Программа (мероприятие): Федеральная целевая программа «Научные и научно-педагогические кадры инновационной России»

5.2.5. Экспериментальные данные и результаты их обработки Характеристики движения и состояния сердечно-сосудистой системы и мышечного аппарата Разработанная система контроля за состоянием спортсмена включает блоки съема ЭКГ, ЭМГ и трехосный акселерометр с гироскопами и датчиком магнитной индукции. Модули имеют малые размеры и крепятся на спортсмене, не сковывая его движений. Именно компактность модулей и позволяет спортсмену выполнять привычные для него нагрузки, никоим образом не препятствуя тренировкам. Измеряемые параметры передаются по радиоканалу на компьютер тренера, что позволяет на удалении контролировать состояние спортсмена. Данные акселерометра позволяют определять моменты и характер активности спортсмена, не прибегая при этом к видеосъемке. В ходе первичных испытаний полученные результаты показали взаимосвязь сигналов акселерометра с характером упражнений, выполняемых спортсменом (шаг, ходьба, бег, прыжки и т.д.), и уровнем текущей нагрузки (рисунок 20). Рисунок 20. (челночный бег (длина дистанции – 6 метров)) При этом можно оценить величину нагрузки. Использование трехосного акселерометра позволяет проводить как раздельный анализ вектора ускорения спортсмена (определение периодов движения, его направления, динамики), а после интегрирования и вектора скорости, так и оценивать общую нагрузку совместно с динамикой изменения кардиосигнала. Совместный анализ электрокардиограммы и данных акселерометра позволит в полной мере контролировать тренировочный процесс и инструментально оценивать готовность и состояние спортсмена. Результаты автоматизированного анализа данных в удобной форме представляются тренеру или спортсмену, как в режиме реального времени, так и в виде архивных данных. В приложении А приведены графики сигналов трехосевого акселерометра и сигнала ЭКГ при выполнении различных видов упражнений. По этим данным можно оценить нагрузку на сердечную систему в соответствии с данными акселерометра и коэффициентом связывающим характер движения с энергозатратами спортсмена. Для оценки загруженности спортсмена необходимо выработать некий критерий, представляющий из себя сумму результатов обработки выходов сигналов модулей, с соответствующими весовыми коэффициентами. Данный параметр должен быть перестраиваемым для различных видов тренировок и квалификации спортсмена. Этот коэффициент определяется на основе биомеханических и физиологических исследований движений человека [40]. Результаты обработки электромиографических сигналов С помощью физиологического модуля были получены записи ЭМГ при выполнении стандартных нагрузок различной интенсивности. Результаты статистического анализа некоторых ЭМГ, снятых при выполнении статической нагрузки (удержания груза фиксированного веса) с мышцы extensor digitorum представлены на рис. 21 - 23. Рисунок 21. Рисунок 22. Рисунок 23. Сравнительный анализ показателей ЭМГ, выполненный с помощью непараметрического критерия Манна-Уитни [44], показал наличие значимых отличий (на уровне значимости 0.05) для большинства рассчитанных показателей. Характер отличий для некоторых показателей (среднеквадратическое отклонение SKO, коэффициенты асимметрии Asim и эксцесса Excess, интерквантильный размах Range, доля мощности, сосредоточенная в диапазоне 80 Гц – 150 Гц Power и время корреляции Tau_Kor) иллюстрируется боксовыми диаграммами, представленными на рис. 24. Рисунок 24. Наряду с традиционным спектрально-корреляционным анализом ЭМГ, к исследуемым реализациям был приведен алгоритм декомпозиции на эмпирические моды (ДЭМ). Метод ДЭМ не требует стационарности данных, что особенно важно для спортивных приложений, а также имеет еще ряд преимуществ по сравнению с традиционным спектрально-корреляционным анализом. Так, например, по эмпирическим модам исходный сигнал восстанавливается с любой степенью точности, в то время, как статистические характеристики не позволяют этого сделать, что свидетельствует о потере информации при обработке. Для корректного применения метода не требуется наличия априорной информации о свойствах сигнала, что является определяющим преимуществом при использовании метода в условиях минимума априорной информации о свойствах и особенностях сигнала. Таким образом, технология ДЭМ обладает высокой степенью адаптации к каждому конкретному сигналу. Статистические характеристики отдельных мод, в ряде случаев, могут оказаться более информативными, чем соответствующие характеристики изучаемого сигнала в целом. Сущность алгоритма ДЭМ (метода извлечения эмпирических мод из исходного сигнала) подробно изложена в [41 - 43]. Эмпирическая мода (ЭМ, английское название IMF – Intrinsic Mode Function) – это функция, сформированная на основе значений сигнала, заданная непрерывно на интервале существования сигнала или дискретно в виде вектора отсчетов, имеющая в общем случае произвольную форму и произвольную аналитическую запись (если таковая существует) и удовлетворяющая двум необходимым условиям: 1. Общее число экстремумов должно быть строго равно числу нулей исходной функции либо отличаться от числа нулей по модулю не более, чем на единицу. Выполнение данного условия необходимо для того, чтобы ЭМ была узкополосной функцией (радиосигналом), что дает преимущества при частотной локализации особенностей сигнала. 2. Локальное (мгновенное) среднее значение функции, равное полусумме верхней огибающей, полученной путем интерполяции найденных локальных максимумов, и нижней огибающей, полученной путем интерполяции найденных локальных минимумов, не должно превышать заранее определенное пороговое значение , зависящее от машинной точности , и погрешностей, связанных с получением, преобразованием и передачей сигнальной информации. В качестве средства интерполяции чаще всего используются кубические сплайны. Добиться точного равенства нулю локального среднего значения в каждый момент времени невозможно по ряду объективных причин. К их числу относятся вычислительные погрешности, плохая обусловленность систем уравнений для расчета коэффициентов сплайнов, а также особенности самого сигнала (например, краевые эффекты – сильные осцилляции интерполирующей функции на краях, благодаря которым вблизи краев локальное среднее практически всегда отличается от нуля). Важно отметить, что ЭМ в общем случае обладает одновременно и амплитудной, и угловой модуляциями. Закон амплитудной модуляции может быть установлен из огибающих, полученных интерполяцией экстремумов или на основе преобразования Гильберта (как квадратный корень из суммы квадратов отсчетов исходного сигнала и сигнала, сопряженного по Гильберту), а закон угловой модуляции устанавливается на основании закона изменения мгновенной частоты. Максимально возможное число эмпирических мод М приближенно определяется как , где N – число отсчетов сигнала. Сходимость алгоритма основана на том, что при переходе к следующей ЭМ общее число экстремумов уменьшается примерно в 2 раза (согласно интерпретации ДЭМ как диадического банка), и, в конце концов, не останется достаточного количества экстремумов для формирования огибающей. Это и будет означать завершение работы алгоритма. Рис. 25 иллюстрирует применение метода ДЭМ к обработке поверхностной электромиограммы, снятой с мышцы предплечья (еxtensor digitorum) испытуемого при выполнении им статической нагрузки в виде удержания груза весом 0.5 кг. На рис.25 представлены исходный сигнал, первые 4 эмпирические моды и остаток, полученный путем вычитания из сигнала сформированных эмпирических мод. Рисунок 25. Разложение ЭМГ на эмпирические моды Примеры разложения ДЭМ для файлов ЭМГ, соответствующих удержанию 0,5 1,5 и 3 кг, приведены на рис. 26 – 28. Рисунок 26. ЭМГ. Удержание 0,5 кг. Рисунок 27. ЭМГ. Удержание 1,5 кг. Рисунок 28. ЭМГ. Удержание 3 кг. Декомпозиция сигнала на эмпирические моды сопровождается статистическим анализом полученных ЭМ. Рис. 29-31 иллюстрируют отличия статистических характеристик первой моды данных сигналов. Значимость отличий на уровне значимости 0.05 подтверждена непараметрическим критерием Краскелла-Уоллиса [44]. Группирующая переменная Group при проведении теста соответствовала удержанию различного веса (Group = 1 – 0.5 кг; Group = 2 – 1.5 кг; Group = 3 – 3 кг). Полученные результаты свидетельствуют о перспективности исследований в данном направлении. Рисунок 29. Интерквантильный размах первой ЭМ при удержании различного веса. Рисунок 30. Доля мощности в диапазоне 80-150 Гц первой ЭМ при удержании различного веса. Рисунок 31. Время корреляции первой ЭМ при удержании различного веса

Похожие:

	Программа (мероприятие): Федеральная целевая программ «Научные и... ...		Программа (мероприятие): Федеральная целевая программ «Научные и... Государственное образовательное учреждение высшего профессионального образования "Кабардино-Балкарский государственный университет...
	Программа (мероприятие): Федеральная целевая программ «Научные и... Государственное образовательное учреждение высшего профессионального образования "Кабардино-Балкарский государственный университет...		Программа (мероприятие): Федеральная целевая программ «Научные и... Государственное образовательное учреждение высшего профессионального образования "Кабардино-Балкарский государственный университет...
	Программа (мероприятие): Федеральная целевая программа «Научные и... Исполнитель: Учреждение Российской академии наук Институт физики микроструктур ран		Программа (мероприятие): Федеральная целевая программа «Научные и... Федеральное государственное образовательное учреждение высшего профессионального образования "Государственный университет учебно-научно-производственный...
	Программа (мероприятие): Федеральная целевая программа «Научные и... Федеральное государственное образовательное учреждение высшего профессионального образования "Государственный университет учебно-научно-производственный...		1. Банковский сектор2 Федеральная целевая программа «Научные и научно-педагогические кадры инновационной России»
	Программа (мероприятие): Федеральная целевая программа «Научные и... Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Государственный университет...		Программа (мероприятие): Федеральная целевая программа «Научные и... Государственное образовательное учреждение высшего профессионального образования «Кабардино-Балкарский государственный университет...
	Программа (мероприятие): Федеральная целевая программа «Научные и... Государственное образовательное учреждение высшего профессионального образования "Кабардино-Балкарский государственный университет...		Программа (мероприятие): Федеральная целевая программа «Научные и... Государственное образовательное учреждение высшего профессионального образования «Кабардино-Балкарский государственный университет...
	Программа (мероприятие): Федеральная целевая программа «Научные и... Федеральное государственное бюджетное учреждение науки Институт физики микроструктур Российской академии наук		Программа (мероприятие): Федеральная целевая программа «Научные и... Федеральное государственное бюджетное учреждение науки Институт физики микроструктур Российской академии наук
	Программа (мероприятие): Федеральная целевая программа «Научные и... Государственное образовательное учреждение высшего профессионального образования «Кабардино-Балкарский государственный университет...		Программа (мероприятие): Федеральная целевая программа «Научные и... Государственное образовательное учреждение высшего профессионального образования «Кабардино-Балкарский государственный университет...