第15卷第4期 智能系统学报 Vol.15 No.4 2020年7月 CAAI Transactions on Intelligent Systems Jul.2020 D0L:10.11992tis.201810009 面向地铁低头族的颈部疲劳sEMG-JASA评价模型 贾森，杨钟亮，陈育苗 (1.东华大学机械工程学院，上海201620：2.华东理工大学艺术设计与传媒学院，上海200237) 摘要：随着社会的发展地铁低头族已经在地铁上随处可见，为研究地铁低头族颈部肌肉疲劳与低头时间的变 化关系，本文基于幅频联合分析法提出颈部肌肉疲劳评价模型。实验中共招募10名参试人员分别采集其颈部 肌肉的表面肌电信号，利用疲劳联合分析模型对不同时间段内颈部肌肉的疲劳程度做出比较。实验结果显示， 斜方肌和头夹肌的通道中中位频率值处于下降趋势，而均方根值处于上升趋势，说明肌肉产生疲劳并随着低头 使用手机时间的增加颈部肌肉疲劳程度逐渐增加。该实验验证了疲劳评价模型的有效性，模型可对乘客发出 疲劳提醒，帮助乘客形成良好的行为习惯，为开发智能穿戴系统提供依据。 关键词：肌肉疲劳：表面肌电：低头族：时域指标：频域指标：幅频联合分析：前导实验：评价模型 中图分类号：TP391 文献标志码：A 文章编号：1673-4785(2020)04-0705-09 中文引用格式：贾森，杨钟亮，陈育苗.面向地铁低头族的颈部疲劳sEMG-JASA评价模型.智能系统学报，2020,15(4)： 705-713. 英文引用格式：JIA Miao,.YANG Zhongliang,.CHEN Yumiao..An sEMG-JASA evaluation model for the neck fatigue of subway phubbers[JI.CAAI transactions on intelligent systems,2020,15(4):705-713. An sEMG-JASA evaluation model for the neck fatigue of subway phubbers JIA Miao',YANG Zhongliang',CHEN Yumiao2 (1.College of Mechanical Engineering,Donghua University,Shanghai 201620,2.School of Art Design and Media,East China Uni- versity of Science and Technology,Shanghai 200237) Abstract:With the development of society,subway phubbers have been seen everywhere on the subway.To analyze the relationship between neck muscle fatigue and bowing time of subway phubbers,this study proposes a neck muscle fa- tigue evaluation model based on the amplitude-frequency joint analysis method.In the experiment,10 participants were recruited to collect the surface electromyogram signals of their neck muscles.The fatigue degree of their neck muscles in different time quanta was compared with the fatigue joint analysis model.Results showed that the median frequen- cies of the trapezius and scalp muscle exhibited a downward trend,whereas the root-mean-square values exhibited an upward trend,indicating that muscle fatigue was obvious.Moreover,the fatigue degree of the neck muscle gradually in- creased with the increase in bowing time of subway phubbers when using a mobile phone.The experiment validates the effectiveness of the fatigue evaluation model.The model can alert passengers to fatigue,help passengers form good mo- bile phone usage habits,and provide a basis for the development of an intelligent wear system. Keywords:muscle fatigue;surface electromyography;phubber,time domain index;frequency domain index;amp- litude-frequency joint analysis;leading experiment;evaluation model 我国颈椎疾病的发病率逐年上升且趋于年轻 收稿日期：2018-10-11. 化。地铁已经成为现代出行的主要交通工具， 基金项目：国家自然科学基金项目(51305077)：中央高校基本 科研专项基金项目(2232018D3-27):浙江省健康智能 以城市上海为例，共有16条地铁线路，每日人流 厨房系统集成重点实验室开放基金项目 (2014E10014):2017东华大学研究生核心课程建设 量约为一千万人次。通过实地观察发现，地铁上 项目(201711)：上海设计学V类高峰学科资助项目 乘客低头看手机现象严重。持续低头对人们的颈 (DC17013). 通信作者：杨钟亮.E-mail:yzl@dhu.edu.cn 部健康有着极大的危害，地铁低头族现象不仅是
DOI: 10.11992/tis.201810009 面向地铁低头族的颈部疲劳 sEMG-JASA 评价模型 贾淼1 ，杨钟亮1 ，陈育苗2 （1. 东华大学 机械工程学院，上海 201620; 2. 华东理工大学 艺术设计与传媒学院，上海 200237） 摘 要：随着社会的发展地铁低头族已经在地铁上随处可见，为研究地铁低头族颈部肌肉疲劳与低头时间的变 化关系，本文基于幅频联合分析法提出颈部肌肉疲劳评价模型。实验中共招募 10 名参试人员分别采集其颈部 肌肉的表面肌电信号，利用疲劳联合分析模型对不同时间段内颈部肌肉的疲劳程度做出比较。实验结果显示， 斜方肌和头夹肌的通道中中位频率值处于下降趋势，而均方根值处于上升趋势，说明肌肉产生疲劳并随着低头 使用手机时间的增加颈部肌肉疲劳程度逐渐增加。该实验验证了疲劳评价模型的有效性，模型可对乘客发出 疲劳提醒，帮助乘客形成良好的行为习惯，为开发智能穿戴系统提供依据。 关键词：肌肉疲劳；表面肌电；低头族；时域指标；频域指标；幅频联合分析；前导实验；评价模型 中图分类号：TP391 文献标志码：A 文章编号：1673−4785(2020)04−0705−09 中文引用格式：贾淼, 杨钟亮, 陈育苗. 面向地铁低头族的颈部疲劳 sEMG-JASA 评价模型 [J]. 智能系统学报, 2020, 15(4): 705–713. 英文引用格式：JIA Miao, YANG Zhongliang, CHEN Yumiao. An sEMG-JASA evaluation model for the neck fatigue of subway phubbers[J]. CAAI transactions on intelligent systems, 2020, 15(4): 705–713. An sEMG-JASA evaluation model for the neck fatigue of subway phubbers JIA Miao1 ，YANG Zhongliang1 ，CHEN Yumiao2 (1. College of Mechanical Engineering, Donghua University, Shanghai 201620; 2. School of Art Design and Media, East China University of Science and Technology, Shanghai 200237) Abstract: With the development of society, subway phubbers have been seen everywhere on the subway. To analyze the relationship between neck muscle fatigue and bowing time of subway phubbers, this study proposes a neck muscle fatigue evaluation model based on the amplitude–frequency joint analysis method. In the experiment, 10 participants were recruited to collect the surface electromyogram signals of their neck muscles. The fatigue degree of their neck muscles in different time quanta was compared with the fatigue joint analysis model. Results showed that the median frequencies of the trapezius and scalp muscle exhibited a downward trend, whereas the root–mean–square values exhibited an upward trend, indicating that muscle fatigue was obvious. Moreover, the fatigue degree of the neck muscle gradually increased with the increase in bowing time of subway phubbers when using a mobile phone. The experiment validates the effectiveness of the fatigue evaluation model. The model can alert passengers to fatigue, help passengers form good mobile phone usage habits, and provide a basis for the development of an intelligent wear system. Keywords: muscle fatigue; surface electromyography; phubber; time domain index; frequency domain index; amplitude-frequency joint analysis; leading experiment; evaluation model 我国颈椎疾病的发病率逐年上升且趋于年轻 化 [1]。地铁已经成为现代出行的主要交通工具， 以城市上海为例，共有 16 条地铁线路，每日人流 量约为一千万人次。通过实地观察发现，地铁上 乘客低头看手机现象严重。持续低头对人们的颈 部健康有着极大的危害，地铁低头族现象不仅是 收稿日期：2018−10−11. 基金项目：国家自然科学基金项目 (51305077)；中央高校基本 科研专项基金项目 (2232018D3-27)；浙江省健康智能 厨房系统集成重点实验室开放基金项 目 (2014E10014)；2017 东华大学研究生核心课程建设 项目 (201711)；上海设计学 IV 类高峰学科资助项目 (DC17013). 通信作者：杨钟亮. E-mail：yzl@dhu.edu.cn. 第 15 卷第 4 期 智 能 系 统 学 报 Vol.15 No.4 2020 年 7 月 CAAI Transactions on Intelligent Systems Jul. 2020
·706· 智能系统学报 第15卷 一个健康问题也是一个社会问题。 荷加深；Luedtke等o研究偏头痛患者在偏头痛 Chotpitayasunondh等提出用低头族一词形 发作前或发作期间颈部肌肉疲劳状态是否加深。 容空闲时间总是低头玩手机的人群。研究表明， 目前国内外研究中颈部肌肉的疲劳程度与低头时 持续低头是诱发颈部肌肉慢性劳损的主要原因， 间的变化关系尚不明确。 且及时缓解颈部肌肉疲劳可以有效地预防颈 本文针对地铁低头族的颈部健康问题，首 椎疾病的发生。目前表面肌电(surface elec- 先提出了基于表面肌电信号的幅频联合分析模 tromyography,.sEMG)是一种非损伤性监测手段 型(sEMG-JASA),检测乘客颈部是否发生疲劳，疲 和方法去观察神经肌肉系统活动，具有感知动作 劳时发出健康提醒；接着开发原型系统，通过实 直接、检测动作敏感、传感器低成本和高便携等 验证实模型的有效性。 特点。通过表面肌电信号分析或判断肌肉的疲 1颈部疲劳sEMG-JASA评价模型 劳状态，在肌肉活动与功能的评价中具有重要的 作用。 对颈部肌肉进行疲劳预防与疲劳缓解尤为 国内学者通过表面肌电信号对肌肉进行监 重要，颈部疲劳sEMG-JASA评价模型持续对颈 测，发现当肌肉发生疲劳时肌肉产生的能量较 部肌肉进行疲劳检测，当判断肌肉疲劳时发出健 少，同时肌肉的活动和生理特性将发生改变，导 康提醒。模型主要流程为首先输入乘客颈部的 致sEMG信号出现相应的变化刀。而国外学者在 肌电信号，通过特征提取后进行联合分析，再进 过去的几十年里，在医学领域给予了颈部肌肉疲 行疲劳判断和疲劳程度分析，该模型的概念框架如 劳更大的关注。Nimbarte等⑧研究生理和心理压 图1所示。软件使用MATLAB编程语言做数据 力增加时分别对颈部肌肉疲劳产生的影响；并在 处理与分析，并开发原型系统。其主要原理与步 后续研究中他们发现肌肉疲劳时会导致颈椎的负 骤如下。 系统概念框架示意图 MF-1 MF-2 MF-3 MF.4 MF-n 特征提取 RMS-1 RMS-2 RMS-3 RMS-4 RMS-n 联合分析 肌力增加 疲劳肌力诚小恢复 疲劳 疲劳 <疲劳 疲劳> 疲劳 N Y N Y N 继续检测 保留数据 继续检测 继续检测继续检测 保堡餐霸 疲劳判断 方差分析 方差分析 MF-1&MF-2 MF-n-1&MF-n RMS-1&RMS-2 RMS-n-1&RMS-n 显著性 显著性 结束 Y 程度分析 再次提醒 图1颈部疲劳评价模型 Fig.1 Neck fatigue evaluation model
一个健康问题也是一个社会问题。 Chotpitayasunondh 等 [2] 提出用低头族一词形 容空闲时间总是低头玩手机的人群。研究表明， 持续低头是诱发颈部肌肉慢性劳损的主要原因， 且及时缓解颈部肌肉疲劳可以有效地预防颈 椎疾病的发生[3]。目前表面肌电 (surface electromyography，sEMG) 是一种非损伤性监测手段 和方法去观察神经肌肉系统活动，具有感知动作 直接、检测动作敏感、传感器低成本和高便携等 特点[4]。通过表面肌电信号分析或判断肌肉的疲 劳状态，在肌肉活动与功能的评价中具有重要的 作用。 国内学者通过表面肌电信号对肌肉进行监 测，发现当肌肉发生疲劳时肌肉产生的能量较 少，同时肌肉的活动和生理特性将发生改变，导 致 sEMG 信号出现相应的变化[5-7]。而国外学者在 过去的几十年里，在医学领域给予了颈部肌肉疲 劳更大的关注。Nimbarte 等 [8] 研究生理和心理压 力增加时分别对颈部肌肉疲劳产生的影响；并在 后续研究中他们发现肌肉疲劳时会导致颈椎的负 荷加深[9] ；Luedtke 等 [10] 研究偏头痛患者在偏头痛 发作前或发作期间颈部肌肉疲劳状态是否加深。 目前国内外研究中颈部肌肉的疲劳程度与低头时 间的变化关系尚不明确。 本文针对地铁低头族的颈部健康问题，首 先提出了基于表面肌电信号的幅频联合分析模 型 (sEMG-JASA)，检测乘客颈部是否发生疲劳，疲 劳时发出健康提醒；接着开发原型系统，通过实 验证实模型的有效性。 1 颈部疲劳 sEMG-JASA 评价模型 对颈部肌肉进行疲劳预防与疲劳缓解尤为 重要，颈部疲劳 sEMG-JASA 评价模型持续对颈 部肌肉进行疲劳检测，当判断肌肉疲劳时发出健 康提醒。模型主要流程为首先输入乘客颈部的 肌电信号，通过特征提取后进行联合分析，再进 行疲劳判断和疲劳程度分析，该模型的概念框架如 图 1 所示。软件使用 MATLAB 编程语言做数据 处理与分析，并开发原型系统。其主要原理与步 骤如下。 系统概念框架示意图 t1 MF-1 RMS-1 MF-2 RMS-2 MF-3 RMS-3 MF-4 RMS-4 MF-n RMS-n sig1 sig2 sig3 sig4 sig5 sig6 t2 t3 t4 tn 联合分析 特征提取 肌力增加 疲劳 疲劳 N 继续检测 继续检测 继续检测 Y N Y N 疲劳 提醒 显著性 显著性 结束 再次提醒 Y Y N 方差分析 MF-1&MF-2 RMS-1&RMS-2 方差分析 MF-n-1&MF-n RMS-n-1&RMS-n 提醒 疲劳 疲劳 疲劳 肌力减小 恢复 ××× 疲劳判断 程度分析 保留数据 继续检测 保留数据 继续检测 … … … … … … … 图 1 颈部疲劳评价模型 Fig. 1 Neck fatigue evaluation model ·706· 智 能 系 统 学 报 第 15 卷
第4期 贾森，等：面向地铁低头族的颈部疲劳sEMG-JASA评价模型 ·707· 1.1sEMG特征提取 MF值变化 数据分析选取时域分析和频域分析两个评价 指标，通过联合分析提高结果的可靠性。根据 sEMG信号的时、频特征与肌肉活动之间的相关 恢复 肌力增加 性判断肌肉状态。研究中利用软件中自带的信号 ·+RMS值变化 处理系统对原始信号进行计算和分析处理。 1.11时域分析 肌力减小 疲劳 时域分析方法中均方根值(root mean square, RMS)在时间维度上反映肌电信号振幅的变化特 征，能够实时无损伤地反映肌肉活动状态。本 图2联合分析 文系统中采用计算RMS作为时域特征进行疲劳 Fig.2 Joint analysis 判定，其相关计算公式为 N+T 1.3疲劳评价分析流程 RMS EMG(t)dt/T (1) 1)设置参数。将采集到数据的输入。 由于肌电信号的振幅和肌肉张力呈一定对应 2)信号分段。将数据的前10s和后10s去 关系，当RMS值增加时肌肉处于疲劳状态。 掉，并将数据每200ms分为一段。 1.1.2频域分析 3)计算每段的RMS值与MF值 在肌电信号处理中频域分析法可以直接观察 4)将RMS与MF的特征值经过JASA分析后 表面肌电信号频段的分布与变化情况，其中中位 根据数据所在象限进行疲劳判断，若判断疲劳则 频率(median frequency,MF)是一种可靠准确的特 对乘客进行提醒，保留数据后继续检测。否则， 征参数四。其计算公式为 进行下一时间段的疲劳判断分析。疲劳判断与显 (2) 著性判断方式如下： 肌肉疲劳时功率谱从高频移动到低频，MF值 ①If MFdope<O,RMS ope>0 相应下降。 疲劳 RMS可以在一定程度上反映肌电信号的平 else非疲劳 均功率，采用RMS算法得到sEMG信号的幅值偏 ②ifP<0.05 大，可以更好地反映肌电的特点；从统计学角度 有显著性* 而言，MF能更好地反映sEMG的频谱特征。本 P<0.01 文以RMS与MF为判断肌肉疲劳的指标，对时域 有显著性* 与频域进行数据的特征提取。 else无显著性 1.2联合分析 (MF sope表示MF值和时间的线性回归得到斜 幅频联合分析(joint analysis of EMG spectrum 率值；RMSsope表示RMS值和时间的线性回归得 and amplitude,JASA)由Luttmann等最先提出， 到斜率值) 是一种同时考虑sEMG振幅和频谱变化的疲劳测 5)将后一段时间与前一段时间进行方差分 定方法。在肌肉疲劳指标的测试中，对sEMG信 析，判断有无显著性。若有则进行再次提醒，若 号在振幅和频谱领域的变化都是单独考虑的，由 无显著性则持续进行检测。 于sEMG信号振幅和频谱对肌力和疲劳状态具有 两重依赖性，故只有同时考虑振幅和频谱的变化 2实验验证 才能更好地进行疲劳评价。 众多研究已经证实：时域指标伴随肌力的增 前期研究中进行了实地观察测试。选择上海 加和疲劳的产生而增加；频域指标MF随肌力的 地铁九号线为实验观察线路，随机选取地铁乘 增加而增加，但却随疲劳的发生而降低。如图2 客并详细记录他们的低头和抬头时间。如图3 所示只有RMS值上升而MF值同时下降时才能 所示，可以看出乘客在地铁上大部分时间都在低 确认肌肉处于疲劳状态。其他3个象限分别表示 头，而抬头时间所占比例仅约总时长的20%。在 肌肉处于恢复期(MF值增加同时RMS值减小)、 实验观察中我们发现持续低头的最长时间为 肌力增加(MF值增加同时RMS值增加)与肌力 25min,当要到达目的地时乘客才会频繁地抬头 减小MF值减小同时RMS减小)。 查看站点
1.1 sEMG 特征提取 数据分析选取时域分析和频域分析两个评价 指标，通过联合分析提高结果的可靠性。根据 sEMG 信号的时、频特征与肌肉活动之间的相关 性判断肌肉状态。研究中利用软件中自带的信号 处理系统对原始信号进行计算和分析处理。 1.1.1 时域分析 时域分析方法中均方根值 (root mean square， RMS) 在时间维度上反映肌电信号振幅的变化特 征，能够实时无损伤地反映肌肉活动状态[11]。本 文系统中采用计算 RMS 作为时域特征进行疲劳 判定，其相关计算公式为 RMS = ∫ t+T t EMG2 (t)dt/T (1) 由于肌电信号的振幅和肌肉张力呈一定对应 关系，当 RMS 值增加时肌肉处于疲劳状态。 1.1.2 频域分析 在肌电信号处理中频域分析法可以直接观察 表面肌电信号频段的分布与变化情况，其中中位 频率 (median frequency, MF) 是一种可靠准确的特 征参数[12]。其计算公式为 MF = 1 2 ∫ ∞ 0 PSD(f)d f (2) 肌肉疲劳时功率谱从高频移动到低频, MF 值 相应下降。 RMS 可以在一定程度上反映肌电信号的平 均功率，采用 RMS 算法得到 sEMG 信号的幅值偏 大，可以更好地反映肌电的特点[13] ；从统计学角度 而言，MF 能更好地反映 sEMG 的频谱特征[14]。本 文以 RMS 与 MF 为判断肌肉疲劳的指标，对时域 与频域进行数据的特征提取。 1.2 联合分析 幅频联合分析 (joint analysis of EMG spectrum and amplitude, JASA) 由 Luttmann 等 [15] 最先提出， 是一种同时考虑 sEMG 振幅和频谱变化的疲劳测 定方法。在肌肉疲劳指标的测试中，对 sEMG 信 号在振幅和频谱领域的变化都是单独考虑的，由 于 sEMG 信号振幅和频谱对肌力和疲劳状态具有 两重依赖性，故只有同时考虑振幅和频谱的变化 才能更好地进行疲劳评价[14]。 众多研究已经证实：时域指标伴随肌力的增 加和疲劳的产生而增加;频域指标 MF 随肌力的 增加而增加，但却随疲劳的发生而降低。如图 2 所示只有 RMS 值上升而 MF 值同时下降时才能 确认肌肉处于疲劳状态。其他 3 个象限分别表示 肌肉处于恢复期 (MF 值增加同时 RMS 值减小)、 肌力增加 (MF 值增加同时 RMS 值增加) 与肌力 减小 (MF 值减小同时 RMS 减小)。 + + − − MF值变化 恢复 肌力增加 肌力减小 疲劳 RMS值变化 图 2 联合分析 Fig. 2 Joint analysis 1.3 疲劳评价分析流程 1) 设置参数。将采集到数据的输入。 2) 信号分段。将数据的前 10 s 和后 10 s 去 掉，并将数据每 200 ms 分为一段。 3) 计算每段的 RMS 值与 MF 值。 4) 将 RMS 与 MF 的特征值经过 JASA 分析后 根据数据所在象限进行疲劳判断，若判断疲劳则 对乘客进行提醒，保留数据后继续检测。否则， 进行下一时间段的疲劳判断分析。疲劳判断与显 著性判断方式如下： ① If MFslope <0, RMSslope >0 疲劳 else 非疲劳 ② if P<0.05 有显著性* P<0.01 有显著性** else 无显著性 MFslope RMSslope （ 表示 MF 值和时间的线性回归得到斜 率值； 表示 RMS 值和时间的线性回归得 到斜率值） 5) 将后一段时间与前一段时间进行方差分 析，判断有无显著性。若有则进行再次提醒，若 无显著性则持续进行检测。 2 实验验证 前期研究中进行了实地观察测试。选择上海 地铁九号线为实验观察线路，随机选取地铁乘 客并详细记录他们的低头和抬头时间。如图 3 所示，可以看出乘客在地铁上大部分时间都在低 头，而抬头时间所占比例仅约总时长的 20%。在 实验观察中我们发现持续低头的最长时间为 25 min，当要到达目的地时乘客才会频繁地抬头 查看站点[16]。 第 4 期 贾淼，等：面向地铁低头族的颈部疲劳 sEMG-JASA 评价模型 ·707·
·708· 智能系统学报 第15卷 低头时间 图麒 称的胸锁乳突肌（图5中的E1)、头夹肌（图5中 的E2)和斜方肌（图5中的E3)处，实验共采集六 拾头时间 的 通道肌电信号；其中，E1胸锁乳突肌，E2头夹肌， 总持续时间 田特 E3斜方肌，E4地极。在电极附着的导电凝胶被 用来改善电极与皮肤的接触。 20 40 60 80 t/min 图3实地观察结果 Fig.3 Field observations 2.1实验室模拟实验 在实验室中模拟地铁上人们低头的状态，让 参试人员在保持坐立并持续低头时测试30min 内颈部肌电信号的变化。从胸锁乳突肌（主要的 前颈肌)到颈部斜方肌与头夹肌（主要的后颈 图5电极粘贴位置（电极片位置） 肌)的数据记录对颈部疲劳的程度做出客观评估。 Fig.5 Electrode sticking position(electrode sheet position) 2.2实验对象 4)确认参试人员理解试验任务，并填写基本 本研究招募5名健康男性、5名健康女性自 信息调查表。在软件中设置采样率为1000次/s, 愿参加实验。所有参与者都进行了体检，以消除 打开肌电仪开关，提示参试人实验开始。硬件上 参与者有任何类型的疾病，并且没有颈椎病史等 使用多通道表面肌电仪（亿JE-)收集、放大和传 因素的影响。选择男女被试对象数目一致以消除 输信号；均康一次性电极（直径10mm)用于测量 性别可能对实验结果产生的影响。然后介绍性 sEMG活性9。 质、目的、方法和研究参与者的风险，要求他们完 5)实验进行过程中，参试人员持续保持静坐 成一个关于个人信息的背景调查问卷，比如身高 状态。每5min向被试者的手机上发送颈部疲劳 和体重，如表1所示。 评分表，参试人可以根据自己主观感觉进行疲劳 程度打分，收集30min内1号参试者在不同时间 表1参试人员基本数据 段内共6次主观感受的变化情况。 Table 1 Basic data of participants 6)30min后实验停止，帮助1号参试者摘下 被试者 年龄 身高/cm 体重/kg 电极。进行设备重新调试并且更换新的一次性电 男性 24.6±0.55 15945.20 45.5±6.27 极，等待后续参试者进行实验。 女性 23.4±0.55 175±6.25 63.7±3.09 7)实验结束停止数据的收集后将收集的实验 总计 24±0.82 160±10.02 54±10.67 数据进行保存，实验结束。 2.3实验过程 3实验结果与讨论 1)首先在实验室设置与地铁座位等高的座位 模拟地铁环境，并连接实验仪器。 根据前导性实验我们得到了地铁低头族的颈 2)将参试人员进行编号，分别为1~10号。 部疲劳与头夹肌和斜方肌有关，胸锁乳突肌关于 参试人1号在如图4所示的座位上就坐，熟悉实 维持颈部低头动作的相关性较低6。根据颈部疲 验环境，保证实验前颈部肌肉状态良好。 劳联合分析系统所得到的不同时间段中颈部疲劳 变化分析如下所示。 3.1肌电信号的处理过程 由于实验中设置的采样率为1000Hz,30min内 共采集1800000个数据值。为防止实验数据在前 期准备与后期结束时产生波动造成数据差异性较 大，数据处理前在MATLAB软件中将数据的前10s与 图4实验室模拟环境 后10s的实验数据剪掉，剪掉后数据只剩1178000 Fig.4 Laboratory simulation environment 个数据值。 3)使用酒精清洁参试人员颈部皮肤。在参试 选择时间窗口，设总时长为W,步长为L。根 人员颈部粘贴电极，电极粘贴位置分别为左右对 据一般人的反应时间为200~300ms,对采集到的
低头时间 抬头时间 总持续时间 0 20 40 60 80 t/min 图 3 实地观察结果 Fig. 3 Field observations 2.1 实验室模拟实验 在实验室中模拟地铁上人们低头的状态，让 参试人员在保持坐立并持续低头时测试 30 min 内颈部肌电信号的变化。从胸锁乳突肌 (主要的 前颈肌) 到颈部斜方肌与头夹肌 (主要的后颈 肌) 的数据记录对颈部疲劳的程度做出客观评估。 2.2 实验对象 本研究招募 5 名健康男性、5 名健康女性自 愿参加实验。所有参与者都进行了体检，以消除 参与者有任何类型的疾病，并且没有颈椎病史等 因素的影响。选择男女被试对象数目一致以消除 性别可能对实验结果产生的影响。然后介绍性 质、目的、方法和研究参与者的风险，要求他们完 成一个关于个人信息的背景调查问卷，比如身高 和体重[17] ，如表 1 所示。 表 1 参试人员基本数据 Table 1 Basic data of participants 被试者 年龄 身高/ cm 体重/ kg 男性 24.6±0.55 159±5.20 45.5±6.27 女性 23.4±0.55 175±6.25 63.7±3.09 总计 24±0.82 160±10.02 54±10.67 2.3 实验过程 1) 首先在实验室设置与地铁座位等高的座位 模拟地铁环境，并连接实验仪器。 2) 将参试人员进行编号，分别为 1～10 号。 参试人 1 号在如图 4 所示的座位上就坐，熟悉实 验环境，保证实验前颈部肌肉状态良好。 图 4 实验室模拟环境 Fig. 4 Laboratory simulation environment 3) 使用酒精清洁参试人员颈部皮肤。在参试 人员颈部粘贴电极，电极粘贴位置分别为左右对 称的胸锁乳突肌 (图 5 中的 E1)、头夹肌 (图 5 中 的 E2) 和斜方肌 (图 5 中的 E3) 处，实验共采集六 通道肌电信号；其中，E1 胸锁乳突肌，E2 头夹肌， E3 斜方肌，E4 地极。在电极附着的导电凝胶被 用来改善电极与皮肤的接触[18]。 E1 E2 E3 E4 图 5 电极粘贴位置 (电极片位置) Fig. 5 Electrode sticking position (electrode sheet position) 4) 确认参试人员理解试验任务，并填写基本 信息调查表。在软件中设置采样率为 1 000 次/s， 打开肌电仪开关，提示参试人实验开始。硬件上 使用多通道表面肌电仪 (ZJE- ii) 收集、放大和传 输信号；均康一次性电极 (直径 10 mm) 用于测量 sEMG 活性[19]。 5) 实验进行过程中，参试人员持续保持静坐 状态。每 5 min 向被试者的手机上发送颈部疲劳 评分表，参试人可以根据自己主观感觉进行疲劳 程度打分，收集 30 min 内 1 号参试者在不同时间 段内共 6 次主观感受的变化情况。 6)30 min 后实验停止，帮助 1 号参试者摘下 电极。进行设备重新调试并且更换新的一次性电 极，等待后续参试者进行实验。 7) 实验结束停止数据的收集后将收集的实验 数据进行保存，实验结束。 3 实验结果与讨论 根据前导性实验我们得到了地铁低头族的颈 部疲劳与头夹肌和斜方肌有关，胸锁乳突肌关于 维持颈部低头动作的相关性较低[16]。根据颈部疲 劳联合分析系统所得到的不同时间段中颈部疲劳 变化分析如下所示。 3.1 肌电信号的处理过程 由于实验中设置的采样率为 1000 Hz，30 min 内 共采集 1 800 000 个数据值。为防止实验数据在前 期准备与后期结束时产生波动造成数据差异性较 大，数据处理前在 MATLAB 软件中将数据的前 10 s 与 后 10 s 的实验数据剪掉，剪掉后数据只剩 1178000 个数据值。 选择时间窗口，设总时长为 W，步长为 L。根 据一般人的反应时间为 200～300 ms，对采集到的 ·708· 智 能 系 统 学 报 第 15 卷
第4期 贾森，等：面向地铁低头族的颈部疲劳sEMG-JASA评价模型 ·709· 肌电信号数据每200ms取一次RMS和MF值，如 为横坐标、RMS值为纵坐标建立函数关系，进行 此可在正常人发生疲劳反映之前判断颈部肌肉是 6个通道的MF值与RMS值的数据拟合。 否发生疲劳。本研究中设w=30min,I=5,数据使 3.2.1MF平均值的统计分析 用MATLAB软件进行处理。设置不同的时长与选 其中一名参试者第一通道MF数据拟合如 择不同的时间窗口w与1会发生相应变化。 图6所示。由图6可以看出，该参试者前5min、 3.2MF与RMS值分析 10~30min内MF平均值呈下降趋势，且在前 试验中的MF值与RMS值如图6和图7所 5min与后I0 minMF值明显下降。根据MF斜率 示。为了证明颈部疲劳的变化，我们对6个通道 分析证明，在实验的30min内头夹肌产生了明显的 的MF值和RMS值进行疲劳分析。实验的30min 疲劳。而在5~10min期间头夹肌可能处于疲劳的 以每5min为一段作为时间间隔进行疲劳程度分 恢复状态或肌力减小的状态(MF1-1代表第一通道 析。以时间为横坐标、MF值为纵坐标和以时间 0-5min的拟合情况)。 3.0 3.0 30 MF1-1(实验) MF1-2(实验) MF1-3(实验) 2.5 一MF拟合) 2.5 MF(拟合) 2.5 MF(拟合) 2.0 1.5 LJW 1.0 1.0 1.0 0.5 0.5 0.5 0 0 2 3 4 7 8 9 10 1 11 12 13 14 15 t/min t/min t/min (a)MF1-1 (b)MF1-2 (c)MF1.3 3.0 3.0 3.0 MF1-4(实验 MF1-5(实验) MF1-6(实验) 2.5 MF(拟合) 2.5 MF(拟合) 2.5 -MF(拟合) 2.0 15 1.5s [HW 9 1.5 1.0 1.0 1.0 0.5 0.5 0.5 6 0 17 18 19 20 0 21 22 23 24 25 26 27 28 29 t/min t/min (d)MF1-4 (e)MF1-5 (f)MF1-6 图6MF值拟合分析 Fig.6 MF value fitting analysis 3.2.2RMS平均值的统计分析 了显著疲劳。实验进行到5~10min时，RMS值处 参试者第一通道RMS数据拟合如图7所示。 于显著下降的状态，此时头夹肌处于恢复期或者 图7中RMS值在前5min和后10min都处于明 肌力减小时段(RMS1-2代表第一通道5~10min 显上升状态，可以看出在此时间段内头夹肌发生 的拟合情况)。 8 8 RMS1-1(实验 RMS1-2(实验) ·RMSI.3(实验) RMS(拟合) RMS(拟合) 一RMS(拟合) 》 7 An/E- 6 SW 2 3 7 0 10 11 /2 13 14 15 t/min t/min //min (a)RMS1-1 (b)RMS1-2 (c)RMS1-3
肌电信号数据每 200 ms 取一次 RMS 和 MF 值，如 此可在正常人发生疲劳反映之前判断颈部肌肉是 否发生疲劳。本研究中设 w=30 min，l=5，数据使 用 MATLAB 软件进行处理。设置不同的时长与选 择不同的时间窗口 w 与 l 会发生相应变化。 3.2 MF 与 RMS 值分析 试验中的 MF 值与 RMS 值如图 6 和图 7 所 示。为了证明颈部疲劳的变化，我们对 6 个通道 的 MF 值和 RMS 值进行疲劳分析。实验的 30 min 以每 5 min 为一段作为时间间隔进行疲劳程度分 析。以时间为横坐标、MF 值为纵坐标和以时间 为横坐标、RMS 值为纵坐标建立函数关系，进行 6 个通道的 MF 值与 RMS 值的数据拟合。 3.2.1 MF 平均值的统计分析 其中一名参试者第一通道 MF 数据拟合如 图 6 所示。由图 6 可以看出，该参试者前 5 min、 10~30 min 内 MF 平均值呈下降趋势，且在前 5 min 与后 10 minMF 值明显下降。根据 MF 斜率 分析证明，在实验的 30 min 内头夹肌产生了明显的 疲劳。而在 5~10 min 期间头夹肌可能处于疲劳的 恢复状态或肌力减小的状态 (MF1-1 代表第一通道 0~5 min 的拟合情况)。 3.0 (a) MF1-1 (b) MF1-2 (c) MF1-3 (d) MF1-4 (e) MF1-5 (f) MF1-6 2.5 2.0 MF1-1/Hz MF1-1 (实验) MF (拟合) . 1.5 1.0 0.5 0 1 2 3 t/min 4 5 3.0 2.5 2.0 1.5 1.0 0.5 0 5 6 7 8 9 10 MF1-2/Hz t/min MF1-2 (实验) . 3.0 2.5 2.0 1.5 1.0 0.5 0 10 11 12 13 14 15 MF1-3/Hz t/min MF1-3 (实验) MF (拟合) . 3.0 2.5 2.0 1.5 1.0 0.5 0 25 26 27 28 29 30 MF1-6/Hz t/min MF1-6 (实验) MF (拟合) . 3.0 2.5 2.0 1.5 1.0 0.5 0 20 21 22 23 24 25 MF1-5/Hz t/min MF1-5 (实验) MF (拟合) . 3.0 2.5 2.0 1.5 1.0 0.5 0 15 16 17 18 19 20 MF1-4/Hz t/min MF1-4 (实验) MF (拟合) . MF (拟合) 图 6 MF 值拟合分析 Fig. 6 MF value fitting analysis 3.2.2 RMS 平均值的统计分析 参试者第一通道 RMS 数据拟合如图 7 所示。 图 7 中 RMS 值在前 5 min 和后 10 min 都处于明 显上升状态，可以看出在此时间段内头夹肌发生 了显著疲劳。实验进行到 5~10 min 时，RMS 值处 于显著下降的状态，此时头夹肌处于恢复期或者 肌力减小时段 (RMS1-2 代表第一通道 5~10 min 的拟合情况)。 RMS1-1 (实验) RMS (拟合) . 8 (a) RMS1-1 (b) RMS1-2 (c) RMS1-3 7 RMS1-1/μV 6 5 4 0 2 3 1 t/min 4 5 RMS1-2 (实验) RMS (拟合) . 8 7 RMS1-2/μV 6 5 4 5 7 8 6 t/min 9 10 RMS1-3 (实验) RMS (拟合) 8 . 7 RMS1-3/μV 6 5 4 10 12 13 11 t/min 14 15 第 4 期 贾淼，等：面向地铁低头族的颈部疲劳 sEMG-JASA 评价模型 ·709·