郭 峰

在體育運動中，對肌肉力量的研究是一個長久的課題，利用生物力學手段研究肌肉力量的一個不足就是不能夠直接測量活體條件下某一塊肌肉的力量。De Luca［8］指出，表面肌電信號經過整流和平滑以后，其幅值大小可以定性地反映某一個關節(jié)力矩或者力量的大小，但是想定量地反映出關節(jié)力量大小卻很難。直接評價某一塊肌肉力量最普遍的方法就是使用表面肌電（surface electromyography，sEMG）［5，15，22］。肌電圖記錄到的肌電信號實際是運動單位動作電位在肌纖維上傳導到電極所在位置時在時間和空間上的疊加，是一種復合動作單位。肌電信號本質上包含著被激活運動單位的數(shù)目以及每一個運動單位發(fā)放的頻率。肌纖維上產生動作電位后通過興奮收縮耦聯(lián)途徑誘發(fā)肌纖維收縮，由于肌纖維收縮曲線的不應期短，在收縮曲線在收縮期可以疊加，進而使產生的肌力發(fā)生疊加。當動員的運動單位數(shù)目或者同步化程度增高時，疊加的復合運動單位幅值增高，肌電信號增強，募集收縮的肌纖維數(shù)目增多。因此，肌肉的收縮力會隨著肌電幅值的增加而增強，兩者之間是存在特別關系的，這可以通過一些方法根據肌電信號推測出相應的肌肉力量信息。但是，在進行估算前，需要對原始sEMG進行處理，處理過程主要涉及：1）對某一塊肌肉的電信號進行差分放大；2）對信號進行帶通濾波；3）全波整流；4）對肌電信號進行低通濾波，進而確定一個“線性包絡”（linear envelope）。進行低通濾波的目的主要是想顯現(xiàn)出肌肉對運動單位動作電位（motor unit action potentials，MUAPs）脈沖產生 的二階 反應，同時，由低通濾波引起的相位延遲也能夠反映出肌肉收縮過程中的電機械延遲現(xiàn)象［25］。對經過低通平滑處理后的信號進行標準化處理，即將信號表示為肌肉進行最大隨意收縮（maximum voluntary contractions，MVCs）時肌電信號的百分比。實際上，對力量進行進一步精準地估算還需要知道肌肉橫斷面積、肌肉長度以及肌肉收縮和拉長的速度。除此之外，學者們已經發(fā)現(xiàn)sEMG幅值與力之間的非線性關系，并通過使用非線性標準化的方法將其校正［9，11，20］，進而進行定量分析。

目前，有很多文獻表明，在對信號進行帶通濾波時，一般首先需要對原始肌電信號進行高通濾波，截止頻率一般為30Hz［2，1418］。帶通濾波處理還應該包括低通濾波過程，低 通截 止 頻 率 用 得 比 較 多 的 是 500Hz［1，6，8，23］，但 也 有 用250Hz［14］、300Hz［10］、450Hz［16］和490Hz［17］，采用這些截止頻率的目的就是為了去除噪聲并且保留真實的肌電信號。當然，在做這些處理時，是假設信號經過差分放大后頻率成分不變，這樣才會提高對肌肉力量估計的合理性。但也有一些證據暗示這種假設不準確。學者們發(fā)現(xiàn)，在長時間的等長收縮過程中sEMG幅值增加，但肌肉力量卻沒有增加［424］，這使得利用疲勞時的sEMG信號去預測力量受到質疑。在肌肉疲勞時sEMG的功率譜向左移，低頻成分增加［310］。假設在肌肉力量不變時sEMG幅值一直增加，并且信號中增加的主要是低頻成分，那么，在這小范圍內變化的sEMG和力之間可能不存在關系。

用sEMG信號來表示肌肉對運動單位動作電位產生的二階反應時，由于組織的濾波特性以及差分放大過程可能會引起基于sEMG對力量進行估算時發(fā)生的錯誤。同樣，如果肌肉發(fā)生疲勞時sEMG的低頻成分增加，這樣，使用整個原始sEMG信號（20～500Hz）去評估肌肉力量是不準確的。

本研究目的是要確定20Hz以上不同高通截止頻率對基于sEMG對指屈肌力量估計的影響，本研究假設，經過高通濾波處理后去除原始sEMG信號中大部分低頻功率成分，可以顯著地提高基于sEMG對力量進行估算的效果。

1 研究對象與方法

1.1 研究對象

本研究將受試者分成兩組，受試者都來自體育學院體育教育學院的在校大學生，其中一組有9名健康成年男性（年齡：21.5±0.3歲，體重：70.1±1.2kg，身高：176.3±2.1cm，BMI＝24.5±2.5）；另外一組也由9名健康成年男性組成（年齡：20.2±0.5歲，體重：72.2±1.5kg，身高：174.2±3.5cm，BMI＝23.2±2.7）。兩組在體重和BMI方面都沒有統(tǒng)計學差異。

1.2 研究方法

1.2.1 實驗儀器與材料

ME6000表面肌電儀、Ag／AgCl表面電極（小電極直徑為0.8cm，兩個記錄電極距離為2cm；大電極直徑為1.6 cm，電極距離為4cm）、電子拉力計、電腦。以上使用的實驗儀器均來自沈陽體育學院國家體育總局重點實驗室和電生理實驗室。

1.2.2 數(shù)據采集

兩組受試者的實驗程序一樣，首先，將兩個表面記錄電極置于右利手指屈肌肌腹的中線處，這樣可以避免神經肌肉支配區(qū)域，參考電極置于肱骨的內側髁。表面肌電信號采樣頻率為1 000Hz，50Hz共模抑制比例為115dB，增益為1 000，濾波范圍20～500Hz。

受試者坐在電腦前，右手肘關節(jié)呈現(xiàn)90°，肘關節(jié)處于旋內旋外的中間位置，腕關節(jié)自然伸直，身體坐位時處于正常的解剖位置，肩關節(jié)自然下垂，處于正常解剖位置，手握電子握力計。實驗前，讓受試者熟悉實驗過程，體驗握力感覺，從而找到自己產生最大隨意收縮的握距。令受試者指屈肌進行間斷性的等長收縮，每名受試者收縮6次，在這6次收縮中包括2次快速收縮、2次快速最大隨意收縮和2次相對較長時間收縮。

1.2.3 數(shù)據處理

對采集到的力值采用1階Butterworth低通濾波，截止頻率為30Hz，在實驗采集到的數(shù)據中找到指屈肌肌力的最大值，并且將所有力值都相對最大力值進行標準化處理，表示為最大力值的百分比。采用一系列的過程對數(shù)據進行處理，包括：1）采用不同方法對原始肌電信號進行預處理；2）對整流后的信號進行不同低通截止頻率濾波；3）對低通濾波后的信號進行不同的非線性標準化常數(shù)進行校正，最后評價sEMG與力之間的關系。具體步驟如下：1）選定1階和6階作為濾波階數(shù)，這兩個階數(shù)最具代表性；2）對原始sEMG信號分別進行1階和6階低通濾波，截止頻率為450Hz；3）對處理后的sEMG信號再分別進行1階和6階高通濾波，截止頻率為20Hz；4）將上一步的sEMG信號進行全波整流；5）將整流后的sEMG信號再進行截止頻率為1.0Hz的低通濾波（首先使用1階Butterworth）；6）經過濾波整流后的sEMG信號再進行線性的標準化處理，即將濾波整流后的sEMG信號的每一個幅值表示為濾波整流后的sEMG信號最大幅值的百分比；7）對信號采用漸進性增大的非線性常數(shù)進行非線性標準化處理，非線性常數(shù)從0增加到50，每階增加1，共51個常數(shù)，公式1［20］如下：

EMGlinear是指EMG相對最大值的線性標準化值，EMGnonlinear是指相對于最大值的非線性標準化值，C是定義的非線性標準化常數(shù)，這個非線性標準化常數(shù)可以保證肌電數(shù)據在0%～100%MVC之間［20］；8）將按照上述步驟處理后的sEMG信號與標準化力值信號進行比較，主要比較兩者的RMS差值以及相關系數(shù)，對于RMS的差用RMS誤差百分比表示，公式2［23］如下：

此處RMSdifference是指sEMG信號與力值信號RMS的差值，RMSforce是指力信號的RMS，ErrorRMS%是指sEMG信號與力值信號兩者之間的差異，該值越大說明用sEMG信號估計力值效果越差。

在第5步中，將低通濾波截止頻率分別設置為從1.0 Hz到4.0Hz，按每階0.1Hz增加，共31個。這樣，對于經過20Hz高通濾波后的原始肌電信號共有1 581種組合處理（51個非線性常數(shù)×31個低通截止頻率），在這1 581個組合處理中，選定與力值RMS差值最小的，即sEMG信號與力值信號最相近的。實質上，整個處理過程從第3步開始，以不同的高通截止頻率進行處理（從最初的20Hz到480Hz，每階增加20Hz，共24個），一旦完成1階濾波處理后，再進行6階濾波處理，具體處理過程如圖1所示，1階Butterworth處理后，再選取6階Butterworth濾波進行重復處理。

圖1 本研究數(shù)據分析步驟流程圖Figure 1. Flow Chart of Data Analysis Steps

在高通濾波處理過程中，需要記錄的變量有：1）最佳的低通截止頻率；2）最佳的非線性標準化常數(shù)；3）最小的ErrorRMS%；4）sEMG與力值最佳的相關系數(shù)；5）經過處理后的肌電信號整個功率譜。

文中不同的濾波方法以及RMS的計算通過MATLAB 7.1軟件來完成。

1.2.4 統(tǒng)計學分析

本研究采用SPSS 12.0進行數(shù)據的統(tǒng)分析，采用2×2×24多因素方差分析，因變量為：1）ErrorRMS%；2）相關系數(shù)。獨立變量為：1）電極尺寸大小，2個水平（大尺寸和小尺寸），為組間變量；2）高通濾波階數(shù)，2個水平（1階和6階），為組內變量；3）高通截止頻率共24個水平（20～480 Hz，每階20Hz），為組內變量，顯著水平為P＜0.05。目前，絕大部分的研究都是將20Hz高通濾波作為基于sEMG力值預測的標準，因此，將20Hz高通濾波與其他高通截止頻率濾波時進行比較，采用配對t檢驗的方法進行比較。將在1階和6階每一個高通截止頻率濾波處理后的信號與20Hz高通濾波相比。

2 結果

2.1 單一樣本特征分析

圖2是一名受試者一次快速收縮時，肌力與sEMG之間的關系，可見兩者呈非線性變化關系。在該例實驗中，肌電各項處理參數(shù)如下：1階Butterworth高通濾波截止頻率為440Hz，低通濾波截止頻率為1.8Hz。

圖3是同一名受試者6次不同收縮形式時基于指淺屈肌sEMG對肌力的估計，該圖是在圖2基礎上經進一步非線性標準化處理得到的，最佳的非線性標準化參數(shù)為17，圖3顯示ErrorRMS%是如何計算的，0線以下的曲線部分為ErrorRMS%，即力值的RMS與表面肌電信號RMS的差值／力值RMS的絕對值。從圖3可知，利用上述一系列處理方法對sEMG信號和力信號進行處理后，利用sEMG信號可以準確地評估力量大小。

圖4是同一名受試者一次收縮時ErrorRMS%和相關系數(shù)變化特征（與圖2是同一數(shù)據），該名受試者此次收縮時，sEMG信號值與力值之間的相關系數(shù)在0.84～0.94之間。

圖2 本研究1名受試者指屈肌肌力與sEMG非線性關系示意圖Figure 2. Non－linear Relationship Between Digital Flexors Force and sEMG for a Subject

圖3 本研究1名受試者非線性標準化處理后sEMG與肌力之間關系曲線圖Figure 3. Relationship Between sEMG and Force After Non－linear Normalization Process for the Same Subject

圖4 本研究1名受試者sEMG經過1階和6階24個不同高通截止頻率后ErrorRMS%與相關系數(shù)曲線圖Figure 4. ErrorRMS%and Correlation Coefficients Resulting from Each of 24High－pass Cutoff Frequencies with 1st and 6th Order Filters Respectively for a Subject

2.2 ErrorRMS%

ErrorRMS%受高通截止頻率（P＜0.01）和濾波階數(shù)（P＜0.01）的影響，并且存在顯著的高通截止頻率與濾波階數(shù)交互作用影響（P＜0.01）。電極大小對ErrorRMS%沒有顯著影響。對于1階濾波器來說，標準20Hz高通濾波后的ErrorRMS%要顯著高于其他所有高通截止頻率（40～480 Hz）濾波后的ErrorRMS%（P＜0.01，圖5）。

在圖5中對于1階濾波起來說，在18名受試者中有16名受試者的ErrorRMS%出現(xiàn)在440Hz時，平均最小值為9.1%±1.5%，相當于20Hz時 ErrorRMS%的51.7%，在460Hz以后ErrorRMS%開始稍稍升高。而對于6階濾波來說，全部18名受試者的ErrorRMS%變化與1階濾波相比較有一個明顯的拐點，整體上表現(xiàn)為先減小后增大，而ErrorRMS%最小值出現(xiàn)在160Hz處，平均最小值為8.9%±1.8%，相當于20Hz時的45.6%。

2.3 相關系數(shù)

對于相關系數(shù)來說，高通截止頻率有一個顯著的主效應（P＜0.01）以及顯著的高通截止頻率和濾波階數(shù)交互作用（P＜0.01），電極大小并沒有顯著影響相關系數(shù)。對于1階濾波來說，相關系數(shù)與ErrorRMS%的變化相似，其他高通截止頻率下的相關系數(shù)都要比20Hz高通濾波時相關系數(shù)大，最高相關系數(shù)時對應著440～480Hz（0.938～0.940）。對于6階濾波來說，在40～460Hz范圍內的相關系數(shù)都要大于20Hz時的相關系數(shù)，唯有480Hz時的相關系數(shù)小于20Hz時相關系數(shù)，最高相關系數(shù)也出現(xiàn)在160Hz處，平均為0.932±0.002。

圖5 本研究1階和6階不同高通截止頻率下平均ErrorRMS%變化曲線圖Figure 5. Average ErrorRMS%for Each High－pass Cutoff Frequency with 1st and 6th Order Filters Respectively for All Subjects

2.4 sEMG信號高通濾波后的功率成分

對經過不同高通截止頻率濾波后的sEMG信號進行功率譜計算（圖6），在圖6中，將經過20Hz高通濾波后剩余的功率成分作為標準值1，然后將其他高通截止頻率濾波后剩余的功率成分與20Hz的相比，表示為相對于20 Hz高通濾波時的百分比。圖5顯示，對于1階高通濾波來說，最佳的截止頻率是440Hz，而在圖6中，經過440 Hz高通濾波后剩余的功率成分僅為標準的20Hz高通濾波時剩余功率的2.7%。對于6階高通濾波來說，最佳的高通截止頻率為160Hz（圖5）。在圖6中，經過160Hz高通濾波后剩余功率成分為標準的20Hz高通濾波后剩余功率的11.6%。

圖6 本研究分別經1階和6階20～480Hz高通濾波后剩余的平均sEMG功率變化曲線圖Figure 6. Average Remaining sEMG Signal Power after 20～480High－pass Cutoff Frequencies with 1st and 6th Order Filters

圖7為1階最佳高通濾波440Hz、6階最佳高通濾波160Hz、1階20Hz高通濾波、6階20Hz高通濾波的幅頻相應圖，圖中顯示，6階濾波時頻率衰減率要明顯比1階濾波時更陡峭，1階濾波相對平滑。

圖7 1階和6階不同高通截止頻率的幅頻響應曲線圖Figure 7. Characteristics of Different High－pass Cutoff Frequencies with 1st and 6th Order Filters

2.5 最佳的低通截止頻率

原始sEMG信號經過20～480Hz高通濾波后，信號再進行全波整流，最后確定最佳的低通濾波截止頻率和非線性標準化參數(shù)（圖1），進而完成sEMG信號與力值信號的匹配（圖3）。對于經過1階不同高通濾波截止頻率處理過的sEMG信號來說，最佳的低通截止頻率基本在1.8Hz左右（20～480Hz高通濾波），平均為1.8±0.6Hz。而對于6階高通濾波處理后的sEMG信號來說，最佳的低通截止頻率有一個范圍，從1.9±0.6Hz（360Hz高通濾波時）到2.2±0.7Hz（20Hz高通濾波時）。

2.6 最佳的非線性標準化常數(shù)

對于經過1階高通濾波處理后的數(shù)據，最佳的非線性標準化參數(shù)（公式1）從24.6±6.3（40Hz高通濾波）逐漸降低到18.1±7.4（460Hz高通濾波）。而對于6階高通濾波處理后的數(shù)據來說，從26.3±7.1（60Hz高通濾波）逐漸減少到17.2±6.9（360Hz高通濾波）。

3 分析

3.1 最佳的高通截止頻率

使用Butterworth高通濾波后，去除原始sEMG功率的97.3%，顯著地提高了基于指屈肌sEMG信號評估握力的效果，這對以前提出的應該用頻率范圍在10～30Hz的sEMG信號去評估肌肉力量的做法提出了質疑。從利用sEMG信號對力量預測來看，可能僅僅非常窄的頻率帶與力量預測有關，sEMG其余的頻率成分與力量預測關系不大。

以往基于sEMG信號對力量進行預測的模型中，在對sEMG信號進行全波整流和低通濾波之前，主要采用30 Hz以下的截止頻率進行高通濾波以去除動作偽跡［7］。而在本研究中，采用了更高的高通截止頻率去除了原始信號中的大部分低頻成分來評估肌肉力量。在肌纖維上直接產生的運動單位動作電位會比其在皮膚表面產生的sEMG信號有更大的頻帶范圍，利用表面電極和針刺電極記錄到的EMG信號產生的最高頻率分別為350Hz和600 Hz［19］。因此，低頻功率成分可能是由肌纖維和皮膚表面之間的信號成分被差分放大引入的，這部分信號成分并不能代表肌纖維上電信號產生的過程。如果把肌肉收縮看成是肌纖維對一個運動單位電位脈沖產生的二階反應［12］，那么，將sEMG轉換成力量的過程主要取決于sEMG的情況，因為，sEMG信號是運動單位動作電位在皮膚處疊加的結果，而運動單位電位又代表著脈沖。但是，在皮膚處記錄到的sEMG信號不僅反映肌纖維處產生的運動單位電位，而且也包含著經肌纖維和表面電極之間組織濾波的信號成分以及接下來被差分放大的成分。這些因素都增加了信號的低頻成分，但這些低頻成分并不包含在原始的運動單位電位中［8］。如果將這些由于以上因素導致被拉長了的運動單位動作電位（低頻成分增加相當于把原始的運動單位動作電位的時間跨度拉長了，即信號形狀被拉長了）直接全波整流后再低通濾波，那么，有可能使力量評估不準確。

本研究的研究結果顯示，sEMG經過更高截止頻率進行高通濾波后去除大部分低頻成分而保留sEMG中的高頻率成分，能夠顯著降低ErrorRMS%和提高sEMG與力之間相關系數(shù)（圖4，圖5）。對于1階和6階Butterworth濾波，使用不同的高通截止頻率得出相似的結果。對于1階濾波來說，力值和sEMG信號之間得到最佳估算時，高通截止頻率為440Hz，剩余的sEMG信號功率成分不到原始信號（20Hz高通濾波后的信號）的2.7%（圖6）。而對于6階濾波來說，最佳的力值和sEMG信號估算值（6階時ErrorRMS%為8.9）與1階時相近（1階時 ErrorRMS%為9.1），高通截止頻率為160Hz，剩余功率僅為原始的11.6%（圖6）。這些數(shù)據也提示，在進行利用sEMG對力量進行預測時，采用頻率要高于1 000Hz，否則很有可能使預測失敗。

圖6是Butterworth 1階和6階時不同高通截止頻率濾波時的濾波特性。與6階濾波相比，1階濾波器的衰減率相對來說更加平緩（1階20Hz和2階20Hz時比較），而且越平緩越需要更高的截止頻率來濾掉相同量的低頻成分（1階20Hz和1階440Hz時比較）。6階濾波法頻率衰減率越陡，會更好地給出精確評估力量的頻率。結合以上的數(shù)據來看，似乎應該濾掉160Hz以下功率成分進而來提高基于指屈肌sEMG對握力的估算。6階濾波器濾波衰減率更加陡峭可能是造成在各個高通截止頻率下ErrorRMS%以及相關系數(shù)變化更加明顯／極端（圖4，圖5）的原因。圖8顯示，1階濾波和6階濾波相比，想要濾掉相同的低頻功率成分，1階濾波器需要使用更高的截止頻率，正是由于1階濾波和6階濾波性能的不同，才導致了1階濾波器最佳的高通截止頻率為440Hz，而6階濾波器最佳高通截止頻率為160Hz。

3.2 處理方法的有效性分析

本研究采用不同階數(shù)濾波器進行高通濾波濾掉低頻信號成分處理時，得到了相似的結果，即最小的ErrorRMS%值相近，而且在不同面積表面電極下并沒有產生顯著的效應。有研究報道，表面電極大小以及兩個記錄電極之間的距離會影響運動單位動作電位的形狀、進行影響表面肌電信號的頻率成分［13］。為了觀察推薦使用的高通濾波方法是否會受電極大小和電極之間距離的影響，選定了不同大小電極和電極距離作為自變量，結果發(fā)現(xiàn)沒有顯著的效應。實驗中發(fā)現(xiàn)，使用1階高通濾波時，18名受試者中有16名其ErrorRMS%值到440Hz之前一直在減小，直到440 Hz時達到最小；對于6階高通濾波來說，全部18名受試者的ErrorRMS%在160Hz之前一直都在明顯減小，直到160Hz時達到最小。

實際上，對肌肉力量進行精準地估算還需要知道肌肉長度以及肌肉收縮和拉長的速度。因為，肌肉收縮的長度決定著粗肌絲橫橋和細肌絲結合的數(shù)目，在動力性收縮中，隨著肌肉長度的變化，粗肌絲橫橋和細肌絲結合的數(shù)目必定變化，從而會影響肌肉收縮時產生的力量。另外，根據Hill的肌肉力量－收縮速度關系曲線可知肌纖維收縮速度會影響肌肉力量。所以，為了準確地探究該方法預測肌力的有效性，本研究使用了靜力性地等長收縮形式，而未使用動力性收縮，以排除肌肉收縮形式對評估效果的影響。同時，本實驗中包含了快速收縮、慢速收縮以及長時間的最大等長收縮形式。也就是說，使用這種高通濾波方法來預測指屈肌握力是有效的。Potvin利用健康受試者肱二頭肌的sEMG對肌力進行了預測，得到的最佳高通濾波截止頻率與本研究相近［21］。今后還應該進一步研究不同肌纖維類型受試者以及不同皮下脂肪厚度受試者基于該方法對肌力的預測，觀察是否還能得出相似的最佳濾波頻率范圍。

目前，在處理EMG時，還沒有統(tǒng)一的濾波階數(shù)限制，但是1階到6階之間是學者們普遍使用的范圍。在本研究中，1階濾波相對平緩，而6階濾波相對陡峭（圖7）。因此，相對來說，6階濾波能夠更加敏感地表現(xiàn)出頻率特點，6階濾波時最佳高通截止頻率為160Hz，這似乎說明160 Hz以下的低頻成分與肌力預測無關。

肌肉疲勞可能是準確預測肌力的一個較大障礙，但是，利用高通濾波濾掉大部分低頻成分來預測肌力，從理論上說，這對于評價疲勞時的肌肉力量是有利的。已有研究表明，當肌肉疲勞時，大部分sEMG信號的功率成分增加的都是低頻成分［3，10］，而本研究使用的高通濾波方法恰巧就是將低頻成分濾掉后來預測肌力。一般來說，原始sEMG的主要頻率在150Hz以下，而本研究在使用1階和6階高通濾波時最佳截止頻率分別為440Hz和160Hz，足可以保證濾掉由于肌肉疲勞而引進的低頻成分。因此，這種方法就可以避免因肌肉疲勞時帶來的力值預測不準的問題。

3.3 最佳的低通截止頻率

sEMG經過高通濾波濾掉無關的低頻功率成分后，進行全波整流，對整流后的信號再進行低通濾波。低通濾波的目的是產生一個平滑信號更夠更好地與肌力匹配（圖3），單次的Butterworth低通濾波既可以去掉高頻成分又能夠產生相位延遲，這種相位延遲接近于肌質網與肌力之間的電機械延遲。最佳的低通截止頻率取決于力值曲線與肌電曲線形狀和相位的匹配程度。在本研究中，最佳的低通截止頻率在1.8～2.2Hz，Olney和 Winter對下肢肌肉進行了研究，結果，最佳的低通截止頻率為1.0～2.8Hz（平均1.7Hz）［15］，本研究結果在這些研究范圍之內。但是Bobet與Norman研究了肘關節(jié)屈伸肌群，其低通截止頻率為1.9～2.8Hz（平均為2.4Hz），同樣Potvin等人研究軀干肌低通截止頻率為2.4～2.9Hz，本研究結果略低于這些學者的研究結果。在本研究中，采用2Hz低通濾波后，sEMG信號曲線并沒有像力值曲線那樣平滑，當?shù)屯ń刂诡l率值越低，sEMG信號曲線雖然越平滑，但是相位延遲卻更大了，從而使sEMG曲線與力值曲線的RMS誤差更大。因此，從本研究結果來看，2Hz左右的低通截止頻率能使sEMG曲線與力值的形狀和相位延遲上得到較好的匹配。

3.4 最佳的非線性標準化常數(shù)

在本研究中，所有受試者指屈肌的sEMG與力值都呈現(xiàn)非線性關系（圖2），在以前的報道中有的肌肉sEMG與力 值 呈 現(xiàn) 非 線 性 關 系［9，11，20，24，26］，而 有 的 肌 肉 呈 現(xiàn) 線 性 關系［24，26］。Fuglevand等人認為，不同肌肉產生的差別可能與運動單位沖動的發(fā)放行為有關［12］。在本研究中，非線性程度與處理方法有關，主要與不同高通截止頻率值有關。隨著高通截止頻率的增加（20～480Hz），平均非線性常數(shù)表現(xiàn)為降低（25.2～17.4），這說明，隨著高通截止頻率的增加，處理后的sEMG與力值之間的非線性程度減弱，也就是說，去除更多的低頻成分后，使指屈肌sEMG與指屈肌產生的握力之間非線性程度減弱了。這些結果提示，除了運動單位的募集與發(fā)放行為導致了力電之間的非線性外，皮下組織的濾波過程可能也是導致兩者呈現(xiàn)非線性的另一個重要原因。

4 結論

本研究采用高通濾波的方法濾掉原始信號中90%～95%的成分后，提高了對指屈肌收縮力的估算能力，這對以往使用10～30Hz高通截止頻率濾波作為最佳截止頻率來預測肌力提出了質疑。通過去除sEMG中的低頻偽跡成分而留取高頻成分能夠更好地代表發(fā)生在肌纖維處的電生理特性。

本研究有一個限制，就是在令受試者指屈肌握電子拉力計收縮時，電子拉力計是固定不動的。因此，收縮時指屈肌長度是不變的，屬于靜力性的等長收縮，因此，以后的研究可以針對不同肌纖維類型肌肉、不同收縮長度、動力性收縮、不同皮下脂肪厚度（這些因素都會影響sEMG信號的頻率成分）進行研究。

［1］郭峰，張日輝.優(yōu)秀女子拳擊運動員后手直拳技術動作上肢肌肉表面肌電分析［J］.沈陽體育學院學報，2009，28（4）：65－68.

［2］郭峰，張日輝，唐光大.優(yōu)秀女子拳擊運動員后手直拳動作鞭打技術分析［J］.北京體育大學學報，2011，34（1）：45－47.

［3］ALLISON G T，F(xiàn)UJIWARA T.The relationship between EMG median frequency and low frequency band amplitude changes at different levels of muscle capacity［J］.Clin Biomech，2002，17（6）：464－469.

［4］ARENDT－NIELSEN L，MILLS KR.Muscle fiber conduction velocity，mean power frequency，mean EMG voltage and force during submaximal fatiguing contractions［J］，Muscle Nerve，1989，12（6）：493－497.

［5］ARSLAN YZ，ADLI MA，AKAN A，et al.Prediction of externally applied forces to human hands using frequency content of surface EMG signals［J］.Comput Methods Programs Biomed，2010，98（1）：36－44.

［6］CHOLEWICKI J，VANVLIET J J.Relative contribution of trunk muscles to the stability of the lumbar spine during isometric exertions［J］.Clin Biomech，2002，17（2）：99－105.

［7］CLANCY EA，MORIN F，MERLETTI R.Sampling，noise－reduction and amplitude estimation issues in surface electromyography［J］.J Electromyogr and Kinesio，2002，12（1）：1－16.

［8］DE LUCA C J.The use of surface electromyography in biomechanics［J］.J Appl Biomech，1997，13：135－163.

［9］DEL SANTO F，GELLI F，GINANNESCHI F，et al.Relation between isometric muscle force and surface EMG in intrinsic hand muscles as function of the arm geometry［J］.Brain Res，2007，1163：79－85.

［10］DIDERIKSEN J L，F(xiàn)ARINA D，ENOKA R M.Influence of fatigue on the simulated relation between the amplitude of the surface electromyogram and muscle force［J］.Philos Transact A Math Phys Eng Sci，2010，368（1920）：2765－2781.

［11］DOLAN P，ADAMS M A.The relationship between EMG activity and extensor moment generation in the erector spine muscles during bending and lifting activities［J］.J Biomech，1993，26（4－5）：513－522.

［12］FUGLEVAND A J，WINTER D A，PATLA A E.Models of recruitment and rate coding organization in motor－unit pools［J］.J Neurophysiol，1993，70（6）：2470－2488.

［13］FUGLEVAND A J，WINTER D A，PATLA A E，et al.Detec－tion of motor unit action potentials with surface electrodes：influence of electrode size and spacing［J］.Biol Cybern，1992，67（2）：143－153.

［14］GRANATA K P，ORISHIMO K F，SANFORD A H.Trunk muscle coactivation in preparation for sudden load［J］.J Electromyogr Kinesio，2001，11（4）：247－254.

［15］KAMAVUAKO E N，F(xiàn)ARINA D，YOSHIDA K，et al.Relationship between grasping force and features of single－channel intramuscular EMG signals［J］.J Neurosci Methods，2009，185（1）：143－150.

［16］LAURSEN B，JENSEN B R，NEMETH G，et al.A model predicting individual shoulder muscle forces based on relationship between electromyographic and 3Dexternal forces in static position［J］.J Biomech，1998，31（8）：731－739.

［17］MADELEINE N P，BAJAJ P，SOGAARD K，et al.Mechanomyography and electromyography force relationships during concentric，isometric and eccentric contractions［J］.J Electromyogr Kinesiol，2001，11（2）：113－121.

［18］MARRAS W S，DAVIS K G，MARONITIS A B.A non－MVC EMG normalization technique for the trunk musculature：part 1.Model development［J］.J Electromyogr Kinesio，2001，11（1）：1－9.

［19］NILSSON J，PANIZZA M，HALLET M.Principles of digital sampling of a physiologic signal［J］.Electro Clin Neurophys，1993，89（5）：349－358.

［20］POTVIN J R，NORMAN R W，MCGILL S M.Mechanically corrected EMG for the continuous estimation of erector spine muscle loading during repetitive lifting［J］.Eur J Appl Physiol，1996，74（1－2）：119－132.

［21］POTVIN J R，BROWN S H M.Less is more：high pass filtering，to remove up to 99%of the surface EMG signal power，improves EMG－based biceps brachii muscleforce estimates［J］.J Electromyogr Kinesio，2004，14（3）：389－399.

［22］RANTALAINEN T，KLODOWSKI A，PIITULAINEN H.Effect of innervation zones in estimating biceps brachii force－EMG relationship during isometric contraction［J］.J Electromyogr Kinesio，2012，22（1）：80－87.

［23］SEMMLER J G，TUCKER K J，ALLEN T J，et al.Eccentric exercise increases EMG amplitude and force fluctuations during submaximal contractions of elbow flexor muscles［J］.J Appl Physiol，2007，103（3）：979－989.

［24］SCHMITT K，DELLORUSSO C，F(xiàn)REGOSI R F.Force－EMG changes during sustained contractions of a human upper airway muscle［J］.J Neurophysiol，2009，101（2）：558－568.

［25］WINTER D A.Biomechanics of human movement with applications to the study of human locomotion［J］.CRC Crit Rev Biomed Eng，1999，9（4）：287－314.

［26］WOODS J，BIGLAND－RITCHIE B.Linear and non－linear surface EMG－force relationships in human muscles［J］.Am J Phys Med，1983，62（6）：2873－2899.