动作研究分解：测力、肌电与IMU如何共同完成动作分期
2026-08-05 来源:本站 点击次数:108
摘要：肌肉先被激活、外力随后出现、肢体再产生可观察运动——同一个动作至少存在三个“起点”。如果只用一条曲线切分阶段，容易把神经驱动、机械输出和运动学表现混在一起。本文从测力、表面肌电与IMU的互补关系出发，说明如何在统一时间轴上定义动作事件、设置阈值并建立可复现的分期规则。
一、“开始动作”其实有不止一个答案
研究者让受试者完成跳跃、起立、步行启动或快速抓握时，常会问：“动作从哪一刻开始？”但这个问题没有脱离研究目的的唯一答案。
表面肌电首先观察到肌肉电活动脱离基线；经过兴奋—收缩耦联和肌腱等弹性结构传力后，测力设备才记录到外力变化；当合力足以改变身体或肢段状态时，IMU中的加速度、角速度或姿态才出现可辨识变化。
肌电起点与力起点之间的时间差通常被称为机电延迟。它并不是固定常数，会受到肌肉—肌腱状态、收缩方式、任务强度和检测算法影响。经典研究及后续同步实验都说明，电活动、肌纤维运动和可测外力并非同时发生[1][2]。
因此，若研究的是运动准备或神经控制，应优先关注肌电；若研究发力与接触事件，应以测力为核心；若研究动作轨迹与周期，则IMU更直接。
二、三类信号分别回答什么？
表面肌电（sEMG）回答“哪块肌肉何时开始参与”。常见做法是对信号整流并形成包络或RMS曲线，再以静息基线的均值加若干倍标准差作为候选阈值，同时要求信号连续超过阈值一定时长。阈值倍数、平滑窗口和持续时间都会改变检测结果，文献尚无适用于所有任务的统一金标准[3][4]。
测力信号回答“外部机械作用何时发生、方向和大小如何变化”。力台、握力计或拉压力传感器可用于识别离地、触地、卸重、制动和推进等事件。固定牛顿阈值、相对体重阈值、基线均值加标准差以及一阶导数法都有人采用；方法不同，起点和阶段时长也可能随之改变[5]。
IMU回答“肢段何时开始运动、朝哪个方向运动”。加速度计和陀螺仪可提供线性加速度、角速度与姿态变化，适合连续步态、跑跳和场地动作。但峰值、零交叉或阈值所代表的事件取决于传感器位置、固定方向、动作速度和运动模式；同一算法换到足背、小腿或腰部，误差可能不同[6]。
三、为什么不能直接套用一个通用阈值？
阈值看似客观，实质上仍是一项实验定义。
肌电基线可能受电极接触、串扰和运动伪迹影响；测力基线会随站立晃动、预紧力和滤波设置变化；IMU则受安装方向、软组织晃动及重力分量影响。如果阈值过低，噪声会被误判为起点；阈值过高，又会推迟事件时刻。
更稳妥的原则是：先根据研究问题定义“起点”的生理或力学含义，再选择信号与算法；阈值应从当前任务的基线噪声、信噪比和预实验结果中确定。
论文中还应同时报告滤波方式、阈值规则、持续时间以及人工复核方法，而不能只写“自动识别动作开始”。
四、把三条曲线放在同一时间轴上
以反向跳为例，可把完整过程理解为：
静止基线—肌肉预激活—卸重—制动—推进—离地—飞行—落地。
测力曲线适合确定体重基线、卸重、制动与推进转换、离地和落地；IMU可补充躯干与下肢的姿态、角速度和空中运动；肌电则描述不同肌群何时募集，以及起跳前是否存在预激活。
三者结合后，研究者不仅知道“跳了多高”，还可以分析神经驱动如何转化为力，再转化为动作。
在步态研究中，测力可提供足—地接触参考，IMU用于连续识别初始接触、离地和摆动期，肌电用于观察胫前肌、腓肠肌等在各阶段的激活窗口。
当测试离开实验室或某一步没有准确踩中力台时，IMU能够扩展连续记录范围；但应先在目标人群和任务中，用同步测力数据验证事件识别算法。
五、建立可复现动作分期的七步流程
六、多模态分期真正带来的研究价值
统一分期后，可以计算肌电起点到力起点的延迟、不同肌群的募集顺序、预激活持续时间、制动与推进阶段的肌电积分，以及力峰与角速度峰的相对时序。
研究者还可以比较疲劳、训练干预或不同动作策略下这些关系如何变化。对康复与运动医学科研而言，它能够辅助区分“肌肉已经尝试激活但机械输出不足”和“运动已经发生但募集策略改变”等不同现象。
需要强调的是，多模态并不意味着通道越多越好。真正重要的是每个信号都对应明确问题、设备同步经过验证、分期规则能够复核。只有这样，动作周期中的差异才更可能反映真实的神经肌肉与生物力学过程。
结语
一次动作从哪里开始，取决于研究者想观察的是神经驱动、机械输出还是可见运动。肌电、测力和IMU不是三种互相竞争的“起点判定器”，而是从不同层面描述同一动作链条。
将三类数据放入统一时间轴，明确事件定义并验证阈值，才能把“看曲线分阶段”升级为可解释、可复现的实验方法。
上海左体右智科技有限公司可围绕无线表面肌电、IMU、测力与动作分析等模块，协助课题组根据具体实验范式规划同步采集、事件标记和动作分期流程。具体设备组合、采样设置与分析规则应以研究问题和技术协议为准。如果您有相关设备及技术合作需求，欢迎与我们联系~
参考文献
[1] Cavanagh PR, Komi PV. Electromechanical delay in human skeletal muscle under concentric and eccentric contractions. European Journal of Applied Physiology, 1979.
[2] Begovic H, et al. Detection of the electromechanical delay and its components during voluntary isometric contraction of the quadriceps femoris muscle. Frontiers in Physiology, 2014.
[3] Hodges PW, Bui BH. A comparison of computer-based methods for the determination of onset of muscle contraction using electromyography. Electroencephalography and Clinical Neurophysiology, 1996.
[4] Carvalho CR, et al. Review of electromyography onset detection methods for real-time control of robotic exoskeletons. Journal of NeuroEngineering and Rehabilitation, 2023.
[5] Pinto BL, Callaghan JP. Movement Onset Detection Methods: A Comparison Using Force Plate Recordings. Journal of Applied Biomechanics, 2023.
[6] Niswander W, Kontson K. Evaluating the Impact of IMU Sensor Location and Walking Task on Accuracy of Gait Event Detection Algorithms. Sensors, 2021.
一、“开始动作”其实有不止一个答案
研究者让受试者完成跳跃、起立、步行启动或快速抓握时，常会问：“动作从哪一刻开始？”但这个问题没有脱离研究目的的唯一答案。
表面肌电首先观察到肌肉电活动脱离基线；经过兴奋—收缩耦联和肌腱等弹性结构传力后，测力设备才记录到外力变化；当合力足以改变身体或肢段状态时，IMU中的加速度、角速度或姿态才出现可辨识变化。
肌电起点与力起点之间的时间差通常被称为机电延迟。它并不是固定常数，会受到肌肉—肌腱状态、收缩方式、任务强度和检测算法影响。经典研究及后续同步实验都说明，电活动、肌纤维运动和可测外力并非同时发生[1][2]。
因此，若研究的是运动准备或神经控制，应优先关注肌电；若研究发力与接触事件，应以测力为核心；若研究动作轨迹与周期，则IMU更直接。
二、三类信号分别回答什么？
表面肌电（sEMG）回答“哪块肌肉何时开始参与”。常见做法是对信号整流并形成包络或RMS曲线，再以静息基线的均值加若干倍标准差作为候选阈值，同时要求信号连续超过阈值一定时长。阈值倍数、平滑窗口和持续时间都会改变检测结果，文献尚无适用于所有任务的统一金标准[3][4]。
测力信号回答“外部机械作用何时发生、方向和大小如何变化”。力台、握力计或拉压力传感器可用于识别离地、触地、卸重、制动和推进等事件。固定牛顿阈值、相对体重阈值、基线均值加标准差以及一阶导数法都有人采用；方法不同，起点和阶段时长也可能随之改变[5]。
IMU回答“肢段何时开始运动、朝哪个方向运动”。加速度计和陀螺仪可提供线性加速度、角速度与姿态变化，适合连续步态、跑跳和场地动作。但峰值、零交叉或阈值所代表的事件取决于传感器位置、固定方向、动作速度和运动模式；同一算法换到足背、小腿或腰部，误差可能不同[6]。
三、为什么不能直接套用一个通用阈值？
阈值看似客观，实质上仍是一项实验定义。
肌电基线可能受电极接触、串扰和运动伪迹影响；测力基线会随站立晃动、预紧力和滤波设置变化；IMU则受安装方向、软组织晃动及重力分量影响。如果阈值过低，噪声会被误判为起点；阈值过高，又会推迟事件时刻。
更稳妥的原则是：先根据研究问题定义“起点”的生理或力学含义，再选择信号与算法；阈值应从当前任务的基线噪声、信噪比和预实验结果中确定。
论文中还应同时报告滤波方式、阈值规则、持续时间以及人工复核方法，而不能只写“自动识别动作开始”。
四、把三条曲线放在同一时间轴上
以反向跳为例，可把完整过程理解为：
静止基线—肌肉预激活—卸重—制动—推进—离地—飞行—落地。
测力曲线适合确定体重基线、卸重、制动与推进转换、离地和落地；IMU可补充躯干与下肢的姿态、角速度和空中运动；肌电则描述不同肌群何时募集，以及起跳前是否存在预激活。
三者结合后，研究者不仅知道“跳了多高”，还可以分析神经驱动如何转化为力，再转化为动作。
在步态研究中，测力可提供足—地接触参考，IMU用于连续识别初始接触、离地和摆动期，肌电用于观察胫前肌、腓肠肌等在各阶段的激活窗口。
当测试离开实验室或某一步没有准确踩中力台时，IMU能够扩展连续记录范围；但应先在目标人群和任务中，用同步测力数据验证事件识别算法。
五、建立可复现动作分期的七步流程
- 明确研究问题：区分神经准备、外力产生、运动学起始和接触事件，不用一个“开始”替代全部概念。
- 定义事件字典：为每个阶段写明名称、物理含义、主信号、阈值、持续条件及边界优先级。
- 统一时间轴：让肌电、测力、IMU及任务Trigger共享时基，避免把设备延迟误认为生理延迟。
- 采集稳定基线：保留足够长的静息或静态阶段，用于估计噪声、体重、预紧力与零偏。
- 先质控、后分期：检查肌电接触与伪迹、测力零点和饱和、IMU固定方向及漂移。
- 组合阈值与持续条件：不仅判断是否越过阈值，还要求连续满足若干样本或时间，并可设置不同的进入与退出阈值，减少反复跳变。
- 用人工标注或参考设备验证：报告事件误差、重复性和识别失败情况；任务、受试者或传感器位置改变后，应重新验证。
六、多模态分期真正带来的研究价值
统一分期后，可以计算肌电起点到力起点的延迟、不同肌群的募集顺序、预激活持续时间、制动与推进阶段的肌电积分，以及力峰与角速度峰的相对时序。
研究者还可以比较疲劳、训练干预或不同动作策略下这些关系如何变化。对康复与运动医学科研而言，它能够辅助区分“肌肉已经尝试激活但机械输出不足”和“运动已经发生但募集策略改变”等不同现象。
需要强调的是，多模态并不意味着通道越多越好。真正重要的是每个信号都对应明确问题、设备同步经过验证、分期规则能够复核。只有这样，动作周期中的差异才更可能反映真实的神经肌肉与生物力学过程。
结语
一次动作从哪里开始，取决于研究者想观察的是神经驱动、机械输出还是可见运动。肌电、测力和IMU不是三种互相竞争的“起点判定器”，而是从不同层面描述同一动作链条。
将三类数据放入统一时间轴，明确事件定义并验证阈值，才能把“看曲线分阶段”升级为可解释、可复现的实验方法。
上海左体右智科技有限公司可围绕无线表面肌电、IMU、测力与动作分析等模块，协助课题组根据具体实验范式规划同步采集、事件标记和动作分期流程。具体设备组合、采样设置与分析规则应以研究问题和技术协议为准。如果您有相关设备及技术合作需求，欢迎与我们联系~
参考文献
[1] Cavanagh PR, Komi PV. Electromechanical delay in human skeletal muscle under concentric and eccentric contractions. European Journal of Applied Physiology, 1979.
[2] Begovic H, et al. Detection of the electromechanical delay and its components during voluntary isometric contraction of the quadriceps femoris muscle. Frontiers in Physiology, 2014.
[3] Hodges PW, Bui BH. A comparison of computer-based methods for the determination of onset of muscle contraction using electromyography. Electroencephalography and Clinical Neurophysiology, 1996.
[4] Carvalho CR, et al. Review of electromyography onset detection methods for real-time control of robotic exoskeletons. Journal of NeuroEngineering and Rehabilitation, 2023.
[5] Pinto BL, Callaghan JP. Movement Onset Detection Methods: A Comparison Using Force Plate Recordings. Journal of Applied Biomechanics, 2023.
[6] Niswander W, Kontson K. Evaluating the Impact of IMU Sensor Location and Walking Task on Accuracy of Gait Event Detection Algorithms. Sensors, 2021.
相关文章
更多 >