基于Stockwell变换的肌纤维组成与传导速度变异下表面肌电信号模型分析

来自多机构的研究团队针对不同肌纤维类型比例肌肉的表面肌电信号(sEMG)特征解析难题，创新性地整合现有模型组件并改进电流分布函数，引入时变动作电位传导速度参数。通过记录拇收肌(AP)和肱三头肌(TB)在30%、50%、70%最大自主收缩(MVC)下的疲劳信号，结合Stockwell变换(S变换)时频分析，首次发现信号末段频率成分向低频迁移现象。Mann-Whitney U检验证实AP与TB特征存在显著差异(p<0.05)，Bland-Altman分析验证模型可靠性，为研究神经肌肉条件下骨骼肌纤维特性提供新工具。

　　

这项研究玩转表面肌电信号(sEMG)的"摩斯密码"，通过改造传统模型的电流分布函数，给I型和II型运动单元的动作电位传导速度装上了动态调节器。科研人员选取肌纤维比例迥异的"小手枪"拇收肌(AP)和"大力士"肱三头肌(TB)，让受试者在滑轮绳索装置和哑铃等长收缩中完成30%、50%、70%最大自主收缩(MVC)的疲劳测试。

Stockwell变换(S变换)如同精密的时频显微镜，捕捉到信号首尾2秒片段中奇妙的频率漂移现象——就像逐渐放慢的舞步，所有频率成分最终都向着低频区域集体迁徙。从变换矩阵中提取的奇异值(SVs)上演精彩"个人秀"：最大SV值、SV能量和SV熵这些特征参数，经Mann-Whitney U检验证明AP与TB存在显著差异(p<0.05)。Bland-Altman分析则显示模拟与实验数据跳着高度同步的"探戈"，95%置信区间内完美贴合。

这项研究如同给肌肉电信号装上"纤维类型识别器"，未来可解码更多骨骼肌在复杂神经调控下的秘密。时频图谱中那些优雅的频率迁移轨迹，或许正藏着疲劳机制和运动单位招募策略的终极密码。