肌電信號(hào)（EMG）是神經(jīng)肌肉系統(tǒng)活動(dòng)產(chǎn)生的生物電信號(hào)，其測(cè)量與分析在臨床醫(yī)學(xué)、運(yùn)動(dòng)科學(xué)、康復(fù)工程和人機(jī)交互等領(lǐng)域具有重要意義。本文將系統(tǒng)介紹EMG信號(hào)的測(cè)量方法、預(yù)處理技術(shù)和常用分析方法。

1. EMG信號(hào)測(cè)量方法

1.1 測(cè)量系統(tǒng)組成

一個(gè)完整的EMG測(cè)量系統(tǒng)通常包括：

電極：表面電極（sEMG）或針電極（iEMG）

信號(hào)放大器：增益通常1000-10000倍，輸入阻抗>100MΩ

濾波器：帶通濾波（10-500Hz）消除噪聲

模數(shù)轉(zhuǎn)換器：采樣率≥1000Hz（滿(mǎn)足Nyquist定理）

數(shù)據(jù)存儲(chǔ)與分析單元

1.2 電極布置規(guī)范

雙極配置：兩個(gè)檢測(cè)電極沿肌纖維方向放置，間距10-20mm

參考電極：置于電中性位置（如骨突處）

皮膚準(zhǔn)備：

剃毛（降低阻抗）

酒精擦拭（去除角質(zhì)層）

磨砂膏（進(jìn)一步降低阻抗至<10kΩ）

1.3 測(cè)量注意事項(xiàng)

噪聲來(lái)源：

電源干擾（50/60Hz工頻噪聲）

運(yùn)動(dòng)偽跡（電極與皮膚相對(duì)位移）

心電（ECG）串?dāng)_

解決方案：

使用差分放大和高共模抑制比（CMRR>80dB）放大器

屏蔽導(dǎo)線(xiàn)和接地處理

電極固定帶減少移動(dòng)

2. EMG信號(hào)預(yù)處理

2.1 濾波處理

2.2 信號(hào)增強(qiáng)

全波整流：將信號(hào)轉(zhuǎn)換為單極性

線(xiàn)性包絡(luò)檢測(cè)：低通濾波（截止頻率2-10Hz）提取信號(hào)輪廓

3. EMG信號(hào)分析方法

3.1 時(shí)域分析

適用于肌肉激活水平和模式識(shí)別：

振幅參數(shù)：

均方根（RMS）：反映信號(hào)功率

平均絕對(duì)值（MAV）：計(jì)算簡(jiǎn)單

時(shí)序參數(shù)：

激活時(shí)間（Onset Time）：肌肉開(kāi)始激活時(shí)刻

積分肌電（iEMG）：反映肌肉總激活量

3.2 頻域分析

用于評(píng)估肌肉疲勞和神經(jīng)控制特性：

功率譜密度（PSD）：

快速傅里葉變換（FFT）或Welch法估計(jì)

頻譜指標(biāo)：

中位頻率（MF）：功率譜50%分位點(diǎn)頻率

平均功率頻率（MPF）：

疲勞時(shí)表現(xiàn)為頻譜左移（MF/MPF降低）

3.3 時(shí)頻分析

適用于非平穩(wěn)信號(hào)分析：

短時(shí)傅里葉變換（STFT）：

固定窗長(zhǎng)（如256ms），計(jì)算局部頻譜

小波變換（Wavelet）：

多分辨率分析，常用母小波：Daubechies、Morlet

3.4 高階分析方法

非線(xiàn)性動(dòng)力學(xué)：

樣本熵（SampEn）：評(píng)估信號(hào)復(fù)雜度

李雅普諾夫指數(shù)：表征系統(tǒng)混沌特性

機(jī)器學(xué)習(xí)應(yīng)用：

特征提?。簳r(shí)頻域特征組合（>20個(gè)特征）

分類(lèi)算法：SVM、隨機(jī)森林用于動(dòng)作識(shí)別

4. 典型應(yīng)用場(chǎng)景

4.1 臨床診斷

神經(jīng)傳導(dǎo)速度（NCV）測(cè)試：

刺激神經(jīng)干，記錄遠(yuǎn)端肌肉CMAP

計(jì)算傳導(dǎo)速度：

運(yùn)動(dòng)單位分析：

針電極記錄MUAP波形

參數(shù)：時(shí)限、振幅、多相波百分比

4.2 運(yùn)動(dòng)科學(xué)

肌肉協(xié)同分析：

非負(fù)矩陣分解（NMF）提取協(xié)同模式

疲勞評(píng)估：

MF下降率>10%/min提示顯著疲勞

4.3 人機(jī)交互

手勢(shì)識(shí)別：

4通道sEMG + LSTM網(wǎng)絡(luò)（準(zhǔn)確率>95%）

假肢控制：

實(shí)時(shí)提取RMS特征，控制多自由度假手

5. 前沿技術(shù)進(jìn)展

高密度sEMG（HD-sEMG）：

二維電極陣列（如8×8）實(shí)現(xiàn)肌肉激活成像

深度學(xué)習(xí)端到端分析：

1D-CNN直接處理原始EMG信號(hào)

無(wú)線(xiàn)智能貼片：

集成濾波、特征提取和藍(lán)牙傳輸（如MYO臂環(huán)）

6. 分析軟件工具

總結(jié)

EMG信號(hào)分析是理解神經(jīng)肌肉功能的核心手段，選擇合適的方法需考慮：

研究目的：激活水平（時(shí)域）、疲勞（頻域）、模式識(shí)別（機(jī)器學(xué)習(xí)）

信號(hào)質(zhì)量：高噪聲數(shù)據(jù)需加強(qiáng)預(yù)處理

實(shí)時(shí)性要求：在線(xiàn)控制需簡(jiǎn)化算法（如僅用RMS）

未來(lái)趨勢(shì)將向多模態(tài)融合（EMG+IMU+EEG）和邊緣智能（嵌入式AI分析）方向發(fā)展。