陳 茹，雷 旭，楊 琦

（1.西安醫(yī)學高等?？茖W校 體育工作部，陜西 西安 710309；2.西安財經(jīng)大學 體育教學部，陜西 西安 710100）

運動體在運動過程中容易產(chǎn)生磨損［1-2］，長期運動后自身的疲勞、外界環(huán)境的影響多項因素的作用會導致磨損不斷累積，損傷區(qū)域不斷擴大。假設能夠對運動體進行檢測，識別出損傷區(qū)域，并及時給出改善方案，能夠使損傷程度降至最小，有助于提升運動效果。因此，對運動損傷區(qū)域檢測方法的研究極其重要。鄺楚文等［3］采用深度卷積網(wǎng)絡、殘差函數(shù)建立圖像特征提取模型，結合自主學習、特征金字塔識別出圖像損傷區(qū)域的特征，進而檢測出損傷所在位置，但在損傷圖像檢測過程未將圖像上的噪聲去除，圖像信噪比較低?？荡T等［4］通過紅外、可見光原理提取圖像特征，利用深度學習算法設立損傷區(qū)域檢測模型，通過單階段檢測技術、特征金字塔求解該模型，完成損傷區(qū)域檢測，但該方法去噪效果不佳，導致檢測效果不佳。汪虹余等［5］根據(jù)多尺度超像素分割方式將原始圖像轉化成無向圖，利用最優(yōu)特征選擇方法去除圖像上噪聲，并提取圖像特征，結合蟻群算法提取出損傷特征，實現(xiàn)損傷區(qū)域檢測，但使用蟻群算法計算過程較為復雜，增加檢測難度且容易易將正確區(qū)域特征錯誤識別成損傷的特征，這大大增加檢測的誤差。

為進一步提高檢測效果，本文提出一種采用多模態(tài)融合和激光超聲技術完成運動損傷非接觸檢測。利用激光超聲技術對人體運動損傷區(qū)域進行掃描，通過簡諧振動方法建立運動損傷傳輸模型采集Lamb 波信號。這種非接觸的方式避免直接接觸人體，減少對被測物體的影響。為了抑制傳輸時的干擾信號，采集到的Lamb 波信號使用連續(xù)小波變換方式進行預處理，有效消除噪聲和干擾，提高信號質量。采用多模態(tài)融合方法提取Lamb 波中不同模態(tài)的能量數(shù)值作為信號特征值，進一步分析不同模態(tài)的能量數(shù)值，綜合考慮不同模態(tài)的信息，提高損傷檢測的準確性。將能量數(shù)值異常的信號區(qū)域轉化為反射畸變特征的圖像區(qū)域，采用Neumann neighbor 方法求解該區(qū)域Lamb 波信號的能量異常值。通過比較每個像素點與其鄰近像素點的能量差異，確定運動損傷位置的成像像素點。

1 運動損傷非接觸檢測

激光超聲技術屬于一種非接觸檢測技術，其傳播路徑長，且信號衰減程度極小，對損傷信號敏感，被廣泛運用在各種運動體的損傷檢測中［6-7］。該技術利用多模態(tài)融合、簡諧振動等方法設立非線性超聲場波動函數(shù)方程，實現(xiàn)運動損傷非接觸檢測并保證運動損傷檢測效率。

1.1 激光超聲技術下的Lamb 波信號采集

激光超聲非接觸檢測技術的本質是通過Lamb 波在運動體中傳輸采集反射的超聲波信號［8-9］。由于不同物質區(qū)域對Lamb 波傳輸?shù)挠绊懖煌?，因此采用簡諧振動方法建立Lamb 波在運動損傷區(qū)域中的傳輸模型，采集超聲反射波信號，傳輸模型原理見圖1。

由圖1 可知，當入射波w(x，t) 在運動體中順著x軸的正方向傳輸，遇到損傷部位的能量x0就會被反射至x軸負方向進行傳播并生成反射波wb(x，t)；剩余部分的能量按照透射原理，透過損傷區(qū)域順著x軸正方向進行傳輸，輸出為wa(x，t)［10-11］。由此，采用簡諧振動方式描述Lamb 波在運動損傷中傳輸后的結果wa(x，t)和wb(x，t)，即

圖1 運動損傷中Lamb 波的傳輸模型Fig.1 Transmission model of Lamb waves in sports injuries

式（2）中，t表示時間；ω、L分別描述Lamb 波的角頻率及波數(shù)；x、kx分別代表損傷區(qū)域的中心點所在的位置及寬度；χ1、χ2代表因損傷導致Lamb 波形相位變化的兩個參數(shù)；X、Y、Z分別為入射波、透射波及反射波的幅值大小。通過式（1）和式（2），即通過運動損傷的激光超聲波傳播模型，獲得傳輸后的結果w(x，t)，完成激光超聲信號傳輸后的Lamb 波采集。

1.2 Lamb 波預處理

采用連續(xù)小波變換方式［12-13］對激光超聲Lamb 波信號進行預處理，即可獲得信噪比較高的運動損傷圖像信息。激光超聲波的信號處理方式主要有兩種，即傅里葉變換和連續(xù)小波變換。傅里葉分析方式［14-15］能夠將信號在時域與頻域進行變換處理，通過不同方向的觀察與解析信號，得到更多的信號特征。但此方法的頻域表示整體平均特征且頻域中各分量是信號在整個時間定義域內的傅里葉積分，不能對局部信號進行分析。若采用該方法獲取運動損傷時信號的頻率成分特征，無法確定頻率任意一個成分在時域中的位置。為此，本文采用連續(xù)小波變換方式預處理運動損傷的激光超聲波信號。

相比傅里葉分析方式，小波變換屬于時頻分析一種方式［16］，是一個二維的變換，能夠獲得信號在時域上分布的位置及特征，將超聲波轉換為二維圖像。首先進行激光超聲波信號的二維轉換，假設?(w(x，t))表示傳輸后的Lamb 波母小波函數(shù)，則激光超聲波變換過程需要滿足式（3）條件，即

其中，p表示信號的時域頻率。以信號時間為軸，將式（3）進行傅里葉變換等價計算得出

其中，?(t′)將?(w(x，t))進行傅里葉時間等價變換后的結果。式（4）獲得傅里葉變換信號?(t′)只是變換了時頻，含有超出二維圖像頻率的超聲波信號，且該信號震蕩性極強。為此預處理的第二步便是對?(t′)做伸縮與平移處理，將超頻信號轉換為二維圖像，即得

其中，?c，d(t′)描述超頻信號預處理轉換后的二維圖像信號的小波函數(shù)，c與d都是正數(shù)，且c≠0。c描述圖像寬度因子大小，假設c<1，就需對波形進行壓縮處理，寬度因子值越小，則波形壓縮的越??；假設c>1，則進行拉伸處理，寬度因子值越大，波形拉伸越大。寬度因子c與頻率ω存在對應關系，即c越小對應ω值越大，c越大對應ω值越小。d表示平移因子，即在t′上平移位置。通常?(t′)能量聚集在（0，0）點上，?c，d(t′)能量聚集在d點上。通過調整c和d完成超頻信號的伸縮與平移處理。

然后對轉換后的圖像信號進行去噪處理，假設f(t′)表示激光超聲波可積函數(shù)，則二維圖像?c，d(t′)的小波去噪變換條件如式（6）所示，

其中，W(c，d)描述為f(t′)和?c，d(t′)的內積情況，則?c，d(t′)′是?c，d(t′)的共軛。

根據(jù)式（6）的條件選用復值Morlet 小波當做母小波函數(shù)，采用高斯包絡函數(shù)得出Morlet 小波的單頻率正弦函數(shù)，獲得去除噪聲的信號，即

其中，γ描述高斯窗的寬度大?。沪亍涿枋鲋行慕穷l率大?。籮表示去噪中保留的局部特征頻率。通過式（7）得到抑制噪聲且具有良好局部特征的超聲波，完成運動圖像上激光超聲波Lamb 波信號預處理，為后續(xù)損傷檢測奠定良好的數(shù)據(jù)基礎。

1.3 運動損傷位置檢測

1.3.1 基于多模態(tài)融合的信號特征提取 采用多模態(tài)融合方法對1.2 節(jié)預處理后的Lamb 波信號進行特征提取，得到S模態(tài)、A模態(tài)波的窄帶信號。對比?(t′)中非損傷區(qū)域處相鄰兩個檢測位置和損傷區(qū)域相鄰兩個檢測位置相距2 mm 范圍內的波信號變化。經(jīng)過對比分析可知，非損傷區(qū)域的S模態(tài)信號由于存在時延，會隨著傳輸距離的增加而減弱，而損傷區(qū)域S模態(tài)信號，因為Lamb 波在損傷處出現(xiàn)反射，使其幅值發(fā)生改變。而非損傷區(qū)域的A模態(tài)信號會在損傷區(qū)域發(fā)生大幅度波動，同時非損傷區(qū)域各檢測點的A模態(tài)的幅值及其波形也出現(xiàn)較大波動。這是因為Lamb 波在S模態(tài)傳輸速度遠大于A模態(tài)傳輸速度，S模態(tài)在損傷區(qū)域的反射會和A模態(tài)混合在一起，致使非損傷區(qū)域的A模態(tài)發(fā)生波動，盡管波動程度小于損傷區(qū)域的A模態(tài)信號的波動量，但會影響異常能量成像結果的信噪比，無法有效區(qū)分和檢測損傷區(qū)域信號［17］。為此，文中提取Lamb 波中的S模態(tài)數(shù)據(jù)當做信號特征值，對損傷區(qū)域位置進行檢測，也就是S模態(tài)出現(xiàn)反射畸變特征的信號區(qū)域即為運動損傷區(qū)域。

根據(jù)以上原理采用移動時間窗提取?(t′) 中任意運動點(x，y) 連續(xù)S模態(tài)中的能量數(shù)值作為特征值［18-20］，其計算過程為

其中，t1描述Lamb 波信號S模態(tài)的起始時間；t2描述S模態(tài)的持續(xù)時間段；?S(x，y，t′)描述?(t′)中信號的連續(xù)S模態(tài)集合。通過式（8）計算各測量點的模態(tài)能量值及其時域信號，即可提取損傷區(qū)域的Lamb 波信號特征。

1.3.2 能量異常求解 為了能夠求解Lamb 波信號模態(tài)能量特征值中的異常值，基于式（8）以Lamb 波順著x軸傳輸為例，設定運動檢測區(qū)域中ES(x，y)每一個點的異常能量值ΔE(x，y)，

其中，Δx描述兩個檢測點之間的距離；Δt描述Lamb 波在鄰近兩個檢測點之間的傳輸所用時長。因為Lamb 波有多種模態(tài)形式，各模態(tài)之間的傳輸速度均不同，為此按照相關函數(shù)算出鄰近兩個點Lamb 波信號的關聯(lián)程度，即

式（10）可知在各模態(tài)之間傳輸速度不同的情況下，r(t)的最大值即Δt。

由式（9）和式（10）算出Lamb 波傳輸方向上鄰近兩個檢測點的能量異常，但在現(xiàn)實中運動損傷導致Lamb波的能量反射不僅順著Lamb 波傳輸方向，還會在Lamb 波垂直方向上出現(xiàn)異常。采用Neumann neighbor計算超聲波圖像中Lamb 波垂直方向上的能量異常，包括各檢測點及其鄰近四個檢測點的異常情況，見圖2。

圖2 中假設kpq是運動檢測區(qū)域任意一檢測點，則其鄰近四個檢測點分別為k(p-1)q、kp(q-1)、kp(q+1)、k(p+1)q。這幾點的S模態(tài)能量按照式（9）進行求解，得出ΔE(k(p-1)q)、ΔE(kp(q-1))、ΔE(kp(q+1))、ΔE(k(p+1)q)，則根據(jù)關聯(lián)值r（t） ，區(qū)域內能量異常值計算過程為，

圖2 能量異常計算過程Fig.2 A-Energy anomaly calculation process

其中，ΔE(kpq) 表示kpq的能量異常值。

對于任意運動檢測區(qū)域均通過式（11）運算得出能量異常數(shù)值Hpq。設定運動檢測區(qū)域總共M×N檢測點，因邊界上的點缺少對比檢測點，所以不進行運算，則總共需要計算(M-2)×(N-2)個檢測點的能量異常值。提取圖像超聲信號能量異常值即為運動損傷位置成像像素點，確定該區(qū)域存在損傷，完成運動損傷非接觸檢測。

2 測試分析與研究

2.1 測試數(shù)據(jù)采集

為證實所提方法對人體運動損傷檢測效果，實驗選取某體育高校 2021 屆四個運動專業(yè)的學生作為研究對象。根據(jù)體檢報告，這些研究對象經(jīng)過長時間運動，部分個體具有不同程度的運動損傷。測試采用激光超聲無接觸檢測設備為YAG 脈沖激光器（脈寬為9 ns，脈沖能量8 MJ），負責發(fā)出激光；采用富士AE204SW 超聲發(fā)射傳感器接收Lamb 波信號；采用信號采集卡（采樣頻率為20.11 MHz）采集數(shù)據(jù)存儲在中控機中，完成超聲波可視化成像顯示。激光點的掃描激勵點數(shù)為204×318，間距為0.21 mm。利用所提方法將超聲信號轉換為運動損傷部位檢測圖像共4 張，檢測結果見圖3。將檢測結果與實際損傷位置進行比較，所提檢測方法可完全檢出。

2.2 檢測圖像信噪比分析

信噪比能夠反映出損傷檢測圖像品質及其處理的效果，較高的信噪比值表示較好的圖像質量和較低的噪聲水平。根據(jù)本次檢測所關注的具體損傷區(qū)域進行信噪比檢測。深度卷積網(wǎng)絡方法［3］、深度學習方法［4］、蟻群方法［5］與所提方法的損傷圖像信噪比進行分析，結果見圖4。由圖4 可知，所提技術采用連續(xù)小波變換方式抑制Lamb 波傳輸過程中存在的干擾，得到損傷圖像的信噪比最高達到42 dB；深度卷積網(wǎng)絡、深度學習方法不具備去除Lamb 波傳輸時干擾信號的能力，得到損傷圖像信噪比較低；蟻群方法只能去掉一部分干擾，同時容易將噪聲信號錯誤看做損傷圖像信號，獲得的圖像信噪比較差。

圖3 運動損傷的部位超聲圖像Fig.3 Ultrasound image of the site of the sports injury

2.3 檢測精度分析

為進一步驗證所提方法的檢測效果優(yōu)于深度卷積網(wǎng)絡、深度學習方法、蟻群方法，從各運動損傷部位檢測精度的角度進行對比分析，見圖5。由圖5 可知，所提方法對運動損傷各部位的檢測精度在95% 以上，明顯高于其他方法。這是因為所提方法利用多模態(tài)融合方法、移動的時間窗提取運動過程每一個點特征，特征提取效果較好，進而提升運動損傷檢測的精度。

2.4 均方誤差對比分析

均方誤差能夠衡量運動損傷模態(tài)能量異常值與實際運動損傷值之間的誤差情況。為此，實驗從均方誤差角度來驗證所提方法的運動損傷檢測性能。由圖6 可知，所提方法的均方誤差最大值為0.05，明顯低于其他方法。因所提方法使用Neumann neighbor 方法能夠精準算出運動區(qū)域中每一個點的能量異常值，并根據(jù)此異常值生成損傷圖像，并能保證生成的圖像質量，進而降低表征損傷檢測的均方誤差。

圖4 各方法下?lián)p傷圖像信噪比對比Fig.4 Comparison of SNR of damage images for each method

圖5 運動損傷各部位檢測精度對比Fig.5 Comparison of the detection accuracy of each part of the sports injury

2.5 檢測耗時對比

該部分實驗從運動損傷部位圖像中隨機抽取70 張圖像作為實驗檢測對象，并對比分析所提方法與對比方法檢測耗時情況，見圖7。由圖7 可知，蟻群方法損傷圖像檢測耗時最長，該方法易將健康區(qū)域點識別成損傷區(qū)域點，增加檢測難度；深度卷積網(wǎng)絡與深度學習方法需通過不斷訓練才能將運動損傷區(qū)域檢測出來，同時計算過程較為復雜，檢測耗時較長；使用可積函數(shù)、高斯包絡函數(shù)去除信號傳輸過程中的干擾，這大大降低損傷圖像檢測的難度，為此檢測耗時最短低于4 s。

圖6 各方法的均方誤差對比結果Fig.6 Comparison results of the mean-squared error for each method

圖7 運動損傷檢測耗時對比Fig.7 Comparison of time-consuming of sports injury detection

3 結論

為了提高運動損傷非接觸檢測效果，本文研究激光超聲技術的運動損傷非接觸檢測方法。根據(jù)激光超聲技術與簡諧振動方法建立運動損傷信號的傳播模型。利用小波變換、高斯包絡函數(shù)處理Lamb 波傳輸過程中的干擾信號，結合多模態(tài)融合、時間窗提取信號特征。通過Neumann neighbor 算法得出能量異常值，進而完成運動損傷非接觸檢測。所提技術的檢測圖像信噪比、檢測精度、檢測均方誤差、檢測效率均較優(yōu)，提高了檢測效果。