✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。
🔥 内容介绍
一、研究背景与问题提出
肌电图（Electromyography, EMG）信号作为反映神经肌肉系统功能状态的核心生物电信号，其分析在运动科学、康复医学及人机交互领域具有重要应用价值。传统EMG分析主要依赖时域特征（如均方根值RMS、积分肌电值iEMG）和频域特征（如中位频率MF、平均功率频率MPF），但现有研究存在两大局限：
- 时域与频域分析的割裂性
：多数研究仅单独使用时域或频域指标，缺乏对两者动态关联性的系统探讨；
- 动态任务分析的缺失
：现有研究多聚焦静态收缩场景，对动态周期性任务（如跑步、抓握）中EMG信号的时频特性演变规律研究不足。
本研究以动态周期性任务为切入点，通过同步分析EMG信号的时域可视化特征与傅里叶变换频域特性，揭示肌肉疲劳过程中时频特征的动态耦合机制，为运动损伤预防和康复训练提供理论依据。
二、理论基础与文献综述
2.1 EMG信号的生理学基础
肌肉收缩由运动神经元发放的动作电位（MUAP）驱动，单个MUAP的叠加形成表面EMG（sEMG）信号。其幅值范围为0-1.5mV，主要能量集中在20-150Hz频段，且幅值与肌肉收缩力呈正相关（R²=0.85-0.92）。
2.2 时域与频域分析方法
- 时域分析
：通过RMS、iEMG等指标量化肌肉活动强度。例如，RMS值随疲劳增加呈线性上升趋势（斜率k=0.12-0.18 μV/s），反映肌肉代谢产物积累导致的放电增强。
- 频域分析
：采用快速傅里叶变换（FFT）将时域信号转换为频域功率谱。MF和MPF是核心指标，其下降速率（ΔMF/Δt=0.5-1.2 Hz/min）与肌肉疲劳程度显著相关。
2.3 现有研究缺口
尽管时域与频域分析已广泛应用于肌肉功能评估，但以下问题尚未解决：
- 动态任务中时频特征的同步演变规律
：现有研究多采用等长收缩模型，无法反映动态任务中肌肉长度周期性变化对EMG信号的影响；
- 时域与频域指标的耦合机制
：缺乏对RMS与MF/MPF动态关联性的量化分析，难以揭示肌肉疲劳的深层生理机制。
⛳️ 运行结果
📣 部分代码
mean(dataRaw1)); % Raw data
dataFilter = file(:,3); % filter Data
%% Plot the Sensor Data
Fs = 9600; % sampling frequency
len = length(dataRaw); % Length of Raw dat
% plot sensor data
figure(1);
subplot(2,1,1)
plot(dataRaw); title('Raw Data')
subplot(2,1,2)
plot(dataFilter); title('filter data');
ylim([0 3]);
%% Use Fourier transforms to find the frequency components of a signal buried in noise
ff = fft(dataRaw); % Fourier transform of the signal
p2 = abs(ff/len); % two-sided spectrum
figure(2);
subplot(2,1,1)
plot(p2),grid, title('Two-Sided Amplitude Spectrum')
xlabel('f (Hz)')
ylabel('|P1(f)|')
%%
p1 = p2(1:len/2+1); % single-sided spectrum
%%
% single-sided spectrum base on even-valued signal lengt
🔗 参考文献
🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：
🌈 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位
🌈 机器学习和深度学习时序、回归、分类、聚类和降维
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类
