【机器学习】面向地铁低头族的颈部疲劳sEMG-JASA评价模型

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 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 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 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 elec￾tromyography，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 MFdope0 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 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·

·710· 智能系统学报 第15卷 8 RMS14(实验) RMSI-5(实验) ·RMS1-6(实验) 一RMS(拟合) RMS(拟合) -RMS(拟合) 1 7 Ar/t- 6 6 6 15 16 1718 19 20 20 212223 24 25 26 27282930 t/min t/min t/min (d)RMS1-4 (e)RMS1-5 (f)RMS1-6 图7RMS值拟合分析 Fig.7 RMS value fitting analysis 3.3幅频联合分析 劳状态。当5~l0min时，MF值上升，RMS值下 在幅频联合分析中，从参试者6块肌肉即六 降，经联合分析后肌肉处于恢复状态。这时可能 通道获得实验数据，其中一人结果如表2所示。 由于参试者的自身调节缓解了肌肉疲劳。在10~ 实验时间为30min,第一通道前5 minMF值下 30min被试者颈部肌肉基本仍然处于一个疲劳 降，RMS值上升，经联合分析后得到肌肉处于疲 状态。 表2幅频联合分析表 Table 2 Amplitude frequency joint analysis table 通道 分析 通道1-1 通道1-2 通道1-3 通道1-4 通道1-5 通道1-6 MF ↓ RMS ↑ ↑ ↑ 个 联合分析 ☑ ☑ ☑ 状态 疲劳 恢复 恢复 恢复 恢复 恢复 从表2可以看出，肌肉在疲劳的状态下sEMG 醒；当判断无显著性时，代表后一段疲劳程度比 信号的时域、频域特性均发生改变且遵循一定 前一段减轻，此时系统不发生提醒。 规律。随着肌肉疲劳的不断加剧，sEMG信号在 3.5主观评价分析 幅值上呈现明显增大的趋势而MF却呈现明显 实验30min内每人填写6次主观评分问卷， 减小的趋势，RMS值与MF值趋势相反。 共计60份，分别记录了参试人员在不同时间段 3.4方差分析 颈部疲劳的感受程度分数。从整理出的主观疲 方差分析结果如图8与图9所示，图8中数 劳评价的结果来看，在0~5min时参试者会感 据代表10名参试者在30min内不同通道每5min 觉到非常轻微的疲劳，或者是疲劳几乎难以察 的MF值，图9数据代表RMS值的均值与标准差 觉；在5~10min时40%的参试者会感到非常轻 (图中C1代表通道1，C2代表通道2，…，C6代表 微的疲劳；在10~15min时60%的参试者会感 通道6)。在颈部疲劳联合分析系统中，当RMS值 觉到轻度的疲劳；在15~20min和20~25min时 增加，MF值同时降低时，系统判断肌肉处于疲劳 有40%的参试者会感到轻度疲劳；25~30min时 状态给予人们疲劳提醒。 有50%的参试者感到中度疲劳。可以从结果看 随后系统将会对每5min检测到的MF值与 出随着时间的变长，参试者对颈部肌肉的疲劳 RMS值进行前后连续方差分析。判断其是否有 感受逐渐变强，10min左右会感觉到轻度疲劳， 显著性，若有显著性则判断为程度加深，反之则 之后开始感觉到中度疲劳甚至到非常严重的 程度减小20。健康系统在程度加深会发生再次提 疲劳

RMS1-4 (实验) RMS (拟合) 8 . 7 RMS1-4/μV 6 5 4 15 17 18 16 t/min (d) RMS1-4 (e) RMS1-5 (f) RMS1-6 19 20 RMS1-5 (实验) 8 . 7 RMS1-5/μV 6 5 4 20 22 23 21 t/min 24 25 RMS1-6 (实验) RMS (拟合) 8 . 7 RMS1-6/μV 6 5 4 25 27 28 26 t/min 29 30 RMS (拟合) 图 7 RMS 值拟合分析 Fig. 7 RMS value fitting analysis 3.3 幅频联合分析 在幅频联合分析中，从参试者 6 块肌肉即六 通道获得实验数据，其中一人结果如表 2 所示。 实验时间为 30 min，第一通道前 5 minMF 值下 降，RMS 值上升，经联合分析后得到肌肉处于疲 劳状态。当 5~10 min 时，MF 值上升，RMS 值下 降，经联合分析后肌肉处于恢复状态。这时可能 由于参试者的自身调节缓解了肌肉疲劳。在 10~ 30 min 被试者颈部肌肉基本仍然处于一个疲劳 状态。 表 2 幅频联合分析表 Table 2 Amplitude frequency joint analysis table 分析 通道 通道1-1 通道1-2 通道1-3 通道1-4 通道1-5 通道1-6 MF ↓ ↑ ↓ ↓ ↓ ↓ RMS ↑ ↓ ↑ ↑ ↑ ↑ 联合分析 状态 疲劳 恢复 恢复 恢复 恢复 恢复 从表 2 可以看出，肌肉在疲劳的状态下 sEMG 信号的时域、频域特性均发生改变且遵循一定 规律。随着肌肉疲劳的不断加剧，sEMG 信号在 幅值上呈现明显增大的趋势而 MF 却呈现明显 减小的趋势，RMS 值与 MF 值趋势相反。 3.4 方差分析 方差分析结果如图 8 与图 9 所示，图 8 中数 据代表 10 名参试者在 30 min 内不同通道每 5 min 的 MF 值，图 9 数据代表 RMS 值的均值与标准差 (图中 C1 代表通道 1，C2 代表通道 2，…，C6 代表 通道 6)。在颈部疲劳联合分析系统中，当 RMS 值 增加，MF 值同时降低时，系统判断肌肉处于疲劳 状态给予人们疲劳提醒。 随后系统将会对每 5 min 检测到的 MF 值与 RMS 值进行前后连续方差分析。判断其是否有 显著性，若有显著性则判断为程度加深，反之则 程度减小[20]。健康系统在程度加深会发生再次提 醒；当判断无显著性时，代表后一段疲劳程度比 前一段减轻，此时系统不发生提醒。 3.5 主观评价分析 实验 30 min 内每人填写 6 次主观评分问卷， 共计 60 份，分别记录了参试人员在不同时间段 颈部疲劳的感受程度分数。从整理出的主观疲 劳评价的结果来看，在 0～5 min 时参试者会感 觉到非常轻微的疲劳，或者是疲劳几乎难以察 觉；在 5～10 min 时 40% 的参试者会感到非常轻 微的疲劳；在 10～15 min 时 60% 的参试者会感 觉到轻度的疲劳；在 15～20 min 和 20～25 min 时 有 40% 的参试者会感到轻度疲劳；25～30 min 时 有 50% 的参试者感到中度疲劳。可以从结果看 出随着时间的变长，参试者对颈部肌肉的疲劳 感受逐渐变强，10 min 左右会感觉到轻度疲劳， 之后开始感觉到中度疲劳甚至到非常严重的 疲劳。 ·710· 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 ·711 2.0 1.5 1.5 ZH/JW 1.0 05 0.5 ZH/JW 0 82沙 510 0 15 5 0-5 0 20 t/min t/min t/min (a)MF-C1 (b)MF-C2 (c)MF-C3 2.5 0.15 0.4 30 0.3 ZH/W 1.0 0.5 修腹良血宙门 0.1 o场麋警血电山 0 510 -20 10-15 2 30 01 t/min t/min t/min (d)MF-C4 (e)MF-C5 (f)MF-C6 图8MF方差分析(*代表显著性水平小于0.05，**代表显著性水平小于0.01) Fig.8 MF analysis of variance (*represents the significance level is less than 0.05,**represents the significance level is less than 0.01) 0 30 15 20 Ar/SWa 10 0 510 30 n51 20 0 5~10 10 t/min t/min t/min (a)RMS-CI (b)RMS-C2 (c)RMS-C3 25 30 10 205 20 10 用 0 05 2530 05 2530 t/min t/min t/min (d)RMS-C4 (e)RMS-C5 (f)RMS-C6 图9RMS方差分析(*代表显著性水平小于0.05，*代表显著性水平小于0.01) Fig.9 RMS analysis of variance (*represents the significance level is less than 0.05,**represents the significance level is less than 0.01) 4结束语 断过程时，系统需要调取颈部肌电信号的txt文 件，导致传递疲劳信号需要一定的时间，还不能 本研究实验结果表明，在地铁中随着时间的 进行实时提醒。在主观与客观结果分析中，0~ 推移，地铁低头族的颈部肌肉负荷逐渐变大，虽 30min内检测的疲劳评价结果与被试者在不同时 然在低头的过程中乘客可以进行自身的疲劳调 间段进行主观疲劳感受评价保持了总体一致性。 节，但长时间的低头对乘客的颈部健康十分不 然而，本研究面临的挑战：1)观察到的乘客 利。颈部疲劳sEMG-JASA模型可以准确地进行 状态是地铁在地下运行时，尚未充分考虑地铁在 信号的特征提取，帮助乘客在颈部发生疲劳时给 地面上运行时是否会影响乘客的低头时间；2)在 予提醒，进而避免疲劳加深，但模型进行疲劳判 数据处理的过程中，本研究只选择相邻时间窗口

0~5 5~10 10~15 15~20 20~25 25~30 (a) MF-C1 t/min MF/Hz 2.0 1.5 1.0 0.5 0 0~5 5~10 10~15 15~20 20~25 25~30 (d) MF-C4 t/min MF/Hz 2.0 2.5 1.5 1.0 0.5 0 0~5 5~10 10~15 15~20 20~25 25~30 (e) MF-C5 t/min MF/Hz 0.15 0.10 0.05 0 0~5 5~10 10~15 15~20 20~25 25~30 (f) MF-C6 t/min MF/Hz 0.4 0.3 0.2 0.1 0 t/min 0~5 5~10 10~15 15~20 20~25 25~30 (b) MF-C2 MF/Hz 1.5 1.0 0.5 0 t/min 0~5 5~10 10~15 15~20 20~25 25~30 (c) MF-C3 MF/Hz 3 2 1 0 图 8 MF 方差分析 (*代表显著性水平小于 0.05，**代表显著性水平小于 0.01) Fig. 8 MF analysis of variance (*represents the significance level is less than 0.05, **represents the significance level is less than 0.01) 0~5 5~10 10~15 15~20 20~25 25~30 (a) RMS-C1 t/min RMS/μV 40 30 20 10 0 0~5 5~10 10~15 15~20 20~25 25~30 (b) RMS-C2 t/min RMS/μV 15 10 5 0 0~5 5~10 10~15 15~20 20~25 25~30 (c) RMS-C3 t/min RMS/μV15 20 10 5 0 0~5 5~10 10~15 15~20 20~25 25~30 (d) RMS-C4 t/min RMS/μV 15 10 5 0 0~5 5~10 10~15 15~20 20~25 25~30 (e) RMS-C5 t/min RMS/μV 25 20 15 10 5 0 0~5 5~10 10~15 15~20 20~25 25~30 (f) RMS-C6 t/min RMS/μV 30 20 10 0 图 9 RMS 方差分析 (*代表显著性水平小于 0.05，**代表显著性水平小于 0.01) Fig. 9 RMS analysis of variance (*represents the significance level is less than 0.05, **represents the significance level is less than 0.01) 4 结束语 本研究实验结果表明，在地铁中随着时间的 推移，地铁低头族的颈部肌肉负荷逐渐变大，虽 然在低头的过程中乘客可以进行自身的疲劳调 节，但长时间的低头对乘客的颈部健康十分不 利。颈部疲劳 sEMG-JASA 模型可以准确地进行 信号的特征提取，帮助乘客在颈部发生疲劳时给 予提醒，进而避免疲劳加深，但模型进行疲劳判 断过程时，系统需要调取颈部肌电信号的 txt 文 件，导致传递疲劳信号需要一定的时间，还不能 进行实时提醒。在主观与客观结果分析中，0~ 30 min 内检测的疲劳评价结果与被试者在不同时 间段进行主观疲劳感受评价保持了总体一致性。 然而，本研究面临的挑战：1) 观察到的乘客 状态是地铁在地下运行时，尚未充分考虑地铁在 地面上运行时是否会影响乘客的低头时间；2) 在 数据处理的过程中，本研究只选择相邻时间窗口 第 4 期 贾淼，等：面向地铁低头族的颈部疲劳 sEMG-JASA 评价模型 ·711·

·712· 智能系统学报 第15卷 进行数据处理分析，未考虑到重叠时间窗口情况 vical spine[J].The journal of headache and pain,2017, 下的疲劳变化情况。后续工作中将会尝试不同时 18(1)97 间窗口的选择，通过不同时间窗口与评价指标的 [11]杨钟亮，孙守迁，陈育苗.基于sEMG的按摩椅绩效人 不同组合，选择最优的疲劳评价方式并对实验模 机评价模型实验研究).中国机械工程，2012,23(2)： 220224 型进行优化。研究还计划招募更多的参试者，涵 YANG Zhongliang,SUN Shougian,CHEN Yumiao.A 盖范围更广的年龄、身体类型等，以提高系统的 pilot study on ergonomics evaluation model of massage 通用性和实际应用价值。今后的工作将开发颈部 chair performance based on sEMG[J].China mechanical 智能穿戴系统，并进一步扩大样本的数量。 engineering,2012,23(2):220-224. [12]刘建，邹任玲，张东衡，等.表面肌电信号特征提取方法 参考文献： 研究发展趋势).生物医学工程学进展，2015,36(3)： [1]WANG Chuanling,TIAN Fumung,ZHOU Yingjun,et al. 164168. The incidence of cervical spondylosis decreases with aging LIU Jian,ZOU Renling,ZHANG Dongheng,et al.Re- in the elderly,and increases with aging in the young and search and development trend of feature extraction meth- adult population:a hospital-based clinical analysis[J].Clin- ods of surface electromyogrphic signals[J].Progress in ical interventions in aging,2016,11:47-53. biomedical engineering,2015,36(3):164-168. [2]CHOTPITAYASUNONDH V.DOUGLAS K M.How [13]陈玲玲，基于支持向量机的下肢肌电信号模式识别的 "phubbing"becomes the norm:The antecedents and con- 研究D].天津：河北工业大学，2006 sequences of snubbing via smartphone[J].Computers in CHEN Lingling.Research of electromyography pattern human behavior.2016.63:9-18. recognition based on support vector machine[D].Tianjin: [3]HAKKINEN A.SALO P.TARVAINEN U.et al.Effect of Hebei University of Technology,2006. manual therapy and stretching on neck muscle strength and [14]王笃明，王健，葛列众.肌肉疲劳的sEMG时频分析技 mobility in chronic neck pain[J].Journal of rehabilitation 术及其在工效学中的应用[J】.航天医学与医学工程， medicine,2007,39(7):575-579 2003.16(5):387-390. [4]王健.面向人因工程研究的sEMG技术应用[C]/第二届 WANG Duming,WANG Jian,GE Lizhong.sEMG time- 中国人因工程高峰论坛，2017 frequency analysis techniques for evaluation of muscle fa- WANG Jian.SEMG technology application for human tigue and it's application in ergonomic studies.Space factors engineering research[C]//The Second China Hu- medicine medical engineering,2003,16(5):387-390. man Factors Engineering Summit Forum,2017. [15]LUTTMANN A,SOKELAND J,LAURIG W.Elec- [5]FARINA D.FATTORINI L.FELICI F.et al.Nonlinear tromyographical study on surgeons in urology.Influence surface EMG analysis to detect changes of motor unit con- of the operating technique on muscular strain[J].Ergo- duction velocity and synchronization[J.Journal of applied nomics,1996.39(2):285-297. physiology,2002,93(5):1753-1763. [16]JIA Miao,YANG Zhongliang,CHEN Yumiao,et al. [6]LIU J Z,SHAN Z Y,ZHANG L D,et al.Human brain ac- Neck muscles fatigue evaluation of subway phubber tivation during sustained and intermittent submaximal fa- based on sEMG signals[Cl//Proceedings of 1Ith Interna- tigue muscle contractions:an FMRI study[J].Journal of tional Symposium on Computational Intelligence and neurophysiology,2003,90(1):300-312. Design.Hangzhou,China,2018:141-144. [7]BILODEAU M,SCHINDLER-IVENS S,WILLIAMS D [17]YANG Zhongliang,CHEN Yumiao,WANG Jianping,et M,et al.EMG frequency content changes with increasing al.Recognizing the breathing resistances of wearing res- force and during fatigue in the quadriceps femoris muscle pirators from respiratory and sEMG signals with artificial of men and women[J].Journal of electromyography and neural networks[J].International journal of industrial er- kinesiology,2003,131):83-92. gonomics,2017,58:47-54. [8]NIMBARTE A D.CHOWDHURY S K.CARTWRIGHT [18]DE LUCA C J.Use of the surface EMG signal for per- E D.Empirical evaluation of neck muscle fatigue gener- formance evaluation of back muscles[J].Muscle nerve, ated by healthcare related exertions[J].Safety science, 1993,16(2)210-216. 2013.57:100-107. [19]赵章琰.表面肌电信号检测和处理中若干关键技术研 [9]NIMBARTE A D.ZREIQAT MM.CHOWDHURY S K. 究D1.合肥：中国科学技术大学，2010. Cervical flexion-relaxation response to neck muscle fa- ZHAO Zhangyan.Several key technologies in surface tigue in males and females[J].Journal of electromyo- electromyography signal detection&processing[D].He- graphy and kinesiology,2014,24(6):965-971. fei:University of Science and Technology of China, [10]LUEDTKE K,MAY A.Stratifying migraine patients 2010. based on dynamic pain provocation over the upper cer- [20]杨钟亮，王健，陈育苗.基于表面肌电的头部运动体态

进行数据处理分析，未考虑到重叠时间窗口情况 下的疲劳变化情况。后续工作中将会尝试不同时 间窗口的选择，通过不同时间窗口与评价指标的 不同组合，选择最优的疲劳评价方式并对实验模 型进行优化。研究还计划招募更多的参试者，涵 盖范围更广的年龄、身体类型等，以提高系统的 通用性和实际应用价值。今后的工作将开发颈部 智能穿戴系统，并进一步扩大样本的数量。 参考文献： WANG Chuanling, TIAN Fumung, ZHOU Yingjun, et al. The incidence of cervical spondylosis decreases with aging in the elderly, and increases with aging in the young and adult population: a hospital-based clinical analysis[J]. Clin￾ical interventions in aging, 2016, 11: 47–53. [1] CHOTPITAYASUNONDH V, DOUGLAS K M. How “phubbing” becomes the norm: The antecedents and con￾sequences of snubbing via smartphone[J]. Computers in human behavior, 2016, 63: 9–18. [2] HÄKKINEN A, SALO P, TARVAINEN U, et al. Effect of manual therapy and stretching on neck muscle strength and mobility in chronic neck pain[J]. Journal of rehabilitation medicine, 2007, 39(7): 575–579. [3] 王健. 面向人因工程研究的 sEMG 技术应用 [C]//第二届 中国人因工程高峰论坛, 2017. WANG Jian. SEMG technology application for human factors engineering research[C]//The Second China Hu￾man Factors Engineering Summit Forum, 2017. [4] FARINA D, FATTORINI L, FELICI F, et al. Nonlinear surface EMG analysis to detect changes of motor unit con￾duction velocity and synchronization[J]. Journal of applied physiology, 2002, 93(5): 1753–1763. [5] LIU J Z, SHAN Z Y, ZHANG L D, et al. Human brain ac￾tivation during sustained and intermittent submaximal fa￾tigue muscle contractions: an FMRI study[J]. Journal of neurophysiology, 2003, 90(1): 300–312. [6] BILODEAU M, SCHINDLER-IVENS S, WILLIAMS D M, et al. EMG frequency content changes with increasing force and during fatigue in the quadriceps femoris muscle of men and women[J]. Journal of electromyography and kinesiology, 2003, 13(1): 83–92. [7] NIMBARTE A D, CHOWDHURY S K, CARTWRIGHT E D. Empirical evaluation of neck muscle fatigue gener￾ated by healthcare related exertions[J]. Safety science, 2013, 57: 100–107. [8] NIMBARTE A D, ZREIQAT M M, CHOWDHURY S K. Cervical flexion-relaxation response to neck muscle fa￾tigue in males and females[J]. Journal of electromyo￾graphy and kinesiology, 2014, 24(6): 965–971. [9] LUEDTKE K, MAY A. Stratifying migraine patients based on dynamic pain provocation over the upper cer- [10] vical spine[J]. The journal of headache and pain, 2017, 18(1): 97. 杨钟亮, 孙守迁, 陈育苗. 基于 sEMG 的按摩椅绩效人 机评价模型实验研究 [J]. 中国机械工程, 2012, 23(2): 220–224. YANG Zhongliang, SUN Shouqian, CHEN Yumiao. A pilot study on ergonomics evaluation model of massage chair performance based on sEMG[J]. China mechanical engineering, 2012, 23(2): 220–224. [11] 刘建, 邹任玲, 张东衡, 等. 表面肌电信号特征提取方法 研究发展趋势 [J]. 生物医学工程学进展, 2015, 36(3): 164–168. LIU Jian, ZOU Renling, ZHANG Dongheng, et al. Re￾search and development trend of feature extraction meth￾ods of surface electromyogrphic signals[J]. Progress in biomedical engineering, 2015, 36(3): 164–168. [12] 陈玲玲. 基于支持向量机的下肢肌电信号模式识别的 研究 [D]. 天津: 河北工业大学, 2006. CHEN Lingling. Research of electromyography pattern recognition based on support vector machine[D]. Tianjin: Hebei University of Technology, 2006. [13] 王笃明, 王健, 葛列众. 肌肉疲劳的 sEMG 时频分析技 术及其在工效学中的应用 [J]. 航天医学与医学工程, 2003, 16(5): 387–390. WANG Duming, WANG Jian, GE Lizhong. sEMG time￾frequency analysis techniques for evaluation of muscle fa￾tigue and it's application in ergonomic studies[J]. Space medicine & medical engineering, 2003, 16(5): 387–390. [14] LUTTMANN A, SÖKELAND J, LAURIG W. Elec￾tromyographical study on surgeons in urology. Influence of the operating technique on muscular strain[J]. Ergo￾nomics, 1996, 39(2): 285–297. [15] JIA Miao, YANG Zhongliang, CHEN Yumiao, et al. Neck muscles fatigue evaluation of subway phubber based on sEMG signals[C]//Proceedings of 11th Interna￾tional Symposium on Computational Intelligence and Design. Hangzhou, China, 2018: 141−144. [16] YANG Zhongliang, CHEN Yumiao, WANG Jianping, et al. Recognizing the breathing resistances of wearing res￾pirators from respiratory and sEMG signals with artificial neural networks[J]. International journal of industrial er￾gonomics, 2017, 58: 47–54. [17] DE LUCA C J. Use of the surface EMG signal for per￾formance evaluation of back muscles[J]. Muscle & nerve, 1993, 16(2): 210–216. [18] 赵章琰. 表面肌电信号检测和处理中若干关键技术研 究 [D]. 合肥: 中国科学技术大学, 2010. ZHAO Zhangyan. Several key technologies in surface electromyography signal detection & processing[D]. He￾fei: University of Science and Technology of China, 2010. [19] [20] 杨钟亮, 王健, 陈育苗. 基于表面肌电的头部运动体态 ·712· 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 ·713· 语言情感识别模型).计算机辅助设计与图形学学报， 杨钟亮，副教授，博士，主要研究 2014.26(9):1396-1402 方向为智能交互系统、人机工程、人工 YANG Zhongliang,WANG Jian,CHEN Yumiao.Sur- 智能设计。主持国家自然科学基金项 face EMG based emotion recognition model for body lan- 目1项，发表学术论文30余篇。 guage of head movements[J].Journal of computer-aided design&computer graphics,2014,26(9):1396-1402 作者简介： 贾森，硕士研究生，主要研究方向 陈育苗，讲师，博土，主要研究方 向为人机交互、可穿戴产品设计。发 为人机工程、人工智能设计。发表学 术论文3篇。 表学术论文20余篇。 [责任编辑：孟玮] 第七届全国智能制造学术会议(NCIM'2020) 中国人工智能学会主办、智能制造专业委员会和华侨大学联合承办的“第七届全国智能制造学术会议” 将于2020年11月6日至9日在厦门举行，会议主题“智能制造前沿及应用”。会议将邀请学界权威和企业界 代表作大会报告，并组织若干分会场报告。 会议时间：2020年11月6日至9日 会议地点：福建厦门 会议主题（包括但不限于以下主题）：智能制造系统、机器人及增材制造、数字化制造、数字孪生与工艺 优化、智能制造专业建设与人才培养 主办单位：中国人工智能学会 承办单位：CAAI智能制造专业委员会、华侨大学 协办单位：脆性材料产品智能制造技术国家地方联合工程研究中心、欧德神思(CODESYS)、软件系统 北京有限公司、武汉制信科技有限公司(e-works) 会议联系方式： 谭援强，华侨大学，E-mail:tanyq(@hqu.edu.cn 电话：18064519135 姜峰，华侨大学，E-mail:jiangfeng(@hqu.edu.cn 电话：18106953128

语言情感识别模型 [J]. 计算机辅助设计与图形学学报, 2014, 26(9): 1396–1402. YANG Zhongliang, WANG Jian, CHEN Yumiao. Sur￾face EMG based emotion recognition model for body lan￾guage of head movements[J]. Journal of computer-aided design & computer graphics, 2014, 26(9): 1396–1402. 作者简介： 贾淼，硕士研究生，主要研究方向 为人机工程、人工智能设计。发表学 术论文 3 篇。 杨钟亮，副教授，博士，主要研究 方向为智能交互系统、人机工程、人工 智能设计。主持国家自然科学基金项 目 1 项，发表学术论文 30 余篇。 陈育苗，讲师，博士，主要研究方 向为人机交互、可穿戴产品设计。发 表学术论文 20 余篇。 [ 责任编辑：孟玮 ] 第七届全国智能制造学术会议（NCIM’2020） 中国人工智能学会主办、智能制造专业委员会和华侨大学联合承办的“第七届全国智能制造学术会议” 将于 2020 年 11 月 6 日至 9 日在厦门举行，会议主题“智能制造前沿及应用”。会议将邀请学界权威和企业界 代表作大会报告，并组织若干分会场报告。 会议时间：2020 年 11 月 6 日至 9 日 会议地点：福建厦门 会议主题（包括但不限于以下主题）：智能制造系统、机器人及增材制造、数字化制造、数字孪生与工艺 优化、智能制造专业建设与人才培养 主办单位：中国人工智能学会 承办单位：CAAI 智能制造专业委员会、华侨大学 协办单位：脆性材料产品智能制造技术国家地方联合工程研究中心、欧德神思（CODESYS）、软件系统 北京有限公司、武汉制信科技有限公司（e-works） 会议联系方式： 谭援强，华侨大学，E-mail：tanyq@hqu.edu.cn 电 话：18064519135 姜峰，华侨大学，E-mail：jiangfeng@hqu.edu.cn 电话：18106953128 第 4 期 贾淼，等：面向地铁低头族的颈部疲劳 sEMG-JASA 评价模型 ·713·