层次分析matlab代码-muscle_synergy_torque_accuracy:探索肌肉激活模式与扭矩感知准确性之间关系的项目

层次分析matlab代码肌肉协同识别 该存储库提供用于提取和处理实验数据的Python代码，以及用于肌肉协同识别和结果绘制的代码。 有关实验程序，肌肉协同作用假设以及结果分析的详细信息，请参阅我的 何牧生 3月〜6月； 2020年10月〜十二月 描述 该项目旨在确定在多关节任务中手臂如何协同激活肌肉。 动机 尽管看似简单，但是诸如从高架子上取回物体之类的运动任务却非常复杂。 为了完成此任务，与运动有关的信号从大脑的运动皮层中产生，并通过运动神经元传递到肌肉纤维。 反过来，肌肉收缩，手臂抬起并伸展。 我们体内有600多条肌肉。 而不是单独控制每块肌肉，我们的大脑被认为可以按组来招募这些肌肉。 以这种分组的方式激活肌肉被称为肌肉协同作用，并且是分级控制策略的一部分。 激活肌肉协同作用而不是单个肌肉可以简化对肢体的控制。 在这项工作中，重点是手臂的肌肉激活。 具体来说，目标是确定当一个人在肩膀上绑架并在肘部弯曲时，肌肉如何同时激活。 这样，我们可以确定神经和骨科完整的人群中正常的肌肉激活模式。 方法 硬件设定 如图3所示，实验设置由定制的机电一体化系统，监视器，扬声器和Biodex椅子组成。