肉骨骼系统疾病的最重要风险因素之一[9]。
已有研究表明,肌肉在长时间内一直以特定水平负荷工作会选择性地引起特定阈值肌纤维的疲劳和过度使用,从而诱发与工作有关的骨骼肌肉系统疾病[19]。
Veiersed等[42]通过研究证实,肌肉在长时间收缩而得不到足够放松时间情况下会导致骨骼肌肉系统疾病的发生。
疲劳通过改变神经肌肉系统的中枢和外周部分而对运动机能具有非常重要的影响。
监测长时间使用鼠标过程中的肌肉疲劳,特别是指伸肌群肌肉的疲劳对于预防发生上肢骨骼肌肉系统疾病具有非常重要的意义和作用[29]。
表面肌电信号是研究神经肌肉系统功能状况的有效方法,并已广泛应用到运动性肌肉疲劳的检测之中[12]。
在利用表面肌电信号评估局部运动性肌肉疲劳方面,
众多研究者从时域分析、频域分析、时频分析、非线性分析等不同分析角度进行了探索,总结出一些可以用来反映局部运动性肌肉疲劳的指标,如基于傅里叶变换计算的中值频率(MF)和平均功率频率(MPF)、基于定量递归分析(Recurrence quantification analysis,RQA)计算的确定性百分比(%DET)、基于非线性分析计算的Lempel-Ziv复杂度C(n)、基于小波分析计算的频段能量、中值频率(MDF)和平均功率频率(MNF)等[6,11,37]。
但是,以前利用表面肌电
信号诊断运动性肌肉疲劳的研究大都是针对较高运动负荷条件下进行的[13,46],这些研究采用的分析方法和评价指标直接应用于肌肉在较低运动负荷条件
下长时间运动引起的肌肉疲劳评定具有较大的不稳定性和较差的适用性[16,33,46]。
在使用鼠标过程中,参与运动的相关肌肉以较低的运动负荷水平参与收缩,且不同肌肉的收缩方式也都各有特点,因此,如何利用表面肌电信号评定使用鼠标过程中不同参与肌肉的疲劳状况仍是一个需要解决的问题。
一个具有良好适用性的评定运动性肌肉疲劳sEMG指标应具备反映疲劳的敏感性、稳定性、可重复性等特点[46]。
其中,反映疲劳的敏感性是指某个指标可以较
好地反映出测试肌肉在收缩过程中的疲劳发生发展情况;稳定性指反映疲劳的指标与疲劳发展程度之间函数关系(一般为线性关系)的确定性;可重复性指重复测试中计算提取出的同一指标值是非常接近的。
快速点击鼠标作为鼠标操作过程中重复率较高的动作之一,在诱发上肢肌肉骨骼系统病痛中占有重要比重。
但是,目前尚未有研究对快速点击鼠标诱发指伸肌疲劳的sEMG监测方法进行过研究。
本研究从点击鼠标动作入手,通过对快速点击鼠标动作过程中指伸肌表面肌电信号时域指标RMS,基于短时傅里叶变换计算的中值频率MF和平均功率频率MPF,基于小波包分析计算的中值频率MDF和平均功率频率MNF,基于非线性分析计算的Lempel-Ziv复杂度C(n)等指标从上述3个评价角度进行对比分析,以探索在监测由快速点击鼠标引起的指伸肌疲劳方面适用性最优的表面肌电信号分析方法和评定指标,从而为预防由长时间使用电脑引起的上肢肌肉骨骼系统病痛的监测指标提供参考,此外,也为其他低负荷高频率动作引起的肌肉疲劳评价提供方法建议。
2 研究对象、方法与步骤
2.1 研究对象
10名健康青年志愿者,其中男性7名,女性3名,年龄25.42±1.81岁,身高170.57±5.38cm,体重63.14±6.62kg。
身体健康状况良好,实验前24h内未进行剧烈的体力活动,未长时间使用电脑,上臂肌肉无疲劳状况。
精神状态良好,无睡眠不足,精神萎靡等不良状态。
受试者在日常使用电脑过程中皆使用右手操作鼠标。
实验前所有受试者皆了解实验程序并同意自愿参加本实验。
2.2 实验程序
每位受试者共进行两次实验,实验前受试者进行充分的休息,两次实验间隔3h以上,以避免前面的实验对后面实验产生影响。
在实验室温度为20℃~26℃的条件下进行测试。
实验前先让受试者了解实验流程并熟练掌握实验中相关测试仪器的操作。
测试开始前受试者以最适宜的姿势坐在电脑前,左手放在电脑桌上,右手轻握鼠标。
电脑桌的高度为85cm,座椅高度为38cm。
以安装有Microsoft Windows XP2
操作系统和点击鼠标实验软件的ACER AM3850计算机作为实验平台。
利用TJ-Motion 2.0同步触发器同步触发表面肌电测试仪和实验软件的计时系统,待实验
软件提示实验开始时,受试者以最快的速度点击实验软件内的“请点我吧”静态按钮90s。
在实验过程中实验工作人员对受试者进行言语鼓励以使受试者始终保持最快的速度点击鼠标。
在此过程中实验软件会持续侦测每次按钮被点击的事件并每隔15s记录一次受试者点击按钮的次数。
将Brog10级主观感觉疲劳评定表[10]
悬挂于测试电脑屏幕的左侧,在实验过程中嘱咐受试者每隔15s报告一次主观疲
劳感觉分数。
记录点击鼠标过程中受试者右侧指伸肌的表面肌电信号。
点击鼠标实验软件的主界面如图1所示。
采用双电极引导法记录受试者点击鼠标过程中右侧指伸肌的表面肌电信号。
一对探测电极分别置于肱骨外上髁和肱骨外上髁至桡骨茎突1/3距离处[18]。
放置电极前用75%酒精棉球清理皮肤表面,以减小阻抗。
表面肌电信号的采集使用
ME3000P4肌电信号记录和分析系统(芬兰Mega公司产品),采样频率
1000Hz。
采集到的sEMG信号另存为ASCII文件后作为后期分析的数据源。
图1 实验软件主界面示意图Figure 1.Main Interface of Experimental Software 2.3 数据的处理与分析
首先,将90s快速点击鼠标过程中采集的sEMG信号按等时间间隔(15s)划分
为若干段。
对划分的每段sEMG,分别计算均方根振幅RMS、基于傅里叶功率谱
转换计算中值频率MF和平均功率频率MPF,基于小波包分析计算中值频率MDF 和平均功率频率 MNF,基于非线性分析计算Lempel-Ziv复杂度C(n),其中,采用小波包分析对sEMG进行分解时,选择Dauechies(db6)小波基函数进行
小波包分解和重构,在此基础上,计算中值频率MDF和平均功率频率MNF。
Lempel-Ziv复杂度定义的实质是时间序列随其长度的增长出现新模式的速度,反映该序列接近随机的程度。
Lempel-Ziv复杂度的计算根据Kaspar和Schuster设计的复杂度C(n)算法[27]进行,其数值介于0~1之间。
为排除不同受试者sEMG指标的个体差异,对以上计算的sEMG指标进行标准化
处理。
取每位受试者第1段信号的指标值分别作为该受试者该指标的标准值,对
截取的每段sEMG计算出的指标值进行标准化处理,标准化处理公式为:
其中,X′i为第i段sEMG计算的指标X的标准化值,Xi为第i段sEMG计算的指标X原始值,X1为第1段sEMG计算的指标X原始值。
此外,计算sEMG各分析指标与运动持续时间、RPE、点击鼠标频率的相关关系,以观察90s快速点击鼠标实验过程中sEMG各分析指标随运动持续时间、RPE、
点击鼠标频率指标的变化规律。
对于以上计算的表面肌电信号各分析指标,对其评价由快速点击鼠标引起前臂肌肉疲劳的敏感性、稳定性和可重复性3个方面进行比较分析:
1.反映疲劳的敏感性:一个指标反映疲劳的敏感性可以通过实验中随时间的变化产
生显著性线性改变的实验数据所占的比例来衡量[46]。
在具体计算上,首先,
根据每个指标数据的平均值随运动持续时间的变化情况确定该指标随运动持续时间的延长和疲劳程度的加深产生的线性变化规律(递增或递减),之后对每位受试者的实验数据统计出相对于前一个运动阶段内指标值产生相应改变规律(增大或减小)的运动阶段所占的比例,以此作为评价该指标反映疲劳的敏感性指标。
2.稳定性:对于在运动过程中疲劳随时间线性变化的情况,变异性(Variability)可通过实际值与线性拟合值之间残差的均方根来反映[46]。
稳定性是与变异性相
反的一个概念,在具体计算时,首先计算实际值与线性拟合值之间残差的均方根,之后将1.0与残差均方根相减,计算所得的差用来反映指标的稳定性情况。
为了实现不同指标值之间的可比性,首先,对每位受试者各指标的具体数值进行标准化处理[32,46]。
之后以时间为自变量,以标准化后的指标值为因变量进行
线性拟合,计算1.0与实际值和线性拟合值残差均方根的差,以此作为评价稳定性的参考值。
3.可重复性:可重复性通过组内相关系数ICC的大小来进行评估[14]。
首先,分
别计算受试者的组内方差SSWS和组间方差SSS,之后计算受试者的组内均方差MSWS与组间均方差 MSS,则ICC=(MSS-MSWS)/[MSS+(k-1)
×MSWS],其中,k为重复测试的次数。
数据的处理与分析在MATLAB 2009Ra环境下编程实现。
2.4 数据的统计分析
采用KS检验(Kolmogorov-Smirnov test)对各分析数据进行正态性检验。
不同时间阶段内点击鼠标频率的差异性采用单因素方差分析进行,不同时间阶段内主观疲劳感觉(RPE)、sEMG各分析指标的差异性采用多个相关样本非参数检验的Friedman方法进行。
sEMG各分析指标与点击鼠标持续时间、RPE的相关关
系采用Spearman相关系数进行,差异的显著性水平定为0.05。
数据的统计分析工作在SPSS 13.0软件环境下完成。
3 研究结果
3.1 点击鼠标频率和主观疲劳感觉评分随运动持续时间的变化规律
通过图2和图3主观疲劳感觉评分和点击鼠标频率随运动持续时间的变化曲线看,随着点击鼠标持续时间的延长,受试者主观疲劳感觉评分逐渐增加,而点击鼠标频率逐渐下降。
采用单因素方差分析对不同时间阶段内点击鼠标频率的差异性进行检验,结果发现,时间因素对点击鼠标频率有着显著性的影响作用(F=24.372,P
=0.000),采用非参数检验的Friedman方法对不同时间阶段内主观疲劳感觉评分的差异性进行检验,结果发现,不同时间阶段内鼠标点击频率具有显著性的差异
(P=0.000)。
图2 主观疲劳感觉评分随点击鼠标持续时间的变化示意图Figure 2.Changing of RPE during 90sClicking Mouse Test
3.2 表面肌电信号各分析指标随运动时间的变化规律
从图4标准化后的sEMG各分析指标均值随点击鼠标持续时间的总体变化情况看,RMS随点击鼠标持续时间表现出逐渐增大的趋势,而 MF、MPF、MDF、MNF
随运动持续时间表现出良好的单调递减趋势,而C(n)在点击鼠标第2个15s时间阶段内的值显著下降,在之后的时间内则缓慢增加。
图3 点击鼠标频率随点击鼠标持续时间的变化示意图Figure 3.Changing of Clicking Mouse Frequency during 90sClicking Mouse Test
采用多个相关样本非参数检验的Friedman方法对不同时间段内sEMG各分析指
标(标准化前)的差异性进行检验,结果发现,不同时间阶段内的 RMS、MF、MPF、MDF、MNF、C(n)皆有着显著性的差异[其中,RMS:P=0.031,MF:P=0.000,MPF:P=0.000,MDF:P=0.000,MNF:P=0.000,C(n):P=0.044]。
3.3 sEMG各分析指标与运动持续时间、RPE、点击鼠标频率的相关性研究结果
从表1sEMG各分析指标与点击鼠标运动持续时间、RPE、点击鼠标频率的Spearman相关系数看,标准化后的sEMG指标 MF、MPF、MDF、MNF与运
动持续时间、主观疲劳感觉评分、点击鼠标频率之间的相关关系皆达到了显著性的水平,标准化后的sEMG指标C(n)与主观疲劳感觉评分的相关关系也达到了显著性的水平,而C(n)、RMS与点击鼠标运动持续时间、点击鼠标频率的相关关系及RMS与RPE无显著性的相关关系。
图4 表面肌电信号各分析指标随点击鼠标持续时间的变化示意图Figure
4.Changing of sEMG Indices during 90sClicking Mouse Test
表1 sEMG各分析指标与运动持续时间、RPE的Spearman相关系数一览表Table 1 Spearman Correlation Coefficient between Clicking Mouse Duration Time,RPE and sEMG Indices注:*表示P<0.05,**表示P<0.01。
归一化后的表面肌电信号指标Normalized sEMG Indices RMS MF MPF MDF MNF C(n)运动持续时间Duration time 0.070 -0.394** -0.479** -0.494** -0.580**-0.133主观疲劳感觉RPE 0.103 -0.478** -0.472** -0.543
** -0.579** -0.191*点击鼠标频率Clicking rate -0.019 0.236* 0.289*0.304* 0.358**0.042
3.4 表面肌电信号各分析指标评价前臂肌肉疲劳的效果评价
从表2的sEMG各分析指标评价快速点击鼠标致前臂肌肉疲劳的适用性比较结果看,在反映疲劳的敏感性方面,MNF最高,MDF次之,之后是 MPF、MF、C (n)和RMS。
从反映疲劳的指标稳定性看,MNF最高,MPF次之,之后依次
为 MDF、MF、C(n)和RMS。
从指标的可重复性比较结果看,MNF的稳定性
最高,其次分别为C(n)、MF、MDF、MPF、RMS。
从sEMG各分析指标的可重复性方面看,C(n)可重复性效果最好,其次为 MNF,之后依次为MF、MDF、MPF和RMS。
表2 sEMG各分析指标评价快速点击鼠标致前臂肌肉疲劳的适用性比较一览表Table 2 Utility of sEMG Indices in Assessment of Extensor Digitorum Muscle Fatigue Caused by Fast ClickingMouse归一化后的表面肌电信号指标Normalized sEMG Indices RMS MF MPF MDF MNF C(n)敏感性Sensitivity 0.46±0.22 0.58±0.16 0.63±0.11 0.65±0.08 0.71±0.10 0.52±0.15稳定性Stability 0.14 0.45 0.57 0.53 0.63 0.26可重复性Repeatability 0.21 0.78 0.59 0.67 0.83 0.87
4 讨论
运动性肌肉疲劳(exercise-induced muscle fatigue)是指运动引起肌肉不能将
其机能保持在某一特定的水平和/或不能维持某一特定运动强度的生理现象[4,11],是肌肉外周收缩能力下降和中枢神经系统对肌肉支配激活能力下降共同作
用引起的一个具有连续性、动态性的复杂过程[11,17]。
因此,在任何负荷运
动任务条件下,肌肉不能维持既定的负荷运动任务是肌肉产生运动性肌肉疲劳最直接有效的判断方式[4,11,17]。
但是,当肌肉以次最大收缩力量、次最大输
出功率或次最大收缩频率收缩时,在肌肉尚未表现出不能维持前期负荷运动任务现象之前,收缩肌肉本身及其神经调控系统的结构与功能可能已经发生了某些特征性的改变并引起运动性肌肉疲劳的发生。
在这种情况下,判断肌肉疲劳的“不能维持既定的负荷运动任务”标准便具有了局限性。
因此,以“不能维持既定的负荷运动任务”作为判断运动性肌肉疲劳的标准一般要求肌肉以最大收缩力量[5,6]、
最大输出功率[7]或最大收缩频率[36]进行收缩,或要求肌肉以次最大收缩力量、次最大输出功率或次最大收缩频率收缩,但负荷运动任务时间足以引起肌肉不能维持既定负荷运动任务[47];另一方面,由于当肌肉以最大收缩力量或最大
输出功率进行收缩时,肌肉内大部分运动单位都可以被募集[24,44],因此,“肌肉产生最大收缩力量或者最大输出功率暂时性下降”是大部分负荷运动任务诱发运动性肌肉疲劳的典型特征并被广泛应用到运动性肌肉疲劳的评价之中[6,11]。
然而,在特定收缩条件(如低负荷高频率收缩)下,肌肉最大收缩力量或
最大输出功率并不能客观地反映出运动性肌肉疲劳的发生发展情况。
此外,在运动性肌肉疲劳发生发展的过程中,一般也伴随某些生理生化指标、主观疲劳感觉、肌肉硬度、皮肤空间阈、闪光融合频率等指标的特征性改变,这些指标在评价运动性肌肉疲劳方面也具有一定的应用价值和参考意义[4]。
当然,疲劳作为一种连续性、动态性的过程,对其进行连续性的监测与诊断具有更加重要的意义。
在这方面,
sEMG因具有非损伤性、实时性、多靶点测量等众多优势得到众多研究者的关注,并已广泛应用到运动性肌肉疲劳的监测与诊断之中[7,11]。
本研究的研究目的是探索在评定由快速点击鼠标诱发指伸肌疲劳方面几种常用sEMG分析方法和评定指标的适用性情况。
sEMG作为从肌肉表面记录到的肌肉活动时神经肌肉系统生物电变化的一维时间序列信号,在一定程度上反映出中枢神经系统对肌肉运动单位活动的控制模式或控制策略的信息以及肌肉疲劳程度及其恢复过程的变化[46]。
由于不同的sEMG指标对神经肌肉系统功能状况及测试环境
变化的敏感性存在差异,而在特定运动负荷和肌肉收缩方式条件下诱发的肌肉疲劳在中枢与外周的改变方面也具有一定的特异性,因此,不同sEMG指标在不同条
件下反映肌肉疲劳方面的适用性情况也会不同。
sEMG的 RMS、MF、MPF、MDF、MNF、C(n)等指标是分别从时域、频域、时频域、非线性分析等多种sEMG分析处理角度获取的指标,在评价运动性肌肉疲劳方面已有研究者进行过相关的探索与尝试[6,11,46]。
表面肌电信号的RMS是反映某段时间内2个探测电极之间平均电压幅值高低的指标,其大小与运动单位募集激活的频率和运动单位募集数量[39]、肌肉表面组
织的低通滤波作用[15]、肌纤维的传导速度[30]等因素密切相关。
相关研究
表明,在肌肉疲劳过程中,由于肌纤维募集数量和肌纤维放电同步化程度增加等因素,RMS随着运动时间的延长和疲劳程度的加深而增加[2,35]。
在本研究中,RMS随点击鼠标持续时间表现出逐渐增大的趋势,但是,其在反映由快速点击鼠
标致指伸肌疲劳方面的敏感性、稳定性和可重复性效果都是所研究6个指标中最
差的,且其随点击鼠标持续时间、主观疲劳感觉评分、点击鼠标频率的变化也未表现出较为显著性的变化规律,提示其在评定由快速点击鼠标引起的指伸肌疲劳方面具有较差的适用性,这与之前的相关研究也是一致的[19,46]。
由于RMS很
容易受到测试外界环境及疲劳引起的众多外周与中枢因素所影响,导致其在疲劳中
的变化具有较大的随机性和波动性[2,46],因此,应用RMS评价运动性肌肉疲劳具有很大的局限性。
经傅里叶变换计算的中值频率MF和平均功率频率MPF是评价运动性肌肉疲劳,特别是由静力性收缩(等长收缩)引起的运动性肌肉疲劳应用最为广泛的指标[5-6,12]。
研究认为,一般情况下,静态或是动态运动,伴随运动性肌肉疲劳的发生和发展,sEMG信号的傅立叶频谱曲线可以发生不同程度的左移现象,并且导致反映频谱曲线特征的MF和MPF产生相应的下降[8]。
肌肉在静力性收缩条件下记录的表面肌电信号被认为是近似稳态的信号,在该种情况下,短时傅里叶变换的时间窗口宽度的确定就不会要求太严格[1],因此,基于短时傅里叶变换计算的 MF和MPF具有良好的适用性[12]。
但是,在动态收缩条件下,由于运动过程中皮肤牵拉使检测电极与被检部位肌肉之间的相对位移以及肌肉收缩过程中长度和厚度等不断变化,使得从肌肉表面记录到的sEMG具有典型的非稳态信号的基本特征[6],从而对傅里叶变换计算的MF和MPF在反映疲劳方面的适用性方面产生影响[12,46]。
此外,在小负荷(低于30%MVC)收缩条件下,MF和 MPF不会表现出经典的随运动持续时间增加和疲劳加深而单调递减的变化趋势,甚至会随运动时间表现出线性增加的变化规律,提示低负荷收缩诱发肌肉疲劳后神经肌肉系统外周与中枢改变是有别于肌肉在高负荷收缩诱发肌肉疲劳条件下的特点。
而低负荷收缩条件下,MF和MPF随运动持续时间表现出的增加趋势,可能与疲劳后更多较大的运动单位被募集有关[23]。
在本研究中,MF和MPF 在反映疲劳的敏感性方面弱于基于小波包分析计算的MDF和MNF,但强于RMS 和C(n),MF和MPF在反映疲劳的敏感性方面非常接近。
在反映疲劳的稳定性方面,MF和MPF要优于RMS和C(n),但MF较MDF的稳定性要差,MPF 较MNF的稳定性要差,提示在傅里叶变换和小波包分析获取的频段能量基础上计算的中值频率和平均功率频率,小波包分析方法获取的指标稳定性要优于傅里叶变。