Recently, as wearable devices are widely spread, swimming, which is one of the most popular sports, is developing the quality of data provided by devices along with the steady growth of the swim watch market. On the other hand, muscle fatigue is data that is closely related to the athlete’s athletic performance and the risk of muscle injury in sports, but it is difficult for general users to obtain compared to its usefulness due to the invasive measurement method or the high cost of measuring equipment.
In this study, based on the correlation between joint mechanical work and muscle fatigue, we propose a model for estimating the mean power frequency of sEMG based on joint mechanical work during upper limb rotation. The three-dimensional position data of the optical marker was obtained through the camera and the optical marker attached on the subject’s body, and kinematic data including the angle of the arm joint was calculated using this. The calculated kinematic data and drag force measured from the force sensor were applied to the upper limb rigid joint model, and the mechanical work of shoulder and elbow joint was calculated through inverse dynamics analysis. Then, from the correlation between mechanical work and muscle fatigue, a model for estimating the mean power frequency of the sEMG was proposed. For experimental verification of the proposed estimation model, the mean power frequency of the sEMG of the upper arm muscle during the swimming stroke motion in the swim bench was measured and compared with the estimated result. The estimated sEMG mean power frequency showed an NRMS error of 20.76±8.64% with respect to the measured sEMG mean power frequency, and in the case of numerical derivative values of data, NRMS errors of 7.47±6.53% and 10.62±27.10% in the first and second exercises, respectively.
The proposed estimation model has a limitation that it requires additional verification through experiments in an actual exercise environment. If research to obtain kinematic data to be applied to the estimation model using a commercially available sensor is conducted in the future, it will be possible to provide estimation data of the sEMG mean power frequency to general users. It is also expected that the approach in this estimation method can be applied to research related to the development of wearable devices in other sports.
최근 웨어러블 기기의 보급이 널리 이루어지면서 가장 대중적인 스포츠 중 하나인 수영에서도 스윔워치 시장의 꾸준한 성장과 더불어 기기에서 제공하는 데이터의 질도 발전하고 있다. 한편, 근피로도는 스포츠에서 선수의 운동 수행 능력, 근육 부상 위험도 등과 밀접한 관련이 있는 데이터이지만 침습적 측정 방법, 측정 장비의 높은 가격 등의 원인으로 그 유용함에 비해 일반적인 사용자가 얻기에 어려움이 존재한다.
본 연구에서는 관절 역학 일과 근피로도 간의 상관관계를 바탕으로, 상지 회전 운동 시 관절 역학 일 기반 표면근전도신호 평균주파수 추정 모델을 제안하고자 한다. 카메라와 피험자의 신체에 부착된 광학 마커를 통해 광학 마커의 3차원 위치 정보를 얻었으며, 이를 이용해 팔 관절의 각도를 비롯한 운동학적 정보를 계산하였다. 계산된 운동학적 정보와 힘 센서로부터 측정된 손에서의 항력을 상지 강체 관절 모델에 적용시켜, 역동역학 분석을 통해 어깨와 팔꿈치 관절 역학 일을 계산하였고 역학 일과 근피로도 간의 상관관계로부터 표면근전도신호 평균주파수 추정 모델을 제안하였다. 제안하는 추정 모델의 실험적 검증을 위해, 스윔벤치에서 수영 스트로크 동작 시 상완 근육의 표면근전도신호 평균주파수의 변화를 측정하고, 이를 추정결과와 비교하였다. 추정된 표면근전도신호 평균주파수는 측정된 표면근전도신호의 평균주파수에 대해 20.76±8.64%의 NRMS 오차를 나타내었으며, 데이터 수치 미분값의 경우 1차 운동과 2차 운동에서 각각 7.47±6.53%와 10.62±27.10%의 NRMS 오차를 보였다.
제안한 추정 모델은 실제 운동 환경에서의 실험을 통한 추가적인 검증이 필요하다는 한계가 있다. 추후 상용화된 센서를 이용하여 추정 모델에 적용될 운동학적 데이터를 얻는 연구가 진행된다면, 일반적인 사용자에게도 표면근전도신호 평균주파수의 추정 데이터를 제공할 수 있을 것이다. 또한 해당 추정 방법에서의 접근법이 타 스포츠에서의 웨어러블 기기 개발 관련 연구에 적용될 수 있을 것으로 기대된다.
