產品詳細介紹肌電信號分析
肌電信號(Electromyogram)簡稱EMG，反映神經肌肉興奮性，評估神經與肌肉的功能狀態。可用于肌肉工作的工效學分析、安全操作姿態分析、康復狀態功能評價、疲勞識別以及肌電假肢控制等動作模式研究等。
ErgoLAB肌電分析軟件自動對原始數據進行濾波降噪處理，根據MVC進行數據歸一化與統計分析。時域分析包括原始數據、處理數據、歸一化數據的Mean、Max、Min、SD、Variance、RMS、Mean Absolute Value、iEMG等指標；頻域分析的中值頻率、均值頻率、可視化頻譜圖，系統支持自動識別周期性動態用力分析。
EMG高級數據處理分析模塊可以結合人機環境同步平臺和生理記錄系統采集到與EMG指標相關的生理信號進行離線處理和分析。可對信號進行自由選擇、放大、縮小，便于瀏覽數據；在整體呈現數據的基礎上，還可以根據片段、事件、場景三種分割方式進行數據呈現與分析；可導出ASCII格式的原始數據、處理后數據和分析后數據；并可導出可視化分析報告。
技術要求
1、信號處理模塊
信號濾波方法包括小波降噪（Wavelet Filter）、高通濾波(High Pass)、低通濾波(Low Pass)、帶阻濾波（Band Stop）用以濾除噪音干擾，從而得到有用的EMG信號。
肌電整流(Rectification)，包括三種方法EMG包絡線（Envelope）、滑動均值濾波（Moving Average）、滑動均方根濾波（Moving RMS），可自定義分析窗口長度。
EMG信號歸一化處理：自定義MVC（Maximum Voluntary Contraction），計算Normalization EMG數據。
Cycle Analysis周期性分析。系統對周期性用力的肌電數據進行自動化的識別與統計分析。自定義激活閾值（Activation threshold(%)）、用力的最小持續時間（Minimum duration(ms)）、動態用力的最小時間間隔（Minimum interval(ms)）參數，進行自動處理。
手動信號校正方法包括線性插值（Linear interpolation）、樣條差值（Spline interpolation）以及通過復制信號區域進行插值。
2、信號分析模塊
信號分析模塊包括時域分析和頻域分析以及周期用力分析，二者可實現自由切換。
A. 時域分析將肌電信號看作時間的函數，通過分析得到肌電信號的某些統計特征。統計分析指標包括：處理數據、整流數據、歸一化數據的均值（Mean）、中值（Median）、標準差（STD）、最大值/最小值（Max/Min）、方差（Variance）、均方根（RMS）、平均絕對值（Mean Absolute Value）、積分肌電（iEMG）。
B. 頻域分析運用參數模型法和直接快速傅里葉變化將時域分析信號轉換為頻域分析信號，對信號進行功率譜密度分析。從功率譜密度中確定肌電信號的頻帶，不同頻帶可自定義，將在功率譜分析圖中以不同的顏色區分。具體包括中值頻率、均值頻率及頻譜圖。
C. 周期用力分析，自動識別周期性用力片段，具體的指標包括：周期的開始時間（Start Time）、周期的結束時間（End Time）、均方根（RMS）、平均絕對值（Mean Absolute Value）、積分肌電值（iEMG）、中值頻率（Median Frequency）、均值頻率（Mean Frequency）。
3、可視化Chart與導出數據模塊：包括原始數據Raw Data、處理數據Processed、歸一化數據（Normalized）、PSD數據以及整體結果報告。
肌電信號(Electromyogram)簡稱EMG，反映神經肌肉興奮性，評估神經與肌肉的功能狀態。可用于肌肉工作的工效學分析、安全操作姿態分析、康復狀態功能評價、疲勞識別以及肌電假肢控制等動作模式研究等。
ErgoLAB肌電分析軟件自動對原始數據進行濾波降噪處理，根據MVC進行數據歸一化與統計分析。時域分析包括原始數據、處理數據、歸一化數據的Mean、Max、Min、SD、Variance、RMS、Mean Absolute Value、iEMG等指標；頻域分析的中值頻率、均值頻率、可視化頻譜圖，系統支持自動識別周期性動態用力分析。
EMG高級數據處理分析模塊可以結合人機環境同步平臺和生理記錄系統采集到與EMG指標相關的生理信號進行離線處理和分析。可對信號進行自由選擇、放大、縮小，便于瀏覽數據；在整體呈現數據的基礎上，還可以根據片段、事件、場景三種分割方式進行數據呈現與分析；可導出ASCII格式的原始數據、處理后數據和分析后數據；并可導出可視化分析報告。
技術要求
1、信號處理模塊
信號濾波方法包括小波降噪（Wavelet Filter）、高通濾波(High Pass)、低通濾波(Low Pass)、帶阻濾波（Band Stop）用以濾除噪音干擾，從而得到有用的EMG信號。
肌電整流(Rectification)，包括三種方法EMG包絡線（Envelope）、滑動均值濾波（Moving Average）、滑動均方根濾波（Moving RMS），可自定義分析窗口長度。
EMG信號歸一化處理：自定義MVC（Maximum Voluntary Contraction），計算Normalization EMG數據。
Cycle Analysis周期性分析。系統對周期性用力的肌電數據進行自動化的識別與統計分析。自定義激活閾值（Activation threshold(%)）、用力的最小持續時間（Minimum duration(ms)）、動態用力的最小時間間隔（Minimum interval(ms)）參數，進行自動處理。
手動信號校正方法包括線性插值（Linear interpolation）、樣條差值（Spline interpolation）以及通過復制信號區域進行插值。
2、信號分析模塊
信號分析模塊包括時域分析和頻域分析以及周期用力分析，二者可實現自由切換。
A. 時域分析將肌電信號看作時間的函數，通過分析得到肌電信號的某些統計特征。統計分析指標包括：處理數據、整流數據、歸一化數據的均值（Mean）、中值（Median）、標準差（STD）、最大值/最小值（Max/Min）、方差（Variance）、均方根（RMS）、平均絕對值（Mean Absolute Value）、積分肌電（iEMG）。
B. 頻域分析運用參數模型法和直接快速傅里葉變化將時域分析信號轉換為頻域分析信號，對信號進行功率譜密度分析。從功率譜密度中確定肌電信號的頻帶，不同頻帶可自定義，將在功率譜分析圖中以不同的顏色區分。具體包括中值頻率、均值頻率及頻譜圖。
C. 周期用力分析，自動識別周期性用力片段，具體的指標包括：周期的開始時間（Start Time）、周期的結束時間（End Time）、均方根（RMS）、平均絕對值（Mean Absolute Value）、積分肌電值（iEMG）、中值頻率（Median Frequency）、均值頻率（Mean Frequency）。
3、可視化Chart與導出數據模塊：包括原始數據Raw Data、處理數據Processed、歸一化數據（Normalized）、PSD數據以及整體結果報告。