Sei sulla pagina 1di 120

Universit Politecnica delle Marche

Scuola di Dottorato di Ricerca in Scienze dellIngegneria


Curriculum in Elettromagnetismo e Bioingegneria
----------------------------------------------------------------------------------------




Valutazione della fatica muscolare
durante movimenti di flesso - estensione






Tesi del dottorando:
Manuela Savini
Tutor:
Prof. Sandro Fioretti

Supervisore del curriculum:
Prof. Sandro Fioretti



X edizione nuova serie

























Universit Politecnica delle Marche
Scuola di Dottorato di Ricerca in Scienze dellIngegneria
Curriculum in Elettromagnetismo e Bioingegneria
----------------------------------------------------------------------------------------




Valutazione della fatica muscolare
durante movimenti di flesso - estensione






Tesi del dottorando:
Manuela Savini
Tutor:
Prof. Sandro Fioretti

Supervisore del curriculum:
Prof. Sandro Fioretti




X edizione - nuova serie


















































Universit Politecnica delle Marche
Dipartimento di Ingegneria dellInformazione
Via Brecce Bianche 60131 - Ancona, Italy





Ringraziamenti




In primis vorrei ringraziare il mio Tutor accademico, il Prof. Sandro
Fioretti, che mi ha dato la possibilit di concludere questo importante
percorso nonostante le numerose difficolt incontrate. Dimostrando sempre
grande pazienza e fiducia mi ha messo a disposizione i mezzi per poter
indagare in un ambito per me nuovo e stimolante, oggetto della mia attivit
di dottorato nonch della mia ricerca. Grazie alle sue consolidate
competenze, al suo spiccato interesse per la ricerca e al rapporto umano che
si instaurato mi sono sentita sempre supportata in questi tre anni di
collaborazione.
Un ringraziamento particolare al prof. Roberto Burattini e ai compagni di
viaggio del mondo della Bioingegneria: Silvia, Micaela, Elvira, Laura e
Francesco. La loro amicizia e il clima di lavoro instaurato mi faranno avere
molta nostalgia di questo periodo. Ringrazio anche i miei primi compagni di
viaggio Daniele e Luigi.
Grazie a tutti i componenti della U.O. Medicina dello Sport dellOspedale
Madonna del Soccorso di S. Benedetto del Tronto (ASUR Marche, Area
Vasta 5), dal Responsabile, il Dott. Fioroni, a tutti i fisioterapisti ed, in
particolare, allinsostituibile capotecnico Massetti Massimo, che hanno reso
possibile la parte sperimentale della mia ricerca, mettendomi a disposizione
le apparecchiature necessarie e le loro competenze.
Ai miei amici Debora e Paolo, a mio fratello e a tutti i dipendenti
dellOspedale Madonna del Soccorso che si sono prestati alla
sperimentazione (in nome della scienza!!!).
Ad Andrea il cui contributo stato fondamentale (senza di te non ce lavrei
fatta!!) sia praticamente che moralmente, con la sua precisione, la sua
pazienza e la sua indispensabile vicinanza.
Ai miei fantastici genitori.. difficile trovare le parole per la loro infinita
comprensione e il grande amore che mi dimostrano in ogni momento.
Cito le parole, che condivido, di una grande persona che ammiro
moltissimo: Grazie anche a me!!!.




































Abstract


La fatica muscolare rappresenta un complesso fenomeno che comprende
varie cause, meccanismi e forme di manifestazioni. Il monitoraggio
continuo della fatica muscolare locale durante lesecuzione di un certo
lavoro possibile misurando lattivit mioelettrica di particolari muscoli con
il metodo dellelettromiografia di superficie. Cambiamenti biochimici e
fisiologici nei muscoli durante contrazioni affaticanti si riflettono anche
nelle propriet del segnale mioelettrico registrato sulla superficie della pelle
al di sotto del muscolo interessato. Contrazioni dinamiche sono comuni nei
movimenti delle attivit quotidiane e il segnale elettromiografico di
superficie (sEMG) rilevato in questo caso considerato una realizzazione di
un processo stocastico non-stazionario. Per tracciare levoluzione del suo
contenuto in frequenza nel tempo, richiesta una rappresentazione in
tempo-frequenza. La trasformata di Choi-Williams, membro della classe di
Cohen, risulta un buon candidato per lanalisi del segnale sEMG. Durante
contrazioni dinamiche, con la variazione di forza muscolare (o torque) e
dellangolo a livello dellarticolazione (posizione e velocit) ci sono
cambiamenti in: numero di unit motorie attive con possibili differenti tipi
fibre, la frequenza di firing, la relazione geometrica tra le fibre muscolari
attive e lelettrodo, la relazione geometrica tra la zona dinnervazione e il
tendine, e la lunghezza delle fibre muscolari. Alcuni di questi problemi
possono essere gestiti esaminando le contrazioni dinamiche ripetitive
tramite movimenti dinamici altamente standardizzati (ad es. isocinetici) e
determinando le variabili EMG allinterno di una finestra che mantiene la
stessa posizione ad ogni ciclo di contrazione (ad es. tecniche di
ciclostazionariet). Il principale obiettivo di questo studio stato di
confrontare le manifestazioni elettriche di fatica muscolare in contrazioni
concentriche ed eccentriche del rectus femoris, del vastus lateralis e del
vastus medialis. Sono stati ricavati dei profili medi di fatica per i muscoli
considerati dai dati sperimentali registrati da nove soggetti durante esercizi
ciclici di flesso-estensione del ginocchio.


Contenuti

1. Capitolo 1 - Introduzione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1
1.1 Il muscolo scheletrico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Le basi molecolari della contrazione. . . . . . . . . . . . . . . . . . . . 3
1.1.2 Il potenziale dazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.1.3 Il meccanismo di contrazione muscolare . . . . . . . . . . . . . . . . 12
1.1.4 Tipi di fibre muscolari. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .15
1.2 La fatica muscolare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .18

2. Capitolo 2
2.1. Analisi tempo-frequenza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.1.1 Rappresentazione nel tempo . . . . . . . . . . . . . . . . . . . . . . . . . .24
2.1.2 Rappresentazione in frequenza . . . . . . . . . . . . . . . . . . . . . . . .24
2.1.3 Rappresentazione tempo-frequenza ideale. . . . . . . . . . . . . .26
2.2. Le classi di Cohen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2.1 Esistenza ed origine dei termini di interferenza . . . . . . . . . . .36
2.2.2 Segnali tempo-discreti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.2.3 Discretizzazione aliased. . . . . . . . . . . . . . . . . . . . . . . . . . . .45
2.2.4 Discretizzazione non-aliased . . . . . . . . . . . . . . . . . . . . . . . 46
2.2.5 Distribuzione Choi-Williams. . . . . . . . . . . . . . . . . . . . . . . . . 50
2.2.6 La distribuzione esponenziale per segnali discreti . . . . . . . . .54

3. Capitolo 3
3.1. Acquisizione del segnale elettromiografico (EMG). . . . . . . . . . . . 57
3.1.1 Il sistema di acquisizione . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.1.2 Il posizionamento delle sonde. . . . . . . . . . . . . . . . . . . . . . . . .67
3.2. Materiali e metodi
3.2.1 Protocollo di misura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .71
3.2.2 Processamento del segnale . . . . . . . . . . . . . . . . . . . . . . . . . . .73
3.2.3 Analisi dei risultati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

4. Capitolo 4 - Commenti conclusivi
4.1 Conclusioni. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89

Riferimenti. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .93


Appendice A.
A. Algoritmo di elaborazione del segnale sEMG . . . . . . . . . . . . . . . . . . 95
A.1. Pre-elaborazione dei segnali acquisiti . . . . . . . . . . . . . . . . . . . . . . .95
A.2. Individuazione dei movimenti di contrazione . . . . . . . . . . . . . . . . 96
A.3. Stima di frequenza media e mediana . . . . . . . . . . . . . . . . . . . . . . . 97
A.4. Calcolo delle rette di regressione . . . . . . . . . . . . . . . . . . . . . . . . . .99







Lista delle Figure

Figura 1. Distinzione tra fatica contrattile e fatica metabolica. In questo caso si tratta della forza
esercitata durante una contrazione isometrica del primo muscolo dorsale interosseous. Il task consiste
nel mantenere una soglia di forza di almeno il 50% del valore massimale pi a lungo possibile.
Il failure point denota listante temporale in cui la forza non raggiunge pi il valore medio
desiderato. La median frequency stata calcolata dallo spettro di densit di potenza del segnale
mioelettrico (ME). La durata della contrazione 150 s. [7] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

Figura 2. Organizzazione del muscolo scheletrico, dal livello macroscopico a quello microscopico
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

Figura 3. Struttura sarcomero . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5

Figura 4. Ciclo dei ponti trasversali .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .8

Figura 5. Potenziale di riposo e pompa sodio-potassio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .10

Figura 6. Canale dell'acetilcolina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

Figura 7. Potenziale d'azione. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

Figura 8. Sistema tubuli T-reticolo sarcoplasmatico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

Figura 9. Fibre muscolari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

Figura 10. Principio del reclutamento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .17

Figura 11. Tecniche di elaborazione del segnale attraverso la classificazione per modello in
applicazioni tipiche. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

Figura 12. Distribuzioni di Wigner Ville (a) e Choi-Williams (b e c) per la somma di due sinusoidi

. La distribuzione di Wigner Ville mostra termini di interferenza molto elevati


(picchi presenti tra

), mentre per la Choi-Williams hanno unampiezza ridotta e si modificano


variando il fattore di scala (sigma) da

(b) a

(c). . . . . . . . . . . . . . . . . . . . . . . . . . . .
37

Figura 13. Supporto del kernel per TFR discrete nel tempo con periodo di campionamento pari alla
met del periodo di campionamento del segnale. Il kernel deve essere nullo in tutte le linee di punti ad
eccezione dei punti marcati con una croce. I valori che non sono localizzati sulle linee di punti sono
irrilevanti. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

Figura 14. Supporto del kernel per TRF discrete nel tempo con periodo di campionamento del
segnale. Il kernel deve essere nullo in tutte le linee di punti ad eccezione dei punti marcati con una
croce. I valori al di fuori delle linee di punti non sono rilevanti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

Figura 15. Campionamento non rettangolare nel dominio di autocorrelazione (piano tempo-ritardo).
(a) Segnale (b) Kernel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46


Figura 16. Risposta in frequenza associata al campionamento non rettangolare.
(a) Segnale (b) Kernel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

Figura 17. Modello elettrico depolarizzazione cellulare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58

Figura 18. Rappresentazione di una unit motoria e di un suo potenziale d'azione . . . . . . . . . . . . . . 59

Figura 19. Concetti base interfaccia elettrodo-cute. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

Figura 20. Propriet interfaccia elettrodo-cute . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

Figura 21. Configurazioni elettrodi utilizzate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64

Figura 22. Unit paziente del sistema "STEP 32". . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

Figura 23. Sonda elettromiografica . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66

Figura 24. Elettrogoniometro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67

Figura 25. Punti di repere del corpo umano in vista frontale e dorsale. . . . . . . . . . . . . . . . . . . . . . . . 68

Figura 26. Muscoli della coscia anteriore. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .69

Figura 27. Punti di repere Retto Femorale. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .69

Figura 28. Punti di repere Vasto Laterale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .70

Figura 29. Punti di repere Vasto Mediale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .70

Figura 30. Sistema isocinetico Biodex SYSTEM 4 PRO e sistema dacquisizione STEP32 nella
palestra della U.O. Medicina della Riabilitazione dellOspedale Madonna del Soccorso di S.
Benedetto del Tronto (AP). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .71

Figura 31. Set-up dacquisizione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .72

Figura 32. Posizionamento degli elettrodi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .73

Figura 33. Andamenti del segnale angolare e del segnale sEMG del Retto Femorale. La linea rossa
individua il punto di massimo dellescursione angolare, la linea verde il minimo. Gli istanti cos
determinati corrispondono allinversione nella modalit di contrazione. Inoltre gli asterischi
delimitano il range angolare in corrispondenza del quale si analizzato il segnale sEMG al fine di
ridurre la variabilit della stima dei parametri spettrali. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .76

Figura 34. Gli andamenti di IMNF e IMDF sovrapposti ad una rappresentazione 2D dello spettro
tempo-frequenza corrispondente alla prima contrazione di una serie di 10 cicli . . . . . . . . . . . . . . . . .78

Figura 35. Gli andamenti di IMNF e IMDF sovrapposti ad una rappresentazione 2D dello spettro
tempo-frequenza corrispondente ad una contrazione nella parte finale di un serie di 10 cicli . . . . . . .79

Figura 36. Andamento della linea di regressione lineare che meglio approssima la distribuzione dei
punti di IMNF del muscolo RF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .83


Figura 37. Andamento della linea di regressione lineare che meglio approssima la distribuzione dei
punti di IMDF del muscolo RF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .84

Figura 38. Andamento della linea di regressione lineare che meglio approssima la distribuzione dei
punti di IMDF del muscolo RF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .84

Figura 39. Andamento della linea di regressione lineare che meglio approssima la distribuzione dei
punti di IMDF del muscolo RF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .85

Figura 40. Andamenti delle frequenze istantanee media e mediana in una porzione di 512 campioni
di un singolo burst. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90






















































Lista delle Tabelle

Tabella 1. Valori di IMNF ed IMDF per il muscolo RF del soggetto 1. . . . . . . . . . . . . . . . . . . . . . . 81

Tabella 2. Valori di IMNF ed IMDF per il muscolo RF del soggetto 2. . . . . . . . . . . . . . . . . . . . . . . 81

Tabella 3. Valori di IMNF ed IMDF per il muscolo RF del soggetto 3. . . . . . . . . . . . . . . . . . . . . . . 81

Tabella 4. Valori di IMNF ed IMDF per il muscolo RF del soggetto 4. . . . . . . . . . . . . . . . . . . . . . . 82

Tabella 5. Valori di IMNF ed IMDF per il muscolo RF del soggetto 5. . . . . . . . . . . . . . . . . . . . . . . 82

Tabella 6. Valori di IMNF ed IMDF per il muscolo RF del soggetto 6. . . . . . . . . . . . . . . . . . . . . . . 82

Tabella 7. Valori di IMNF ed IMDF per il muscolo RF del soggetto 7. . . . . . . . . . . . . . . . . . . . . . . 82

Tabella 8. Valori di IMNF ed IMDF per il muscolo RF del soggetto 8. . . . . . . . . . . . . . . . . . . . . . . 83

Tabella 9. Valori di IMNF ed IMDF per il muscolo RF del soggetto 9. . . . . . . . . . . . . . . . . . . . . . . 83

Tabella 10. Valori dei coefficienti angolari e delle intercette per le rette di regressione associate ai
parametri IMNF e IMDF del RF nella contrazione concentrica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86

Tabella 11. Valori dei coefficienti angolari e delle intercette per le rette di regressione associate ai
parametri IMNF e IMDF del RF nella contrazione eccentrica. In neretto sono evidenziati i valori
positivi dei coeff. angolari.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86

Tabella 12. Valori dei coefficienti angolari e delle intercette per le rette di regressione associate ai
parametri IMNF e IMDF del VL nella contrazione concentrica. In neretto sono evidenziati i valori
positivi dei coeff. angolari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

Tabella 13. Valori dei coefficienti angolari e delle intercette per le rette di regressione associate ai
parametri IMNF e IMDF del VL nella contrazione eccentrica. In neretto sono evidenziati i valori
positivi dei coeff. angolari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

Tabella 14. Valori dei coefficienti angolari e delle intercette per le rette di regressione associate ai
parametri IMNF e IMDF del VM nella contrazione concentrica. In neretto sono evidenziati i valori
positivi dei coeff. angolari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88

Tabella 15. Valori dei coefficienti angolari e delle intercette per le rette di regressione associate ai
parametri IMNF e IMDF del VM nella contrazione eccentrica. In neretto sono evidenziati i valori
positivi dei coeff. angolari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88



1
Capitolo 1.

Introduzione
Con il termine fatica si considera un complesso fenomeno che comprende
varie cause, meccanismi e forme di manifestazione. Per approfondire il
concetto Bills [1] ha suggerito una suddivisione in tre principali categorie.
La prima la fatica soggettiva, caratterizzata da un declino di lucidit,
concentrazione mentale, motivazione e altri fattori psicologici. La seconda
la fatica oggettiva, caratterizzata da un peggioramento nella produttivit. La
terza la fatica fisiologica, caratterizzata da cambiamenti nei processi
fisiologici. Un tipo di fatica fisiologica indotto da contrazioni muscolari
sostenute. Essa associata a manifestazioni esterne come linabilit a
mantenere il livello di forza desiderato, tremore muscolare e dolore
localizzato. Gli effetti di questa fatica sono limitati al muscolo o al gruppo
di muscoli, che lavorano in sinergia, coinvolti nella contrazione. Questa
categoria di fatica stata definita da Chaffin [2] fatica muscolare
localizzata. In accordo con molti investigatori, come Merletti [3] e Merton
[4], le sorgenti di tale fatica sono localizzate perifericamente (nel tessuto o
nella giunzione muscolare) e centralmente (nel cervello e nel midollo
spinale). Probabilmente il modo pi semplice per determinare linsorgere
della fatica misurare il tempo durante il quale un individuo capace ad
eseguire un certo lavoro, come mantenere un livello definito di contrazione
(isometrica) statica, con carico imposto ergo metricamente, etc. Questo
noto come manifestazione meccanica della fatica muscolare. Bench
semplice da determinare, i risultati ottenuti in questo modo dipendono anche
da fattori psicologici come la motivazione associata con le condizioni del
compito [5 e 6]. Inoltre, tale metodo non da unidea della fatica muscolare
intesa come cambiamenti fisiologici e biochimici durante la performance del
lavoro definito, ma la rileva solo dopo che si verificata (fig. 1).
La fatica muscolare pu anche essere stimata determinando la
concentrazione di lattato nel muscolo basandosi sui campioni di sangue
presi in predeterminati intervalli di tempo mentre si esegue un certo lavoro.
Anche questo di tipo di misura usata per consuetudine nella medicina dello
sport non permette di monitorare in real-time lo stato di fatica ed inoltre ne
da una stima globale, cio considera la totale muscolatura del corpo attiva.
2
Un monitoraggio continuo della fatica muscolare durante lesecuzione di un
certo task possibile con la misura dellattivit miolettrica di particolari
muscoli con il metodo dellelettromiografia di superficie (sEMG).
Cambiamenti biochimici e fisiologici nei muscoli durante contrazioni
affaticanti si riflettono anche nelle propriet del segnale mioelettrico
registrato sulla superficie della pelle sopra il muscolo coinvolto [7].











Gi nel 1912 Piper [8] osserv la progressiva diminuzione di velocit
dellEMG durante le ripetute contrazioni isometriche volontarie e un
decremento delle componenti in frequenza del segnale. Data la natura
random del segnale EMG volontario, questo slowing stato studiato, non
nel dominio del tempo, ma nel dominio della frequenza determinando
frequenze spettrali caratteristiche, come la frequenza media e mediana
(MNF e MDF) della funzione di densit spettrale di potenza.
Figura 1. Distinzione tra fatica contrattile e fatica metabolica. In questo caso si tratta della forza
esercitata durante una contrazione isometrica del primo muscolo dorsale interosseous. Il task
consiste nel mantenere una soglia di forza di almeno il 50% del valore massimale pi a lungo
possibile.
Il failure point denota listante temporale in cui la forza non raggiunge pi il valore medio
desiderato. La median frequency stata calcolata dallo spettro di densit di potenza del segnale
mioelettrico (ME). La durata della contrazione 150 s. [7]
3
Il meccanismo che regola tale fenomeno stato analizzato e spiegato
durante gli ultimi venti anni. In seguito a questi sviluppi, i ricercatori si sono
dedicati allo studio del segnale sEMG per alcuni problemi clinici come la
distrofia muscolare, il dolore alla schiena, anche per acquisire la conoscenza
dei meccanismi fisiologici alla base della fatica e del controllo delle unit
motorie.
Malgrado le limitazioni dellapplicazione del metodo sEMG solo ai muscoli
posizionati direttamente sotto la pelle, e il problema del cross talk dei
segnali mioelettrici nella zona prossima al muscolo interessato [9], esso
utilizzato sempre pi spesso per la determinazione della fatica muscolare a
livello locale grazie ai suoi vantaggi: non invasivit, applicabilit in situ, il
monitoraggio real-time durante lesecuzione di un definito esercizio,
labilit a rilevare la fatica di un particolare muscolo e la correlazione con i
cambiamenti biochimici e fisiologici nel muscolo durante laffaticamento.





1.1. Il muscolo scheletrico

1.1.1 Le basi molecolari della contrazione

Il muscolo un organo costituito da tessuto muscolare, un tessuto
biologico deputato alla contrazione. Possiamo distinguere il muscolo liscio,
o involontario, e il muscolo striato, che costituisce il muscolo cardiaco
(involontario) e quello scheletrico (volontario).
La struttura di base dellapparato contrattile costituita da catene
organizzate di proteine strutturali insolubili. Lorganizzazione del muscolo
scheletrico illustrata nella Fig. 2, in cui si pu osservare come tutti i
muscoli scheletrici sono composti da numerose fibre con un diametro
compreso tra 10 e 80 micron. Ognuna di queste fibre formata da sub unit
via via sempre pi piccole. Nella maggior parte dei muscoli le fibre si
estendono per tutta la lunghezza del muscolo stesso, ogni fibra innervata
da una terminazione nervosa, che si trova circa alla met della lunghezza
della fibra stessa.
4


Figura 2. Organizzazione del muscolo scheletrico, dal livello macroscopico a quello microscopico

Il sarcolemma la membrana cellulare della fibra muscolare. Alle estremit
della fibra muscolare questa membrana si fonde con una fibra tendinea; le
fibre tendinee, a loro volta, si riuniscono in fascicoli e formano tendini
muscolari che si inseriscono nelle ossa.
Un gruppo di proteine forma il citoscheletro che ha una duplice funzione: di
ancoraggio e di trasmissione della forza ad un altro gruppo di proteine, le
proteine contrattili, che sono organizzate in miofilamenti. Lunit contrattile
di base il sarcomero (Fig. 2D) ed presente in tutte le cellule muscolari
striate che sono di notevoli dimensioni e multinucleate. I sarcomeri sono
connessi in serie lungo una miofibrilla (Fig. 2C). Ogni miofibrilla contiene,
affiancati luno accanto allaltro, circa 1500 filamenti di miosina e 3000
5
filamenti di actina. Il citoscheletro connette tra loro i dischi Z delle
miofibrille mantenendo allineati i sarcomeri. Il numero di sarcomeri presenti
in una singola cellula enorme: stato calcolato che una cellula lunga circa
10 cm dovrebbe contenere oltre 45.000 sarcomeri.




Figura 3. Struttura sarcomero.
6
I dischi Z uniscono meccanicamente i capi terminali di due sarcomeri
contigui. Le proteine contrattili che costituiscono il sarcomero sono
organizzate in fasci ordinati di filamenti sottili e spessi tra loro interdigitati
che scorrono gli uni sugli altri durante la contrazione ed il rilasciamento: ne
risulta unalternanza di bande chiare e di bande scure che corrispondono
rispettivamente alle regioni che contengono filamenti sottili e spessi.
I filamenti sottili sono connessi direttamente ai dischi Z, quindi trasmettono
la forza, mentre i filamenti spessi sono stabilizzati meccanicamente da altre
proteine del citoscheletro. I filamenti sottili sono costituiti da una doppia
catena a elica di molecole di actina polimerizzata, troponina e
tropomiosina. La troponina una molecola regolatrice che ha dei siti capaci
di fissare Ca
++
, questi siti controllano la contrazione ed il rilasciamento del
muscolo. I filamenti spessi, invece, sono aggregati di molecole che generano
forza, sono costituiti da 300 o 400 molecole di miosina. Questultima una
grossa molecola costituita da una testa e de una coda. Le code di miosina si
aggregano per formare i filamenti spessi, mentre le teste proiettano
lateralmente verso i filamenti sottili. Ogni testa, chiamata ponte trasversale,
contiene due siti di legame per lactina e due siti capaci di idrolizzare ATP
ad ADP (adenosina difosfato) e fosfato organico (P
i
). Questi siti partecipano
al meccanismo di trasduzione chemiomeccanica.
Le interazioni tra i ponti trasversali e i filamenti sottili determinano
lavvicinamento dei dischi Z e laccorciamento del sarcomero, secondo un
meccanismo chiamato meccanismo di scorrimento dei filamenti-ponti
traversali. Questo ciclo pu essere suddiviso schematicamente in diverse
fasi (Fig. 4):
A. In una fibra muscolare a riposo le teste della miosina dei filamenti spessi
sono tutte in posizionedritte e legano una molecola di adenosin-
difosfato (ADP) I complessi troponina-tropomiosina dei filamenti sottili
non sono legati a Ca
2+
e quindi bloccano i siti di legame dellactina.
B. Quando la fibra muscolare attivata, dalle cisterne del reticolo
sarcoplasmatico sono liberati Ca
2+
che si legano ai siti della
tropomiosina. Questo legame provoca un cambiamento di
conformazione a livello del filamento sottile che determina lesposizione
dei siti di legame dellactina e, di conseguenza, le teste della miosina
possono attaccarsi ad essi formando ponti trasversali tra filamenti spessi
e sottili.
C. Una volta che si sono attaccate, le teste della miosina ruotano e
sviluppano forze longitudinali che spingono i filamenti spessi e sottili a
7
sovrapporsi ulteriormente, provocando laccorciamento della fibra
muscolare.
D. Alla fine dellimpulso meccanico del ponte trasversale, adenosin-
trifosfato (ATP) appena risintetizzato, si lega alla testa della miosina, e
questa si stacca dal suo legame.
E. Lenergia chimica liberata dalla defosforilazione dellATP in ADP (
liberata una molecola di P
i
) ancora legato utilizzata per raddrizzare di
nuovo le teste della miosina, che sono perci in grado di attaccarsi ad
altri siti di legame generando nuovi impulsi meccanici.
8
Figura 4. Ciclo dei ponti trasversali
9
Lenergia liberata dallidrolisi dellATP viene persa come calore ed in parte
viene convertita in lavoro meccanico. Lorientamento preferenziale dei
complessi ad alta energia (miosina-ADP-P
i
e actina-miosina-ADP-P
i
)
perpendicolare ai filamenti spessi. Il complesso actina-miosina dopo il
rilascio di ADP e P
i
ha una conformazione che pone le teste di miosina
inclinate di 45 rispetto ai filamenti sottili. Per questo, parte dellenergia
prodotta dallidrolisi di ATP utilizzata per il cambiamento di
conformazione dei ponti trasversali. Il movimento di inclinazione genera la
forza che tira i filamenti sottili lungo i filamenti spessi verso la regione
centrale del sarcomero (meccanismo di scorrimento dei filamenti sottili su
quelli spessi). La forza trasmessa dal citoscheletro ai capi terminali della
cellula che a sua volta la trasmette allo scheletro. Un singolo ciclo di un
ponte trasversale provoca uno spostamento su scala molecolare di circa 10
nm e sviluppa una forza unitarie esigua, 5*10
-12
N. Milioni di ponti
traversali con cicli asincroni consentono di sviluppare forze elevate
determinando un accorciamento notevole del sarcomero. Il ciclo pu essere
arrestato quando non sono pi disponibili riserve di ATP (stato di rigor
mortis). Il muscolo a riposo o rilasciato contiene i ponti trasversali staccati e
quindi pu essere facilmente allungato. Lattacco dei ponti trasversali ai
filamenti sottili impedito da un sistema di controllo Ca
++
-dipendente. La
velocit di accorciamento di un muscolo determinata dalla velocit dei
cicli dei ponti trasversali. Si ha la massima velocit quando non c nessun
carico che si oppone allo scorrimento dei filamenti.
I cicli dei ponti trasversali possono produrre solo forza o accorciamento.
I muscoli dei vertebrati possono essere divisi in due ampie classi:
- Fibre muscolari a contrazione rapida, caratterizzate da alte velocit
di lavoro, alto consumo di ATP ed elevata efficienza di conversione
di ATP in lavoro meccanico: queste cellule sono generalmente
attaccate allo scheletro e sono striate;
- Fibre muscolari a contrazione lenta, specializzate per contrarsi quasi
con continuit ed utilizzano poco ATP: tipicamente costituiscono le
cellule muscolari lisce delle pareti degli organi cavi.

1.1.2 Il potenziale dazione

Le cellule muscolari hanno un potenziale di riposo causato dalla diversa
concentrazione ionica che si ha tra lambiente intracellulare ed
10
extracellulare, il potenziale di membrana allinterno della cellula di circa
90 mV pi negativo rispetto al potenziale del liquido extracellulare. Questo
generato dalla diffusione di ioni potassio attraverso la membrana e dalla
diffusione in piccole quantit di ioni sodio (Fig. 5A-B), attraverso dei canali
passivi sodio-potassio.

Figura 5. Potenziale di riposo e pompa sodio-potassio.

Un ulteriore contributo dato dalla pompa sodio-potassio che pompa
attivamente 3 ioni sodio verso lesterno e 2 ioni potassio verso linterno,
questo processo avviene contro gradiente elettrochimico e per questo
necessario lutilizzo di ATP (Fig. 5D).
Ciascuna cellula muscolare scheletrica forma una placca o giunzione
neuromuscolare con una collaterale di un motoneurone, in quanto le fibre
muscolari sono innervate da grosse fibre nervose mieliniche che originano
dei grandi motoneuroni delle corna anteriori del midollo spinale.
D
11
LUnit Motoria (UM) costituita dal raggruppamento funzionale
costituito da un singolo assone e da tutte le cellule muscolari che esso
innerva, essa pu essere costituita da poche o da migliaia di cellule.
Sono le unit funzionali di base della contrazione in quanto possono essere
reclutate singolarmente e non le singole cellule.
Il potenziale dazione generato da una fibra motoria quando la somma
delle afferenze sinaptiche eccitatorie ed inibitorie provoca una
depolarizzazione critica del soma cellulare. Ogni volta che un impulso
nervoso giunge alla giunzione muscolare, circa 125 vescicole di acetilcolina
vengono svuotate dai bottoni terminali nello spazio sinaptico, che
determinano un potenziale di placca e un potenziale dazione in tutte le
cellule muscolari che costituiscono lunit motrice a cui segue una
contrazione sincrona della cellule.
Lacetilcolina causa una modificazione
conformazionale dei canali (Fig.6 passa da A
a B) presenti sulla cellula muscolare, in
questo modo i canali risultano aperti e
consentono il passaggio dei principali ioni
positivi: sodio (Na
+
), potassio (K
+
), calcio
(Ca
2+
). Gli ioni negativi, come gli ioni cloro,
non riescono a passare a causa delle forti
cariche negative presenti allimboccatura del
canale. Il potenziale molto negativo
allinterno della membrana muscolare, da -80
a -90 millivolt, attira gli ioni sodio, carichi
positivamente, verso linterno della fibra,
mentre, allo stesso tempo, impedisce la
fuoriuscita degli ioni potassio che tentano di passare allesterno. Pertanto, il
principale effetto
.
dellapertura di questi canali quello di consentire il
passaggio allinterno della fibra di un notevole numero di ioni sodio che
causano una variazione del potenziale locale: si verifica il potenziale di
placca.
Questultimo, a sua volta, d lavvio al potenziale dazione sulla membrana
del muscolo, provocando cos la contrazione. Una volta liberata nello spazio
sinaptico, lacetilcolina velocemente rimossa da un enzima
(acetilcolinesterasi) e una piccola parte diffonde allesterno dello spazio
sinaptico: in questo modo non pu pi agire sulla membrana della fibra
Figura 6. Canale dell'acetilcolina
12
muscolare ed impedisce una nuova eccitazione del muscolo dopo che la
fibra ha recuperato dal primo potenziale dazione.
Il potenziale dazione generato dei canali del sodio e del potassio che sono
voltaggio-dipendenti.














La membrana diventa bruscamente permeabile agli ioni sodio e si ha
uninversione di polarit (depolarizzazione). Dopo pochi millisecondi che la
membrana diventata molto permeabile aglio ioni sodio, i canali del sodio
iniziano a richiudersi ed i canali del potassio diventano pi permeabili: gli
ioni potassio vanno verso lestero della membrana, ripristinando il normale
potenziale negativo della membrana a riposo (ripolarizzazione).


1.1.3. Meccanismo di contrazione muscolare

Laccoppiamento eccitazione-contrazione il processo che lega il
potenziale dazione ai cicli dei ponti trasversali e alla contrazione. La fibra
muscolare scheletrica cos larga che il potenziale dazione che si propaga
lungo la sua superficie non causa flussi di corrente in profondit. Per avere
la contrazione necessario che queste correnti elettriche arrivino in
prossimit di ogni miofibrilla. Questo realizzato con la propagazione del
potenziale dazione lungo tubuli trasversi (tubuli T), che penetrano nella
fibra muscolare (Fig. 8). I potenziali dazione nei tubuli T inducono a loro
volta la liberazione di ioni calcio dal reticolo sarcoplasmatico nelle
Figura 7. Potenziale d'azione
13
immediate vicinanze delle miofibrille e questi ioni inducono poi la
contrazione, in quanto regolano il meccanismo dei ponti trasversali.



Figura 8. Sistema tubuli T-reticolo sarcoplasmatico

Il potenziale dazione innesca la liberazione del calcio presente nel
compartimento intracellulare delimitato dal reticolo sarcoplasmatico. La
depolarizzazione dei tubuli T, infatti, apre i canali Ca
++
voltaggio-dipendenti
ed il calcio diffonde nel mioplasma seguendo il suo gradiente
elettrochimico. un processo molto rapido e richiede solo pochi
millisecondi. Il calcio funziona come interruttore in quanto consente la
conversione dallo stato off in cui i ponti trasversali dei muscoli non possono
attaccarsi ai filamenti sottili, allo stato on dove invece possibile la
contrazione. Quando il Ca
++
rilasciato, diffonde nel citosol e va a legarsi ai
quattro siti di legame specifici posseduti dalla troponina, una proteina
associata alla tropomiosina, in questo modo i filamenti sottili sono
rapidamente attivati ed i ponti traversali iniziano i loro cicli che terminano
quando la concentrazione di Ca
++
si riduce e si dissocia dalla troponina.
Quindi i filamenti sottili si disattivano ed il muscolo si rilascia.
I muscoli devono produrre forze di diversa entit e a volte per lunghi periodi
di tempo, ci sono due meccanismi che regolano questo fenomeno. La forza
pu essere incrementata gradualmente mediante il reclutamento di un
numero sempre maggiore di unit motrici oppure incrementando la
14
frequenza di scarica delle fibre motrici. Una scarica ad elevata frequenza
delle fibre motorie provoca rilasci ripetitivi di Ca
++
in un tempo sufficiente
capace a sommare le singole risposte meccaniche e producono una
contrazione pi potente e prolungata chiamata tetano. La forza massima
sviluppata da un tetano pu essere fino a otto volte superiore rispetto a
quella sviluppata da una semplice contrazione. Le unit motrici reclutate per
eseguire le contrazioni pi deboli sono le pi piccole che sono capaci di
generare piccoli incrementi di forza. La presenza di un elevato numero di
unit motrici in un muscolo ed il meccanismo di tetanizzazione consentono
una modulazione e continua della forza generata.
La contrazione del muscolo causa un rapido incremento del consumo di
ATP, il muscolo possiede tre vie per la sua sintesi:
- La fosforilazione diretta delladenosina difosfato (ADP) dalla
creatina fosforiltransferasi: un trasferimento di una molecola di
fosfato piuttosto che una reale sintesi. La fosforilazione mantiene
elevati livelli cellulari di ATP allinizio della contrazione;
- La glicolisi che fornisce ATP ad elevata velocit, anche se il
rendimento per mole di glucosio idrolizzato basso. Il contributo di
questa termina quando si esauriscono le scorte cellulari di glicogeno
(secondi o minuti);
- La fosforilazione ossidativa che avviene nei mitocondri fornisce
ATP in modo continuo ed efficiente, questa via utilizza ossigeno e
sostrati che diffondono nella cellula attraverso i capillari. Questo
processo il pi lento e non riesce a soddisfare le richieste
energetiche dei ponti trasversali che formano cicli a velocit elevate.
Possono essere distinte diverse tipologie di contrazione muscolare:
- Contrazione isometrica: il muscolo attivato sviluppa forza a
lunghezza costante, senza accorciarsi.
- Contrazione isotonica: si realizza quando un muscolo si accorcia
sotto lazione di un carico costante. In questo caso il muscolo
compie lavoro e si possono trovare curve forza velocit che forniscono
informazioni sulla potenza muscolare.
- Contrazione tetanica: tutte le fibre sono attivate alla massima
frequenza di scarica.
- Contrazione isocinetica: una contrazione che avviene con una
velocit di accorciamento costante.
- Contrazione concentrica: una contrazione in cui si ha
laccorciamento del muscolo.
15
- Contrazione eccentrica: si ha quando il muscolo (o la fibra)
allungato da una forza esterna, ma esso genera una forza in direzione
opposta che si oppone allallungamento.

1.1.4. Tipi di fibre muscolari

La maggior parte dei muscoli dei mammiferi sono composti da un insieme
di tre tipi di fibre muscolari: un tipo di fibre a scossa lenta e due tipi di fibre
a scossa rapida. Tutte le fibre innervate dallo stesso motoneurone sono dello
stesso tipo.
I muscoli rossi sono composti prevalentemente da fibre a scossa lenta, dette
anche fibre di tipo I, la forza prodotta da queste fibre aumenta e diminuisce
in modo relativamente lento (Fig.9). I muscoli composti da queste fibre
possono produrre livelli di tensione piuttosto piccoli per lunghi periodi
senza esaurire le loro riserve energetiche. La resistenza a fatica dovuta al
fatto che queste fibre hanno un metabolismo ossidativo. Le fibre muscolari a
scossa lente sono circondate da una rete estesa di capillari che supportano il
metabolismo aerobico. Hanno un elevato numero di mitocondri, un elevato
livello di enzimi ossidativi e molta mioglobina, che lega ed accumula
ossigeno nel sangue. Producono forze contrattile inferiore rispetto alle fibre
a scossa rapida in quanto sono pi piccole e hanno un numero inferiore di
filamenti contrattili.
I muscoli bianchi sono composti prevalentemente da fibre a scossa rapida,
dette anche fibre di tipo II. La forza prodotta da queste fibre aumenta e
diminuisce rapidamente (Fig. 9) le fibre a scossa rapida possono essere
distinte in due sottotipi a seconda dei loro processi metabolici e della loro
suscettibilit alla fatica. Le fibre rapide suscettibili alla fatica (di tipo IIB)
generano forza utilizzando un catabolismo anaerobico. Possiedono grandi
scorte di glicogeno che fornisce energia per fosforilare ADP mentre il
glicogeno si converte in acido lattico. Il rapido consumo di glicogeno e
laccumulo di acido lattico permettono, per, di produrre elevati livelli di
forza solo per brevi periodi di tempo, ed occorrono diverse ore prima che
esse possano recuperare del tutto. Laltro sottotipo di fibre, sono le fibre
rapide resistenti alla fatica (di tipo IIA) generano scosse relativamente
rapide e sviluppano velocit di contrazione relativamente elevate poich
sono dotate di capacit aerobica che consente ad esse di resistere alla fatica
per diversi minuti.

16

Figura 9. Fibre muscolari

Le unit funzionali dei muscoli sono le unit motorie e non le singole
cellule, per questo si parla di unit motrici rapide e lente. Si differenziano
per essere costituite soltanto da fibre rapide o lente. Generalmente le unit
motrici lente producono basse forze poich il diametro cellulare medio
relativamente piccolo e contengo un numero di cellule non elevato.
linnervazione che determina le caratteristiche fisiologiche dellunit
motrice. Le fibre nervose con corpi cellulari piccoli e assoni di piccolo
diametro possono sintetizzare piccole quantit di acetilcolina e formano
piccole unit motrici, ma i piccoli assoni motori sono i pi eccitabili poich
a livello del loro corpo cellulare sono necessari potenziali postsinaptici
eccitatori minori per depolarizzare la cellula fino al potenziale critico per
generare il potenziale dazione. I grossi neuroni delle unit motrici rapide,
invece, sono meno eccitabili. Queste unit motrici possono contenere oltre
un migliaio di cellule e sono in grado di sviluppare forza di centinaia di
grammi.
Sia nelle contrazioni riflesse sia in quelle volontarie le unit motrici sono
reclutate secondo un ordine prestabilito, dallunit che sviluppa meno forza
a quella che sviluppa la forza massima. Perci, quando un muscolo
innervato da diverse unit motrici deve sviluppare una forza modesta, tale
forza fornita soltanto da unit a scossa lenta. Quando si devono sviluppare
17
forze pi elevate, sono prima reclutate le unit resistenti alla fatica e poi
quelle suscettibili alla fatica, secondo un ordine estremamente preciso, in
base al livello di forza che ciascuna unit produce. Quando la forza
sviluppata dal muscolo si riduce, le unit motrici cessano di scaricare
seguendo lordine opposto a quello di reclutamento: le unit grandi cessano
di scaricare per prime.
Lordine di reclutamento delle unit motrici legato alla velocit di
conduzione degli assoni dei motoneuroni e del loro diametro (Fig. 10), oltre
che alla dimensione e forza delle loro fibre muscolari.


Figura 10. Principio del reclutamento.

La soglia di scarica di un neurone dipende dalla sua resistenza elettrica, che
inversamente proporzionale allarea della sua superficie. Lo stesso segnale
sinaptico provoca nei neuroni di piccolo diametro, che hanno unelevata
resistenza elettrica, variazioni di membrana maggiori rispetto a quelle che
18
provoca nei neuroni di grande diametro. Perci, man mano che aumenta
lampiezza dei segnali sinaptici eccitatori convogliati ad un nucleo motore, i
singoli motoneuroni raggiungono la soglia di scarica seguendo lordine delle
loro dimensioni: i pi piccoli scaricano per primi e pi grandi per ultimi.
Questo il principio della dimensione che regola lordine di reclutamento
dei motoneuroni, che svolge due importanti funzioni:
Minimizza lo sviluppo della fatica, in quanto consente di utilizzare
per la maggior parte del tempo le fibre muscolari pi resistenti a
fatica, mantenendo di riserva le fibre pi suscettibili alla fatica
finch non necessario sviluppare forze pi elevate;
Gli incrementi di forza generati da unit motrici attivate in
successione sono approssimativamente proporzionali al livello di
forza al quale vengono reclutate le singole unit motrici.
Quando un nucleo motore comincia ad essere attivato da segnali periferici
discendenti, i motoneuroni iniziano a scaricare a frequenze basse e regolari.
Questa scarica provoca linsorgenza di un treno di scosse parzialmente fuse
a livello delle fibre muscolari controllate dai motoneuroni attivati. Mano a
mano che aumenta il segnale sinaptico che raggiunge il nucleo motore,
aumenta anche la frequenza di scarica dei motoneuroni gi attivi mentre
raggiungono la soglia di scarica altri motoneuroni che hanno dimensioni pi
elevate e danno il loro contributo nello sviluppo della forza: si ha un
aumento graduale della forza generata.
La forza complessiva della forza dipende sia dal numero di motoneuroni
attivati che dalle loro dimensioni.


1.2. La fatica muscolare

Le prime unit motrici ad essere reclutate sono quelle lente, pi eccitabili
ma anche pi resistenti alla fatica. Per contrazioni pi potenti e rapide, che
richiedono maggiore forza, sono reclutate anche le fibre rapide. Questi
sforzi di notevole entit non possono, per, essere protratti per un lungo
periodo in quanto le unit motrici rapide si affaticano rapidamente.
Le cause generali della fatica fisica generale che si prova dopo un lavoro
muscolare intenso, sono poco conosciute. Questo stato di malessere fisico
percepito prima che le cellule smettano di contrarsi. Anche nelle unit
motrici lente si riducono i contenuti cellulari di creatina fosfato e di
glicogeno durante lattivit. Le attivit delle unit motrici sono sospese
19
molto prima che le concentrazioni cellulari di ATP decadano a livelli troppo
bassi. Ci sono variazioni metaboliche come laumento di concentrazione
ematica di acido lattico ed una riduzione del pH che possono contribuire al
senso di fatica, ma non spiegano completamente questo fenomeno. Un
elevato metabolismo ossidativo dopo lattivit motoria rimpiazza le riserve
in pochi minuti, anche se la fatica continua a persistere.
L'applicazione protratta di stimoli ripetuti provoca, dopo un certo tempo,
laffaticamento del muscolo, che si manifesta con una progressiva
diminuzione della sua risposta meccanica. La fatica muscolare deve essere
considerata come una risposta fisiologica conseguente a un sovraccarico
funzionale ed agevolmente superata con il riposo e il ripristino delle
riserve energetiche dell'organismo La fatica muscolare un fenomeno
complesso, del quale, nonostante siano stati condotti in proposito numerosi
studi, non sono state ancora interamente accertate le sedi e le cause. Si
suppone generalmente che l'affaticamento abbia come fondamento
alterazioni funzionali del muscolo stesso, della giunzione neuromuscolare e
delle componenti del sistema nervoso che regolano l'attivit motoria.
- Fattori muscolari: L'accumulo di acido lattico uno dei fattori
muscolari correlati con la diminuzione della forza massima
sviluppata. Per far s che il muscolo possa contrarsi in modo
ripetitivo, si deve raggiungere un equilibrio tra fornitura aerobica di
energia e fabbisogno energetico. Se quest'ultimo non pu essere
garantito per via aerobica, si ricorre alla liberazione anaerobica di
energia con conseguente accumulo di acido lattico nelle fibre
muscolari. All'aumentare della concentrazione di acido lattico il pH
diminuisce, alterando la composizione dell'ambiente intracellulare,
che determina la riduzione della quantit di ioni Ca
+
che sono
liberati dal reticolo sarcoplasmatico, ostacolando la contrazione e
l'inibizione di alcuni enzimi chiave della glicolisi anaerobica. Tale
inibizione rallenta la glicolisi e, di conseguenza, riduce la
disponibilit di adenosintrifosfato (ATP) per l'erogazione di energia.
Un altro importante fattore della fatica muscolare l'esaurimento
delle scorte di ATP, di fosfocreatina e di glicogeno nel muscolo
stesso. L'ATP, che l'unica sorgente diretta di energia per la
contrazione, contenuto nel muscolo in quantit assai esigue (4-6
mmol/kg di muscolo) e per questo durante sforzi di notevole
intensit esaurito entro alcuni secondi. In modo analogo, la
fosfocreatina, che rappresenta la fonte energetica pi rapidamente
20
disponibile per una nuova sintesi dell'ATP, contenuta nel muscolo
nella concentrazione di 15-17 mmol/kg di muscolo. Per quanto
riguarda il glicogeno muscolare, stato dimostrato che durante
l'esercizio fisico protratto (oltre i 30 min), le scorte di questo
materiale energetico (13-15 g/kg di muscolo) vengono pressoch
completamente esaurite; si pensa che un consumo di glicogeno
spinto possa essere una causa della fatica muscolare malgrado
permanga la disponibilit di altri combustibili, come, ad esempio, gli
acidi grassi.
- Giunzione neuromuscolare: la struttura mediante la quale il
motoneurone stimola la fibra muscolare inducendo in essa il
processo di contrazione; la trasmissione dell'eccitamento dal neurone
alla fibra muscolare attuata mediante la liberazione del mediatore
chimico acetilcolina. La fatica di trasmissione insorge in seguito a
un'eccitazione prolungata del motoneurone a frequenza elevata. In
questo tipo di fatica, la stimolazione diretta del muscolo dimostra
che questo non ha perduto la sua capacit contrattile, anche quando
la sua risposta alla stimolazione del nervo appare considerevolmente
ridotta. La fatica di trasmissione pu essere attribuita a una diminuita
capacit della giunzione neuromuscolare di trasmettere gli impulsi
nervosi alla fibra muscolare. La causa di questa alterazione potrebbe
risiedere nella diminuzione della velocit di formazione e di
liberazione del mediatore acetilcolina da parte della terminazione
nervosa del motoneurone.
- Sistema nervoso centrale: La fatica che incide sulla prestazione
muscolare, sia essa sportiva o lavorativa, stata anche messa in
correlazione con un possibile affaticamento dei centri nervosi che
regolano l'attivit motoria. La fatica dei centri motori stata
dimostrata mediante l'impiego di diverse tecniche, come ad esempio,
la misura dei tempi di reazione e la somministrazione di test atti alla
valutazione dell'attivit di coordinazione. Per questo si pensa che
quando il muscolo si affatica, da questo possano essere inviati al
sistema nervoso segnali in grado di determinare fenomeni inibitori
nelle cellule nervose del sistema motorio.
Dopo un periodo di riposo, la fatica diminuisce fino a scomparire e le
alterazioni fisico-chimiche caratteristiche del muscolo affaticato sono
progressivamente rimosse. L'insieme dei fenomeni che si verificano durante
una pausa di riposo che segue l'esercizio viene generalmente indicato con il
21
termine restauro. Le finalit del processo di restauro sono la ricostituzione
delle riserve energetiche muscolari, utilizzate durante la contrazione, e la
rimozione dell'acido lattico accumulato. Le riserve di ATP e di fosfocreatina
sono rapidamente ricostituite durante i primi 3-5 minuti del restauro, mentre
per il ripristino delle riserve di glicogeno muscolare possono rendersi
necessari anche parecchi giorni e l'assunzione di carboidrati con la dieta. La
rimozione dell'acido lattico, accumulatosi nel sangue e nel muscolo durante
l'esercizio, pu richiedere fino a oltre 60 minuti e avviene prevalentemente
mediante due reazioni: la conversione in glucosio e l'ossidazione fino ad
anidride carbonica e acqua. La riconversione in glucosio riguarda soltanto
una frazione minore dell'acido lattico complessivamente rimosso e avviene
nel fegato e nel muscolo. L'ossidazione si svolge soprattutto nel muscolo
scheletrico, ma si verifica anche nel cuore, nei reni, nel fegato e nel cervello.
L'individuo in grado di valutare soggettivamente con buona precisione il
livello del proprio affaticamento e del successivo restauro. Coloro che
praticano abitualmente esercizio fisico intenso, hanno una migliore
percezione della fatica. Non chiaro se tale apprezzamento sia basato sulla
percezione della forza prodotta dai muscoli o su una particolare
sensibilit, in grado di dare indicazioni circa l'impegno funzionale dei vari
apparati che sono al servizio della prestazione fisica. Peraltro, numerosi
sono gli indici fisiologici che possono essere utilizzati per monitorare
obiettivamente l'approssimarsi dello stato di affaticamento. I pi utilizzati
sono: diminuzione della forza e della capacit di lavoro; modificazioni
ematochimiche, quali la concentrazione dell'acido lattico e la diminuzione
della riserva alcalina; alterazioni della funzione cardiocircolatoria con
particolare riferimento alla frequenza cardiaca e alla pressione arteriosa;
alterazioni della frequenza e della profondit del respiro; variazioni del
quoziente respiratorio; aumento della temperatura corporea; scadimento
della coordinazione motoria.






22
Capitolo 2

2.1. Analisi tempo-frequenza
Diverse sono le tecniche di elaborazione utilizzate allo scopo di estrarre da
un segnale le informazioni necessarie per il supporto decisionale su specifici
problemi (fig. 11). Gli algoritmi e quindi le metodologie di signal
processing vengono classificati in base al dominio in cui sono definiti: il
dominio del tempo, il dominio della frequenza e il dominio congiunto
tempo-frequenza.





Algoritmi parametrici di elaborazione del segnale potranno essere utilizzati
per la classificazione e lestrazione di caratteristiche se esiste un modello
accurato del segnale in un definito spazio di rappresentazione [10].
La modellazione di segnali non stazionari pi difficile e modelli
parametrici coerenti spesso non esistono, tranne in pochi casi
molto particolari, ad esempio per segnali chirp mono o multi componente.
Lanalisi tempo-frequenza (TFA) di grande interesse quando i modelli del
Fig. 11. Tecniche di elaborazione del segnale attraverso la classificazione per modello in
applicazioni tipiche.
23
segnale non sono disponibili. In molti casi, la descrizione di un segnale nel
dominio del tempo o della frequenza da sola non pu fornire informazioni
dettagliate per la classificazione e lestrapolazione delle caratteristiche.
Nel dominio del tempo, manca la descrizione in frequenza dei segnali.
Mentre la trasformata di Fourier del segnale non pu descrivere come il
contenuto spettrale del segnale cambi con il tempo, che fondamentale in
molti segnali non stazionari. Quindi, la variabile tempo introdotta
nell'analisi base di Fourier al fine di fornire una vera e propria
descrizione delle variazioni del contenuto spettrale in funzione del tempo.
Pertanto, l'obiettivo fondamentale della TFA quello di determinare
la concentrazione di energia lungo l'asse delle frequenze in un dato istante,
cio, di cercare la rappresentazione del segnale nel dominio congiunto
tempo-frequenza [11]. Nel caso ideale, la trasformata tempo-frequenza
dovrebbe fornire informazioni dirette sulle componenti di frequenza che si
hanno in un dato istante, combinando l'informazione locale dello " spettro
frequenza istantaneo" con le informazioni globali del comportamento
temporale del segnale.
Le rappresentazioni tempo-frequenza (TFRs) possono essere classificate in
base agli approcci di analisi. Nella prima categoria, il segnale
rappresentato da funzioni tempo-frequenza (TF) derivate traslando,
modulando e scalando una funzione base che ha una definita localizzazione
nel tempo e in frequenza. Per un segnale x(t) la TFR data da

*
, ,
( , ) ( ) ( ) ,
x t t
TF t x d x
e e
e t | t t |
+

= =
}


La Short-Time Fourier Transform (STFT) [13] e le Wavelets [13] sono
tipici esempi di questa categoria.
Lidea di Cohen di distribuzioni tempo-frequenza (TDF), originariamente
proposta in [14], rappresenta la seconda categoria di TFRs. Questo
approccio caratterizza la TFR con la funzione kernel. Le propriet della
rappresentazione si riflettono in semplici vincoli nel kernel che produce la
TFR con le desiderabili propriet indicate [11].




24
2.1.1. Rappresentazione nel tempo

La rappresentazione di un segnale nel tempo il modo pi naturale per
osservare landamento di un segnale. Molte rappresentazioni temporali
possono essere dedotte da principi di energia. Per un segnale ad energia
finita x(t), la sua potenza istantanea definita come:
dt t x E
x
}


=
2
) ( :

Questo valore pu essere considerato come una distribuzione dellenergia
del segnale nel dominio del tempo. Due descrittori del segnale sono listante
di tempo medio, dove localizzata lenergia del segnale (centro di gravit
temporale) e la dispersione del segnale intorno a questo istante di tempo:
dt t x t
E
t
x
x
}


=
2
) (
1
:

( ) ( )
2
2
2
2
2 2
) (
1
) (
1
:
x
x
x
x
x
t dt t x t
E
dt t x t t
E
t = = A
} }




2.1.2. Rappresentazione in frequenza

In molti casi la rappresentazione nel tempo non permette una buona
percezione dellinformazione contenuta nel segnale, soprattutto se questa
informazione riguarda la ripetizione regolare di un evento: per questo le
rappresentazioni in frequenza rappresentano unalternativa interessante.
Sono basate sul concetto di frequenza e di sinusoidi. La rappresentazione
pi nota quella di Fourier, essa corrisponde allespansione del segnale
nella famiglia ortogonale di esponenziali complessi:

con

(1)

dove, la trasformata di Fourier del segnale Le operazioni di
convoluzione e di differenziazione costituiscono un motivo per lutilizzo di
questa rappresentazione. Inoltre, il suo modulo al quadrato, chiamato
densit di energia spettrale, rappresenta la distribuzione di energia nel
25
dominio della frequenza, poich il teorema di Parseval mostra che il suo
integrale sullintero asse di frequenza uguaglia lenergia del segnale:



Questo permette di caratterizzare il segnale definendo la localizzazione della
frequenza media e della banda di frequenza:



Per le caratterizzazioni in frequenza necessario che il segnale soddisfi
lassunzione di stazionariet, ovvero che il segnale contenga la stessa
informazione per lintera durata di osservazione. Questa assunzione
necessaria se si considera la definizione nellequazione (1) di una variabile
in frequenza f che viene integrata su tutto il tempo da

a + . Nel caso
deterministico, ci equivale a rappresentare il segnale come somma discreta
di sinusoidi:


dove
i
A ,
i
f e
i


sono coefficienti reali. Nel caso stocastico, lassunzione di
stazionariet corrisponde alla covarianza per le traslazioni nel tempo di
tutti i momenti del segnale. Comunque questo vincolo per segnali random
spesso esteso allassunzione di covarianza di traslazioni temporali solo
dei primi due momenti statistici. La stazionariet risultante in senso ampio
equivale a dire che il valor medio indipendente dal tempo e che la
funzione di autocorrelazione E dipenda solo dalla differenza tra due istanti
di tempo:
, ,T t | | | |
x
m T t x E t x E = + = ) ( ) (

=
x
m costante e
| | | | ) ( ) ( ) ( ) ( ) (
2 1 2 1 2 1
t t T t x T t x E t x t x E
x c c c c
= + + =
- -



con ( ) ( )
x c
m t x t x = :

26
dove,

il complesso coniugato di

Lortogonalit temporale
della famiglia di esponenziali complessi poi completata dalla ortogonalit
statistica tra i valori della trasformata di Fourier del segnale a diverse
frequenze, mostrando lassenza di correlazione tra i valori della
rappresentazione spettrale del segnale e lassenza di ridondanza tra
questi valori: se
}

.
= dt e t x f x
ft j
c
c
t 2
) ( ) (

Allora

| |
} }



.
.
=
(

2 1
) ( 2
2
*
1 2
*
1
2 2 1 1
) ( ) ( ) ( ) ( dt dt e t x t x E f x f x E
t f t f j
c c
t


con
}

.
= t t
t t
d e f
f j
x x
2
) ( : ) (
dove
(

|
.
|

\
|

|
.
|

\
|
+ =
2 2
: ) (
*
t t
t t x t x E
c c x


Quando il segnale osservato non pu essere considerato stazionario, le
rappresentazioni in frequenza perdono parte del loro significato, infatti, non
sono dei buoni descrittori: per questo si ricorre ad una rappresentazione in
tempo-frequenza, dove linformazione contenuta nel segnale risiede
nellevoluzione del suo contenuto in frequenza nel tempo, come nel caso di
segnali vocali o di alcuni fenomeni naturali, come la transizione della luce
dal giallo al rosso durante il tramonto, variazioni di onde emesse da oggetti
in movimento che sono causa delleffetto Doppler.

2.1.3. Rappresentazioni tempo-frequenza ideali

In alcuni casi, il segnale in esame non ha le stesse informazioni durante
lintera osservazione e cos non si pu espandere come somma di sinusoidi,
( )
( )
2 1
2 1 2
2
*
2 2 2
2 1
2 1
f f
f f
dtd e t x t x E
x
f f
t f f j
c
c
|
.
|

\
| +
=
(
(

|
.
|

\
|

|
.
|

\
|
+ =
.

+
+
} }
o t
t t
t t
27
per questo occorrono metodi di analisi in cui coesistono variabili nel tempo
e in frequenza. Una differente nozione di frequenza pu essere ottenuta con
laiuto della proiezione analitica del segnale, che assegna al segnale ( ) t x ,
avente la trasformata di Fourier ( ) f x
.
, un segnale ( ) t x
a
, chiamato segnale
analitico:
), ( ) ( ) ( ) (
*
f f x f x f x
a
I
(

+ =
.
. .
con

<
=
>
= I
0 , 0
0 , 2 / 1
0 , 1
: ) (
f
f
f
f
Per un segnale ( ) t x a valori reali, questa proiezione lineare sopprime la
ridondanza di ) ( f x
.
tra frequenze positive e negative: mantiene soltanto le
frequenze positive, quelle che sono considerate come le pi significative dal
punto di vista fisico. Quindi, ad ogni segnale reale ( ) t x , la proiezione
analitica associa il segnale complesso ( ) t x
a
con la stessa energia, la cui parte
reale uguale a ( ) t x e la parte immaginaria data dalla trasformata di
Hilbert di ( ) t x . Il segnale analitico a valori complessi ( ) t x
a
formato dalla
parte del segnale a valori reali come segue:


dove la trasformata di Hilbert. Nel dominio della frequenza si ha:


dove rappresenta la trasformata di Fourier,

e
.
La trasformata di Fourier della trasformata di Hilbert definita come:




Perci, il segnale analitico ha lo spettro negativo nullo e non si ha una
perdita di informazione del segnale.
Facendo riferimento al segnale analitico, si pu definire in modo univoco
linviluppo del segnale ( ) t a
x
, uguale al modulo di ( ) t x
a
, e la sua frequenza
istantanea ( ) t f
x
, ricavata derivando la sua fase:
) ( : ) ( t x t a
a x
=

e ) (
2
1
: ) ( t
dt
d
t f
x x
|
t
=
con
) (
) ( ) (
t j
x a
x
e t a t x
|
=
28
Inoltre, il valor medio della frequenza istantanea uguale alla frequenza
media del segnale:
} }

.
= =
a
x a x
x
a
x
f dt t x t f
E
df f x f
E
2
2
0
) ( ) (
1
) (
1

Per la formula di dualit basata sulla forma polare della trasformata di
Fourier del segnale, si pu ottenere una formula simile nel dominio della
frequenza:
) (
) ( ) (
f j
x
e f x f x

. .
=

il cui modulo chiamato ampiezza spettrale del segnale e la sua fase
chiamata fase spettrale, da cui pu essere dedotto il ritardo di gruppo per
differenziazione:
) (
2
1
: ) ( f
df
d
f t
x x

t
=
Il ritardo di gruppo pu essere considerato come listante di tempo
principale dove si presenta la frequenza f ; come per la frequenza
istantanea, il valor medio del ritardo di gruppo uguale al tempo medio del
segnale:
x x
x x
t df f x f t
E
dt t x t
E
= =
} }


.
2
2
) ( ) (
1
) (
1

Queste definizioni aprono la strada per le rappresentazioni in tempo-
frequenza, per questo si definisce un tempo-frequenza istantanea (TIF
x
) e
un ritardo di gruppo-rappresentazione in frequenza (GDF
x
), che
localizzano lenergia locale nei punti (t, f
x
(t)) o (t
x
(f),f):
( ) ) ( ) ( ) , (
2
t f f t x f t TIF
x a x
= o
)) ( ( ) ( ) , (
2
f t t f x f t GDF
x a x
=
.
o
Per queste definizioni possono essere utilizzate solo raramente in quanto
non forniscono una caratterizzazione pertinente ed esaustiva quando il
segnale costituito dalla somma di molte componenti localizzate allo stesso
istante di tempo o frequenza.



29
2.2. Le classi di Cohen

Lenergia del segnale deve essere distribuita nel piano tempo-frequenza. Un
modo per fare ci utilizzare una rappresentazione quadratica:
( ) ( ) ( ) ( )
} } } }


|
.
|

\
|
|
.
|

\
|
+ = = t u
t
u
t
u t u k d d x x f t dt dt t x t x f t t t K f t TFR
x
2 2
, ; , , ; , ) , (
*
2 1 2
*
1 2 1

con il kernel ( )
|
.
|

\
|
+ = f t K f t , ;
2
,
2
: , ; ,
t
u
t
u t u k che permette alla
rappresentazione di soddisfare determinate propriet. Questultimo deve
essere integrabile per garantire lesistenza della rappresentazione per segnali
ad energia finita. Se un segnale ( ) t y derivato dal segnale ( ) t x traslato nel
tempo, ovvero ( ) ( )
0
t t x t y = , per ogni istante di tempo t e per ogni
frequenza f si vuole che ( ) ( ) f t t TFR f t TFR
x y
, ,
0
= . Questo impone un
primo vincolo sul kernel:

, , , , ,
0
t u t f t

( ) ( ) t u k t u k , ; , , ; ,
0 0
f t t t f t = +

Questo vincolo deve essere soddisfatto per ogni scelta di t , f ,u e
0
t .
Ponendo s 0 = u e u =
0
t , lequazione diventa:
( )
} }


|
.
|

\
|

|
.
|

\
|
+ = t u
t
u
t
u t u d d x x f t k f t TFR
x
2 2
, , ) , (
*

La modulazione del segnale da sinusoidi complesse a frequenza
0
f produce
uno spostamento della rappresentazione di
0
f , ovvero se ( ) t y ottenuto da
( ) t x tramite una modulazione in frequenza, cio ( ) ( )
t f j
e t x t y
0
2t
= , si ha che
( ) ( )
0
, , f f t TFR f t TFR
x y
= , quindi abbiamo un ulteriore vincolo sul
kernel:

, , , , ,
0
t u t f t

( ) ( ) t t k
t t
, , ; ,
0
2
0
f f t k e f t
f j
=

Ponendo 0 = f Hz e f f =
0
, si ottiene:
( ) ( )
} }



|
.
|

\
|

|
.
|

\
|
+ = = t u
t
u
t
u t u |
t t
d d e x x t f t C f t TFR
f j
d t x x
2 *
2 2
, : , ) , (

con ( ) ) , 0 ; 0 , ( ) , 0 , ( : , t k t t | t t k t
d t
= =


che rappresenta il kernel nel piano
tempo-ritardo.
30
Questa espressione caratterizza tutte le rappresentazioni bilineari covarianti
per traslazioni nel tempo ed in frequenza; questo insieme chiamato
Classe di Cohen. Lespressione pu essere riscritta come trasformata di
Fourier della funzione di autocorrelazione istantanea del segnale:
( ) ( )
}

= t t
t t
d e t r f t C
f j
x x
2
, ,
con ( ) ( )
}



|
.
|

\
|

|
.
|

\
|
+ = u
t
u
t
u t u | t d x x t t r
d t x
2 2
, : ,
*
che la funzione di
autocorrelazione istantanea del segnale.
Possiamo scrivere ancora due espressioni equivalenti. La prima ottenuta
spostandoci dalla variabile di convoluzione temporale u alla variabile in
frequenza utilizzando la trasformata di Fourier:
( ) ( ) ( )
( )
} }



= t t |
t t
d d e A t f t C
f t j
x D d x
2
, : ,

con ( )
}

|
.
|

\
|

|
.
|

\
|
+ = dt e t x t x A
t j
x
t
t t
t
2 *
2 2
: ,

e
( ) ( )
}


= dt e t
t j
d t D d
t
t | t |
2
, : ,
La funzione
x
A chiamata funzione ambiguit simmetrica a banda stretta,
mentre ( ) t | ,
D d
il kernel della distribuzione rappresentato nel piano
ritardo nel tempo ed in frequenza (doppler). sempre una rappresentazione
quadratica tempo-frequenza, comunque i due parametri t e non sono
valori assoluti ma relativi al valore dello spostamento del segnale. La
funzione ambiguit ha la caratteristica di avere modulo invariante per
traslazioni nel tempo o in frequenza.
La seconda espressione si ricava spostandoci dalla variabile di ritardo t alla
variabile di convoluzione in frequenza v utilizzando la trasformata di
Fourier:
( ) ( )
} }



= dv d v W v f t f t C
x f t x
u u u | ) , ( , : ,

31
con ( )
}

|
.
|

\
|

|
.
|

\
|
+ = t
t t

t t
d e t x t x t W
f j
x
2 *
2 2
: , e
( ) ( )
}


= t t | |
t t
d e t f t
f j
d t f t
2
, : ,
La funzione ( ) f t W
x
, chiamata distribuzione di Wigner-Ville. uno degli
elementi pi importanti della classe di Cohen.
Ogni rappresentazione della classe di Cohen perfettamente caratterizzata
da uno dei tre kernel ) , ( t | t
d t
, ) , ( t |
D d
o ) , ( f t
f t
| , che possono essere
ottenuti da ogni altra trasformata di Fourier. Il primo kernel
principalmente utilizzato per calcolare la rappresentazione del segnale dal
dominio tempo-frequenza, il secondo permette una semplice analisi delle
caratteristiche della rappresentazione e il terzo indica il tipo di smoothing
che stato applicato alla distribuzione di Wigner-Ville, pu essere
interpretato come un filtro passa - basso a due dimensioni.
I vincoli di covarianza alle traslazioni in tempo e in frequenza, che portano
alla definizione della classe di Cohen, danno luogo a molte possibili
rappresentazioni, per questo ci sono ulteriori vincoli che devono essere
soddisfatti per ottenere rappresentazioni corrette in tempo-frequenza. Queste
propriet/vincoli possono essere suddivise in quattro gruppi:
- Il primo gruppo (propriet 15) raggruppa la propriet di natura pratica,
simili alla covarianza. La rappresentazione si modifica in modo logico
quando sono applicate trasformazioni semplici al segnale;
- Il secondo gruppo (propriet 611) riguarda propriet relative alla nozione
di distribuzione di energia del segnale e densit di energia;
- Il terzo gruppo (propriet 1215) corrisponde a specifiche necessit per il
processamento del segnale: infatti, se il segnale viene filtrato o modulato
ci causa azioni separate sulle variabili nel tempo e in frequenza;
- Lultimo gruppo (propriet 1618) riguarda labilit di interpretare in
modo corretto i risultati prodotti dalla rappresentazione in tempo-
frequenza.





32
PROPRIETA:

0. Covarianza per traslazioni in tempo ed in frequenza
( )
1 1
2
1 1 1
, ) , ( ) ( ) ( , ,
1
f f t t C f t C e t t x t y f t
x y
t f j
= =
t

Condizioni: nessuna
Traslazioni nel tempo e in frequenza del segnale comportano traslazioni
corrispondenti nello spettro.
1. Covarianza per variazioni di scala
( ) ( ) af a t C f t C a t x a t y a
x y
, / ) , ( / ) ( , 0
2 / 1
= = >


Condizioni: ) , / ( ) , ( , 0 , , t | t | t a a a
D d D d
= >
Variazioni di scala del segnale causano modifiche in scala dello spettro
tempo-frequenza.
2. Covarianza per inversione nel tempo
) , ( ) , ( ), ( ) ( f t C f t C t x t y
x y
= =
Condizioni: ) , ( ) , ( , , t | t | t =
D d D d

Invertendo il segnale nel tempo, si inverte lo spettro sia nel tempo che in
frequenza.

3. Covarianza per complessi coniugati
) , ( ) , ( ) ( ) (
*
f t C f t C t x t y
x y
= =
Condizioni: ) , ( ) , ( , , t | t | t =
D d D d

Se viene considerato il segnale complesso coniugato, lo spettro si inverte in
frequenza.

4. TFR reale
( ) f t C f t C f t
x x
, ) , ( , ,
*
=
Condizioni: ) , ( ) , ( , ,
*
t | t | t =
D d D d

33
La rappresentazione tempo-frequenza ha solo valori reali, quindi coincide
con il suo complesso coniugato, in quanto la parte immaginaria nulla.

5. Causalit
) , ( f t C
x
dipende solo da ) (u x con t u <
Condizioni: 0 ) , ( 2 / , , = <

t | t t t t t
d t

La TRF dipende solo dalla storia del segnale e non dal kernel

6. Conservazione dellenergia
} } }


= dt t x dtdf f t C
x
2
) ( ) , (
Condizioni: 1 ) 0 , 0 ( =
D d
|
La doppia integrazione in tempo ed in frequenza della TFR corrisponde
allenergia del segnale nel tempo.

7. Conservazione della potenza istantanea
}


=
2
) ( ) , ( , t x df f t C t
x

Condizioni: 1 ) , 0 ( , =

|
D d

Integrando la TFR in frequenza, per ogni istante di tempo t, otteniamo la
potenza istantanea.

8. Conservazione della densit di energia dello spettro
}


.
=
2
) ( ) , ( , f x dt f t C f
x

Condizioni: 1 ) 0 , ( , =

t | t
D d

Integrando la TRF nel tempo, per ogni frequenza f, otteniamo la densit di
energia dello spettro.

34
9. Conservazione della frequenza istantanea
)) ( arg(
2
1
) ( , ) ( ) ( ) , ( ,
2
t x
dt
d
t f t x t f df f t tC t
x x x
t
= =
}



Condizioni: 1 ) , 0 ( , =

|
D d
e 0 ) , 0 ( =
c
c

|
t
D d

Per ogni istante di tempo t, possiamo ricavare il valore della frequenza
istantanea, definita come la derivata rispetto al tempo della fase del
segnale.

10. Conservazione del ritardo di gruppo
|
.
|

\
|
= =
.


.
}
) ( arg
2
1
) ( , ) ( ) ( ) , ( ,
2
f x
df
d
f t f x f t dt f t tC f
x x x
t

Condizioni: 1 ) 0 , ( , =

t | t
D d
e 0 ) 0 , ( =
c
c

t |

D d

Per ogni frequenza f, possiamo ricavare il valore dellistante di tempo
medio, definito come la derivata rispetto alla frequenza della fase del
segnale.

11. Positivit
0 ) , ( , , ), ( > f t C f t t x
x

Condizioni: ( )
}

= o t o t |
o
d A c
h D d
) , ( ) , ( con ( ) 0 , > o o c
La rappresentazione tempo-frequenza ha solo valori positivi, in quanto
una rappresentazione dellenergia del segnale, quindi non ha senso parlare
di energie negative.

35
12. Compatibilit con filtraggio lineare
} }


= = du f u t C f u C f t C du u t x u h t y
x h y
) , ( ) , ( ) , ( ) ( ) ( ) (
Condizioni: ) , ' ( ) , ' ( ) , ( , , ' , t t | t | t | t t + =
D d D d D d

Se il segnale da analizzare filtrato, la TFR complessiva data dal
prodotto tra la TRF del filtro e del segnale originale traslato nel tempo.
13. Compatibilit con la modulazione
}


= = u u u d f t C t C f t C t x t m t y
x m y
) , ( ) , ( ) , ( ) ( ) ( ) (
Condizioni: ) ' , ( ) ' , ( ) , ( , ' , , t | t | t | t + =
D d D d D d

Se il segnale da analizzare modulato, la TFR totale data dal prodotto tra
la TRF della modulante e del segnale originale traslato in frequenza.

14. Conservazione del prodotto scalare (unitariet, Formula di Moyal)
} } }


=
2
* *
) ( ) ( ) , ( ) , ( dt t y t x dtdf f t C f t C
x x

Condizioni: 1 ) , ( , ,
2
=

t | t
D d

Questa condizione esprime la conservazione del prodotto scalare, questa
operazione lecita.
15. Possibilit di inversione
) (t x pu essere ricavato dalla TFR con una fase costante
Condizioni: 0 ) , ( , , =

t | t
D d

Dalla TFR, possiamo ritornare al segnale originale da cui stata ottenuta.
36
16. Conservazione del sostegno del segnale
Se 0 ) ( , = > t x T t t e 0 ) , ( , = > f t C T t t
x

Condizioni: 0 ) , ( 2 , , = <

t | t t t t t
D d

Per segnale nulli, la TFR nulla.
17. Conservazione dei valori nulli del segnale
( ) ( ) 0 , , 0
0 0
= = f t C f t x
x

Condizioni:
2 / 2
2
2 / 2
1
) ( ) ( ) , (
tt tt
t t t |
j j
D d
e h e h + =


Nei punti in cui il segnale assume valori nulli nel tempo, anche la sua
rappresentazione in tempo-frequenza, ha valori nulli.
18. Conservazione dei valori nulli dello spettro


19. Condizioni:
2 / 2
2
2 / 2
1
) ( ) ( ) , (
tt tt
t |
j j
D d
e G e G + =


Nei punti in cui lo spettro del segnale assume valori nulli, anche la sua
rappresentazione in tempo-frequenza, ha valori nulli.

Unanalisi globale dei vincoli mostra che la maggior parte di essi trovano la
loro espressione pi semplice nel piano ambiguit, perci la conoscenza del
kernel ) , ( t |
D d
di una rappresentazione il modo pi semplice per
dedurre le sue propriet.

2.2.1. Esistenza ed origine dei termini di interferenza

La rappresentazione tempo-frequenza una forma bilineare del segnale e
per questo la rappresentazione della somma di due segnali non uguale alla
somma delle rappresentazioni delle singole componenti.
Infatti, se consideriamo

, si ottiene:


37
con

2222
dove

sono termini aggiuntivi e vengono chiamati termini di


interferenza, mentre i termini dovuti alle componenti del segnale sono
definiti autotermini.
Se la rappresentazione tempo-frequenza conserva lenergia del segnale
(propriet 6), questi termini di interferenza si distribuiscono nel prodotto
scalare delle componenti del segnale:


quindi


La presenza dei termini di interferenza risulta, quindi, una condizione
indispensabile per la propriet di conservazione dellenergia. La
localizzazione e lampiezza di questi termini spesso rendono difficile
linterpretazione della rappresentazione. La Fig. 10 mostra come si
presentano i termini di interferenza (6).

Figura 12. Distribuzioni di Wigner Ville (a) e Choi-Williams (b e c) per la somma di due sinusoidi

. La distribuzione di Wigner Ville mostra termini di interferenza molto elevati


(picchi presenti tra

), mentre per la Choi-Williams hanno unampiezza ridotta e si modificano


variando il fattore di scala (sigma) da

(b) a

(c).
38
2.2.2. Segnali tempo-discreti

Le rappresentazioni quadratiche tempo-frequenza sono generalmente
formulate per segnali deterministici (segnali di cui si conosce esattamente
landamento dellampiezza in funzione del tempo) continui nel tempo e
quindi non sono direttamente applicabili a segnali deterministici discreti nel
tempo.
Lequazione di campionamento per segnali ) (t x deterministici e continui del
tempo pu definita come:

=
= =
k
T s
kT t t x t t x t x ) ( ) ( ) ( ) ( ) ( o
dove
T
il treno di impulsi (delta di Dirac) con periodo T:

=
=
k
T
kT t ) ( o
Il segnale campionato ) (t x
s
completamente caratterizzato da una sequenza
di valori Z e k k x ], [ con ) ( ] [ kT x k x
s
= ed ha valori nulli tra due campioni
consecutivi di istanti di tempo; il segnale campionato viene anche detto
segnale discreto.
Sia ) (t x un segnale deterministico scalare, la sua rappresentazione tempo-
frequenza nella classe di Cohen nel dominio tempo-ritardo :
( ) ( ) t
t t
t |
t t
d dt e t x t x t t f t C
f j
d t x
'
2
'
2
' , ' ,
2 *



} }
|
.
|

\
|

|
.
|

\
|
+ =
Per capire meglio le espressioni successive, si esprime ) , ( f t C
x
come la
trasformata di Fourier della funzione di autocorrelazione deterministica
generalizzata (ACF):
( ) ( )
}

= t t
t t
d e t r f t C
f j
x x
2
, ,

dove ( ) ( )
}



|
.
|

\
|

|
.
|

\
|
+ = '
2
'
2
' , ' ,
*
dt t x t x t t t r
d t x
t t
t | t (3)
la ACF deterministica generalizzata, che il prodotto di convoluzione
rispetto alla variabile t del kernel ( ) t | , t
d t
con la funzione ( ) t , t
x
che non
altro che la ACF deterministica istantanea (I-ACF) del segnale:
(2)
39

( ) ( ) ( ) t | t , , t t d t t r
x d t x
- =

(4)

con ( )
|
.
|

\
|

|
.
|

\
|
+ =
2 2
,
*
t t
t t x t x t
x
(5)
si nota che il ritardo t distribuito in modo equo prima e dopo listante di
tempo della autocorrelazione istantanea. La definizione di I-ACF valida
per tutti i segnali deterministici, sia quelli discreti sia non, quindi si pu
scrivere:
( )
|
.
|

\
|

|
.
|

\
|
+ =
2 2
,
*
t t
t t x t x t
s s x
s


( ) t , t
s
x
una distribuzione ed entrambe le variabili t e t sono continue nel
tempo. Pi precisamente, ( ) t , t
s
x
, una distribuzione in due dimensioni
con la delta di Dirac pesata dalla I-ACF del segnale ( ) t , t
x
prima del
campionamento:
( ) ( )



|
.
|

\
|

|
.
|

\
|
+ =
|
.
|

\
|

|
.
|

\
|

|
.
|

\
|
+
|
.
|

\
|
+ = lT t kT t t lT t t x kT t t x t
x x
s
2 2
,
2 2 2 2
,
*
t
o
t
o t
t
o
t t
o
t
t

Lultima formula pu essere interpretata come il risultato del mapping
lineare che associa la distribuzione di autocorrelazione
s
x
con la funzione
di autocorrelazione
x
. Si deve notare che questa distribuzione dipende dal
periodo di campionamento del segnale. Osserviamo i punti ( ) t , t in cui, dove
la distribuzione non nulla, risulta:
( )

=
|
.
|

\
|

=
|
.
|

\
|
+
=

=
l
k
x
lT t
kT t
t
s
0
2
0
2
0 .
t
o
t
o
t
Queste due condizioni devono essere soddisfatte contemporaneamente,
fissati ( ) t , t , al pi la coppia ( )
2
, Z l k e appropriata:
( )
( )
( )

=
+ =
=
T l k
T
l k t
t
s
x
t
t
2
0 .
40
Quindi, il campionamento del segnale induce un campionamento in
entrambe le dimensioni della I-ACF del segnale:
( ) ( ) ( ) ( ) ( ) T l k
T
l k t t t
k l
x x
s

|
.
|

\
|
+ =

=
t o o t t
2
, ,
Applicando lEq.(3) o Eq.(4), alla I-ACF campionata si ottiene la ACF
deterministica generalizzata del segnale campionato
s
x :
( ) ( ) ( )
}



= = ' , ' , ' , dt t t t t r
s
x d t x
t t | t

( ) ( ) ( ) ( ) ( ) ( ) T l k T l k
T
l k T l k
T
l k t
x
k l
d t

|
.
|

\
|
+
|
.
|

\
|
+ =

=

, ,
2
,
2
t o |

La presenza della distribuzione di Dirac significa che la ACF generalizzata
del segnale campionato discreta nella variabile ritardo ( ) t , daltra parte,
diversamente dalla I-ACF, non pi discreta nella variabile temporale ( ) t ,
ad eccezione di particolari configurazioni del kernel
d t
| .
Secondo lEq. (2), la trasformata di Fourier della ACF generalizzata la
TFR del segnale, quindi per segnali discreti si ottiene:
( ) ( )
}

= t t
t t
d e t r f t C
f j
x x
s s
2
, ,
Sapendo che la trasformata di Fourier della distribuzione di Dirac ( )
0
t t o
0
2 ft j
e
t
, possiamo scrivere:
( ) ( ) ( ) ( ) ( )
( )T l k f j
x
k l
d t x
e T l k
T
l k T l k
T
l k t f t C
s

=

|
.
|

\
|
+
|
.
|

\
|
+ =

t
|
2
,
2
,
2
,
La TFR pu essere espressa sia in termini del segnale campionato, sia
esprimendo la sua I-ACF. Per questo sufficiente sviluppare il fattore
( ) ( )
|
.
|

\
|
+ T l k
T
l k
x
,
2
, considerando la sua definizione (5), e quindi si
ottiene:
( ) ( ) ( ) ( ) | | | | l x k x lT x kT x T l k
T
l k
x
* *
,
2
= =
|
.
|

\
|
+
In termini di campioni del segnale discreto, la TRF pu essere scritta come:
41
( ) ( ) ( ) | | | |
( )T l k f j
k l
d t x
e l x k x T l k
T
l k t f t C
s

=

|
.
|

\
|
+ =
t
|
2 *
,
2
,


Oppure nella forma seguente, ottenuta con uno scambio di variabili, che
evidenza la trasformata d Fourier rispetto al ritardo presente tra due
campioni (pari a lT nella nuova formulazione):
( ) ( ) | | | |
flT j
k l
d t x
e k x l k x lT
T
k l t f t C
s
t
|
2 *
,
2
2 ,

=

+
|
.
|

\
|
+ =



Questa lespressione della TFR di un segnale discreto nel tempo ed ha la
caratteristica di essere periodica in f con periodo T / 1 ed inoltre lassenza
dellintegrale la rende adatta per la sua implementazione digitale, anche se
la somma negli intervalli deve essere limitata, ma in pratica questo non
risulta essere un problema in quanto i segnali hanno una durata finita.
Partendo dallequazione di campionamento del segnale e dalla funzione
ambiguit di un segnale continuo nel tempo,
( ) dt e t x t x A
j
x
tt
t t
t
2 *
2 2
,


|
.
|

\
|

|
.
|

\
|
+ =
}

Possiamo definire la funziona ambiguit per segnali discreti nel tempo:
( ) ( ) ( )

=
O =
l
x x
lT l A
s s
t o t , , con ( ) | | | |
T
l k
j
k
x
e k x l k x l
s
2
2
2
*
,
+

+ = O
t

dove T
l k
2
2 +
il punto medio tra ( )T l k + e kT .
molto semplice costruire la funzione ambiguit generalizzata,
moltiplicando punto per punto la funzione ambiguit per il kernel espresso
come funzione del tempo e della variabile (ritardo Doppler):
( ) ( ) ( ) | , , , l lT l
s s
x D d
G
x
O = O

.
Lequazione 5 mostra che la TFR per segnali discreti nel tempo definita in
modo continuo nel tempo. definita in modo continuo anche in frequenza,
e in modo periodico finch il segnale discreto nel tempo. Comunque, in
pratica, la TFR valutata soltanto per un insieme di istanti discreti nel
tempo, che coincidono con gli istanti di campionamento del segnale; i valori
per altri istanti di tempo non vengono calcolati. Analizzando la formula 5,
si nota che soltanto valori del kernel ( ) t | , t
d t

per ritardi Z l lT e = , t
contribuiscono alla TFR, gli altri valori di ritardo sono irrilevanti. Quindi
(6)
42
labilit della TRF di essere discreta nel tempo dipende soltanto dalle
caratteristiche del kernel ( ) t | , t
d t
per istanti di tempo t che non sono
multipli del semi-periodo di campionamento. Alcuni kernel possono
determinare TRF che sono naturalmente discrete nel tempo. Possono essere
distinte tre categorie:
I. TFR continua nel tempo: la TFR pu assumere valori ad istanti di tempo
che sono arbitrari a priori, in particolare tra due campioni del segnale.
Questo il caso pi generale, il kernel ( ) t | , t
d t
non discreto nella
dimensione temporale t e pu assumere valori diversi da zero in modo
continuo.
II. TFR discreta nel tempo con semi-periodo: il supporto temporale della TFR
un insieme di istanti di tempo che sono multipli della met del periodo di
campionamento del segnale:
)
`

e = Z n
T
n t ,
2
. Questo corrisponde al
seguente vincolo per il kernel: quando Z l lT e = , t , il kernel ( ) t | , t
d t
deve essere nullo per ogni altro valore di t che non multiplo di
2
T
, come
viene mostrato nella figura seguente:

Figura 13. Supporto del kernel per TFR discrete nel tempo con periodo di campionamento pari alla
met del periodo di campionamento del segnale. Il kernel deve essere nullo in tutte le linee di punti ad
eccezione dei punti marcati con una croce. I valori che non sono localizzati sulle linee di punti sono
irrilevanti.

43
III. TFR discreta nel tempo per lintero periodo: il supporto temporale della
TFR lo stesso del segnale, ovvero { } Z n nT t e = , . Il kernel deve
soddisfare
( ) , , , ,
2
Z n nT t Z l k e = e ( ) 0 ,
2
2 =
|
.
|

\
|
+

lT
T
k l t
d t
| .
Occorre aggiungere un ulteriore vincolo che rende nulli i valori della TFR
per quei valori di t che sono multipli dispari di
2
T
, ovvero:
( ) : ,
2
1 2 Z q
T
q t e + =
, , , q l k ( ) ( ) 0 ,
2
1 =
|
.
|

\
|
+

lT T k q
T
l
d t
|

Figura 14. Supporto del kernel per TRF discrete nel tempo con periodo di campionamento del
segnale. Il kernel deve essere nullo in tutte le linee di punti ad eccezione dei punti marcati con una
croce. I valori al di fuori delle linee di punti non sono rilevanti.

Ora consideriamo la parit di l . Per chiarezza si pone ( ) ( )T k q
T
l t + =
2
1
e lT = t . Se l dispari, t un multiplo pari di
2
T
(perci un multiplo di T
) e t un multiplo dispari di T . Daltra parte, se l pari, t un multiplo
dispari di
2
T
e t un multiplo pari di T . Per queste due tipi di coppie di
valori di ( ) t , t , il kernel ( ) t | , t
d t
deve essere sempre nullo; questo il
44
vincolo che deve essere aggiunto alla seconda categoria per ottenere la terza
categoria. La Fig.13 sintetizza questi due vincoli e mostra il supporto del
kernel nel dominio tempo-ritardo per TFR che hanno lo stesso periodo di
camminamento del segnale.
Quindi, in pratica, la TFR pu essere calcolata per un numero finito di
istanti di tempo e di frequenze, selezionare questi valori significa rendere
discreta la TFR nelle sue due dimensioni.
Lequazione (5) mostra che la TFR di un segnale discreto periodica in
frequenza, ma in generale non discreta in frequenza: per esserlo il segnale
dovrebbe essere periodico. Per questo, quando si calcola in modo numerico
la TFR di un segnale non periodico discreto, occorre considerare solo un
numero limitato di valori di frequenze, questo equivale a discretizzare lo
spettro. Comunque, non la discretizzazione che generalmente si intende
nel processamento del segnale, infatti lo spettro non ha un valore nullo tra
due campioni in frequenza, ma, semplicemente, il suo valore non calcolato
n rappresentato. La discretizzazione deve essere tenuta in considerazione
quando si interpreta la TFR.
Sebbene la discretizzazione nel tempo possa sembrare arbitraria, semplici
considerazioni bastano per giustificarla. Si pu ipotizzare che le
caratteristiche spettrali del segnale non stazionario evolvono lentamente da
un campione ad un altro e quindi inutile calcolare la rappresentazione del
campione presente tra essi; comunque, questo non significa necessariamente
che levoluzione della TFR presenta una evoluzione spettrale lenta nel
tempo. Anche se gli auto-termini si evolvono lentamente, i cross-termini
possono generare termini di interferenza rapidi con unampiezza
significativa (la distribuzione di Wigner-Ville il miglior esempio di questo
comportamento). Per questo, lassunzione che i componenti spettrali degli
auto-termini evolvono lentamente del tempo, deve essere accompagnata ad
unassunzione aggiuntiva: il kernel della TFR deve rendere lampiezza dei
cross-termini ridotta. una condizione necessaria per garantire levoluzione
dello spettro del TFR nel corso del tempo allo stesso andamento degli auto-
termini del segnale. In pratica, i termini di interferenza devono essere
sufficientemente ridotti e per segnali la cui componente spettrale si evolve
lentamente nel tempo, potrebbe essere sufficiente calcolare la TFR soltanto
in n campioni.
Possiamo distinguere due metodi di discretizzazione:
1. Discretizzazione aliased
2. Discretizzazione non-aliased
45
2.2.3. Discretizzazione aliased

Questo metodo permette di calcolare la TFR negli istanti di tempo che
campionano il segnale discreto. I termini di autocorrelazione che sono posti
tra due campioni vicini di istanti di tempo sono sistematicamente trascurati.
Questi termini corrispondono a ritardi che sono multipli dispari del periodo
di campionamentoT . qui riportata lespressione di uno di questi termini:
( ) | | | | k x l k x lT
T
k l t
d t
*
,
2
2 +
|
.
|

\
|
+

|
Quando il ritardo l dispari, il punto medio tra due campioni moltiplicati
localizzato tra due campioni adiacenti e per questo non coincide con un
istante di tempo di un campione esistente. Trascurare questi termini equivale
a porre a zero il kernel ( ) t | , t
d t
quando t un multiplo dispari di T , o
campionare il kernel rispetto alla variabile t con lo stesso periodo del
segnale ( ) T . Questa operazione accompagnata da un raddoppiamento
della frequenza di ripetizione dello spettro, che giustifica il nome aliased,
per questo il la ripetizione spettrale diventa

, i ritardi considerati nel


calcolo della TFR sono multipli di T 2 e non semplicemente di T .
Lomissione di questi termini non causa problemi per segnali che occupano
soltanto met banda.
Sopprimendo i termini di ritardi dispari lespressione 5 della TFR assume la
seguente forma:
( ) ( ) ( ) | | | |

+ + =
k t
flT j
d t x
e k x l k x lT T k l t f t C
s
t
|
4 *
2 2 , ,
~

che, dopo un cambiamento di variabile pu essere anche scritta:
( ) ( ) | | | |

+ =
k t
flT j
d t x
e l k x l k x lT kT t f t C
s
t
|
4 *
2 , ,
~

Valutando soltanto gli istanti di tempo di campionamento del segnale
( ) nT t = si ottiene lespressione della TFR con aliasing:
( ) ( ) ( ) | | | |

+ =
k t
flT j
d t x
e l k x l k x lT T k n f nT C
s
t
|
4 *
2 , ,
~

Questo troncamento potrebbe introdurre un cambiamento fondamentale ed
inopportuno. Si ha sicuramente una perdita di informazione, pertanto questo
metodo si utilizza soltanto quando calcolata soltanto met banda del
46
segnale. il caso di segnali analitici o segnali campionati ad una frequenza
doppia: lampiezza di banda divisa a met e non inappropriato
sottocampionare la funzione di autocorrelazione di un fattore due. In tutti gli
altri casi un metodo completamente sbagliato.

2.2.4. Discretizzazione non-aliased

Sono utilizzati anche i prodotti

che conducono alla rappresentazione TFR non-


aliased (15). La struttura di campionamento della funzione di
autocorrelazione e del kernel mostrata in Fig. 14.


Figura 15. Campionamento non rettangolare nel dominio di autocorrelazione (piano tempo-ritardo).
(a) Segnale (b) Kernel

Il campionamento non rettangolare, rende lespressione nel dominio della
frequenza periodica, con una periodicit a forma di diamante (Fig. 15).
47

Figura 16. Risposta in frequenza associata al campionamento non rettangolare.
(a) Segnale (b) Kernel.

Questi prodotti corrispondono a spostamenti temporali che sono multipli di
T e che rendono la TFR periodica di periodo , invece che di
periodo .
Le TFR non affette da aliasing sono ottenute valutando la rappresentazione
soltanto negli istanti di tempo di campionamento.
Ponendo ( )
|
.
|

\
|
=
T
nT C n C
s s
x x
u
u , : , possiamo ottenere lespressione:
( ) | | | |

=

+
|
|
.
|

\
|
|
.
|

\
|
=
k
l j
l
d t x
e k x l k x lT T
l
k n n C
s
tu
| u
2 *
,
2
,
(7)

Dove la frazione un decimale. Scrivendo la formula (7) come la
trasformata di Fourier della funzione di autocorrelazione deterministica
generalizzata
s
x
r si ottiene:
( ) | |

=
l
l j
x x
e l n r n C
s s
tu
u
2
, ,
48
con | | | | | |

=

+
|
|
.
|

\
|
|
.
|

\
|
=
k
d t x
k x l k x lT T
l
k n l n r
s
*
,
2
, |
(8)

Dopo il cambiamento di variabile m
l
k +
2
, si ottiene:
| | ( ) ( ) | |
( )

e

=
l D m
x d t x
l m lT T m n l n r
s s
, , , |
con | |
(

+ =
2 2
,
*
l
m x
l
m x l m
s
x
e


poich si scelto di valutare la TFR negli stessi istanti di tempo del segnale
discreto, la variabile n un intero nella (8), mentre la variabile m un
intero soltanto quando l pari. Considerando il campionamento di x , la I-
ACF di
s
x
assume valori per ,

, mentre
nulla per ,

.
Perci, i valori del kernel
d t
| utilizzati per calcolare le TFR non-aliased
sono quelli per cui la I-ACF di
s
x
genera un contributo alla ACF
generalizzata
s
x
r . Questo implica che:


Propriet delle TFR discrete:
1. Inversione nel tempo:
la propriet


ovvero che inversioni nel tempo causano inversioni in tempo ed in
frequenza della rappresentazione tempo-frequenza, soddisfatta se o solo
se


2. Complesso coniugato:
la propriet
49


ovvero, considerando il complesso coniugato del segnale, la sua
rappresentazione tempo-frequenza si inverte in frequenza, soddisfatta se
e solo se


3. TFR a valori reali:
la propriet


soddisfatta se e solo se


quindi, la TFR assume soltanto valori reali e la sua parte immaginaria
nulla.
4. Momento nel tempo:
La propriet


soddisfatta se s solo se


dove la sequenza di Kronecker:



Questa propriet garantisce la propriet dei marginali temporali
(conservazione istantanea dellenergia)


5. Momento in frequenza:
La propriet
50


soddisfatta se e solo se


Questa propriet garantisce la propriet delle frequenze marginali
(conservazione della densit di energia spettrale)



2.2.5. Distribuzione Choi-Williams

Per poter interpretare una distribuzione (16)

di energia del segnale in tempo
ed in frequenza essa deve possedere alcune caratteristiche:
La distribuzione tempo-frequenza deve essere una distribuzione a valori
reali cos che spostamenti nel tempo (o in frequenza) del segnale
corrispondono ad uno spostamento rispettivo in frequenza;
La proiezione della distribuzione nel dominio del tempo (o in frequenza)
deve essere uguale alla potenza istantanea (o allo spettro di potenza) del
segnale;
Listante di tempo medio (o frequenza) della distribuzione ad ogni
frequenza (o istante di tempo) deve essere uguale al ritardo di gruppo (o
alla frequenza istantanea) del segnale.
Le distribuzioni tempo-frequenza di Cohen sono definite in modo generale
dalla seguente espressione:
( ) t
t

t
t |
t
| e
t te
d d d f f e t C
j
f
|
.
|

\
|
|
.
|

\
|
+ =
-
} } }
2 2
,
2
1
) , , (
) (
(9)
dove f() il segnale nel tempo, f*() il suo complesso coniugato, il
kernel della funzione ed rappresentativo della particolare distribuzione.
Un segnale multicomponente f(t) pu essere rappresentato come somma
delle sue componenti che lo costituiscono:
51

=
=
n
k
k
t f t f
1
) ( ) (
Dove f
k
(t) un segnale monocomponente la cui frequenza istantanea o
ritardo di gruppo corrispondono alla stessa curva nel piano tempo-frequenza
e quindi si ottiene:
|
.
|

\
|

|
.
|

\
|
+ +
|
.
|

\
|

|
.
|

\
|
+ =
|
.
|

\
|

|
.
|

\
|
+

=
-
=
-
2 2 2 2 2 2
1
t

m
m n
n i
n
i
i
f f f f f f

La distribuzione tempo-frequenza composta, quindi, da singole
componenti (autotermini) e dallinterazione di ogni coppia di diverse
componenti (cross-termini) come segue:
) , , , ( ) , , ( ) , , (
1
| e | e | e

=

=

+ =
m n
f f
n
i
f f f
t C t C t C
m n i i

dove

t
t

t
t |
t
| e
te
d d d f f e t C
j i
t j
f f
j i
|
.
|

\
|

|
.
|

\
|
+ =
} } }

2 2
) , (
2
1
) , , (
* ) (

pu essere visto come i cross-termini, che sono determinati dalle
caratteristiche del kernel (,). Questi cross-termini causano ridondanza di
informazione e potrebbero oscurare la vera distribuzione di energia in
tempo-frequenza. Comunque, questi termini danno un contributo e non si
pu considerare una distribuzione tempo-frequenza che soddisfa tutte le
propriet citate e che non ha affatto cross-termini. Perci occorre diminuire
leffetto dei cross-termini e il kernel esponenziale stato definito proprio
per questo. La distribuzione esponenziale (ED) E
f
(t,) un membro della
classe di Cohen con il kernel
o t
t |
/
2 2
) , (

= e
dove ( >0) un fattore di scala. Sostituendo il kernel nellequazione (9)
si ottiene:
( )
t
t

o t

o tt
e
t
et
d d f f
t
e t E
j
f
(
(

|
.
|

\
|

|
.
|

\
|
+
|
|
.
|

\
|

=
} }

2 2 / 4
exp
/ 4
1
) , (
*
2
2
2


Questa distribuzione soddisfa tutte le propriet descritte. Allo spostamento
in tempo o in frequenza del segnale, corrisponde lo spostamento della
52
distribuzione; tutti i membri della classe di Cohen soddisfano questa
propriet.
una distribuzione a valori reali, perci il suo kernel
o t
t |
/
2 2
) , (

= e gode
della propriet
) , ( ) , ( t | t | =
-

Inoltre, lintegrale di ED nel tempo per ogni frequenza uguale alla
potenza spettrale del segnale a quella frequenza; lintegrale di ED su tutte le
frequenze ad ogni istante di tempo la potenza istantanea per quellistante
di tempo; lintegrale sullintero piano (t,) uguale alla potenza totale del
segnale, perci per il suo kernel si ha:
1 ) 0 , ( = | per ogni
e 0 ) , 0 ( = t | per ogni t
Inoltre, il tempo medio di ED ad ogni frequenza uguale al ritardo di
gruppo e la frequenza media ad ogni istante di tempo uguale alla
frequenza istantanea del segnale, perci il suo kernel:
0 ) , 0 ( = t | per ognit e 0 ) , (
0
=
=
t |
d
d
per ogni t
1 ) 0 , ( = | per ogni e 0 ) , (
0
=
= t
t |
t d
d
per ogni
La definizione di ED data una funzione del tempo. una definizione simile
pu essere ottenute nel dominio della frequenza:
( )

o
e
o tt
t
e

t
d d F F e t E
j
f
(
(

|
.
|

\
|

|
.
|

\
|
+
|
|
.
|

\
|

=
} }

2 2 / 4
exp
/ 4
1
2
1
) , (
*
2
2
2

dove F() la trasformata di Fourier di f(t). Considerando la ED dal punto
di vista della stima della densit spettrale, pu essere vista come la
trasformata di Fourier della funzione di autocorrelazione nel tempo K(t,)
che stimata ad ogni istante di tempo t.
}

=
t
te
t t
t
t e d t K e t C
j
f
) , (
2
1
) , , (
dove
t

t
t | t


d d f f e t K
t j
|
.
|

\
|

|
.
|

\
|
+ =
} }

2 2
) , ( ) , (
* ) (

Come si pu veder da questa formula, la funzione kernel ) , ( t | ha un ruolo
importante nella determinazione delle caratteristiche della funzione di
53
autocorrelazione nel tempo che stimata utilizzando medie temporali.
Poich medie nel tempo tolgono le variazioni dei segnali non stazionari, la
funzione kernel influisce in modo importante su ) 2 / ( ) 2 / (
*
t t + f f
quando vicino a t ed ha un peso minore su ) 2 / ( ) 2 / (
*
t t + f f
quando lontano da t. Daltra parte, per avere una stima accurata della
funzione di autocorrelazione, il range su cui mediare il tempo dovrebbe
aumentare per grandi valori di t .
Per la ED, la funzione di autocorrelazione nel tempo stimata nel seguente
modo:
( )

t

o t

o tt
t

d f f
t
t K
E
}
|
.
|

\
|

|
.
|

\
|
+
|
|
.
|

\
|

=
2 2 / 4
exp
/ 4
1
) , (
*
2
2
2

Quindi, ogni valore della funzione di autocorrelazione ottenuta da
campioni vicini con pesi specifici, cos ) 2 / ( ) 2 / (
*
t t + f f

ha un
ampio peso quando vicino a t ed un piccolo peso quando invece
lontano da t. La variabile t controlla il numero di campioni vicini, che
aumentano in modo proporzionale al valore di questa variabile. Per vedere
lefficacia del kernel esponenziale sulla diminuzione delleffetto dei termini
di cross-correlazione, occorre esaminare la struttura della funzione
ambiguit generalizzata, un altro modo di rappresentare il segnale nel
dominio del tempo e della frequenza (correlazione nel tempo con
spostamenti in frequenza o correlazione in frequenza con spostamenti nel
tempo).
} }
+
= e | e | t
te t
dtd e t C A
j
f f
) (
) ; , ( ) ; , (
dove ) , ( t |

la funzione kernel che identifica la specifica distribuzione e
la funzione ambiguit. Combinando le equazioni si ottiene:

t
t | | t


d f f e A
j
f
|
.
|

\
|

|
.
|

\
|
+ =
}
2 2
) , ( ) ; , (
*

Come si pu vedere, la funzione ambiguit ha una struttura bilineare. Per
questo, nel caso di segnali multicomponenti, la funzione ambiguit
generalizzata pu essere decomposta in autotermini e cross-temini come
segue:

=

=

+ =
m n
f f
n
i
f f f
m n i i
A A A ) ; , ( ) ; , ( ) ; , (
1
| t | t | t
54
dove
t

t
t | | t


d f f e A
i i
j
f f
i i
|
.
|

\
|

|
.
|

\
|
+ =
}

2 2
) , ( ) ; , (
*

sono gli autotermini e

t
t | | t


d f f e A
m n
j
f f
m n
|
.
|

\
|

|
.
|

\
|
+ =
}

2 2
) , ( ) ; , (
*

sono i cross-termini.
Attraverso la funzione ambiguit si pu evidenziare il contributo fornito dai
due termini sulla distribuzione.
Analizzando dei segnali multicomponenti con questa distribuzione si nota
che i cross-termini sono funzione della variabile t: la loro ampiezza
diminuisce quando t aumenta e la loro forma molto pi distribuita. Inoltre,
i cross-termini sono controllati anche da , infatti, grandi valori di questa
variabile concentrano i cross-termini intorno allorigine, mentre piccoli
valori fanno distribuire i cross-termini intorno allorigine. Mentre gli
autotermini sono ben definiti per valori di pi elevati. Quindi, occorre
cercare un compromesso tra la risoluzione degli auto-termini e la
soppressione dei cross-termini. Grandi valori di (>1.0) sono raccomandati
per segnali la cui ampiezza e frequenza cambia rapidamente, mentre valori
pi piccoli (1.0) sono adatti a segnali la cui ampiezza e frequenza variano
in modo relativamente lento. Una buona scelta di nel range 0.1 10,
come stato visto in uno studio (9).

2.2.6. La distribuzione esponenziale per segnali discreti

Quando si lavora con segnali campionati o digitali necessario considerare
la versione discreta della distribuzione tempo-frequenza, questo
procedimento risulta non banale.
Per segnali discreti nel tempo, la definizione generale tempo-frequenza della
distribuzione la seguente:
( ) ( )

}
=

+ + =
t
t
t
tu
t t t |
t
| u d f f e n C
n j
f
* ) 2 (
) , (
2
2
) ; , (
dove n,, sono variabili discrete,e , sono variabili continue. Sostituendo
il kernel della distribuzione esponenziale si ottiene la definizione della
distribuzione esponenziale tempo-frequenza discreta nel dominio del tempo:
55
( )
( ) ( )

(
(

+
|
|
.
|

\
|

=
t
ut
t t
o t

o tt
u
*
2
2
2
2
/ 4
exp
/ 4
1
2 ) , ( f f
n
e n E
j
f

Una definizione simile pu essere ottenuta nel dominio della frequenza:
( ) ( ) | |
( ) ( ) v
o t
o u v
t
u
t
t
v v
t
t v

d d e F e F P e n E
j j n j
f
} }
=
+
+
=
(
(

|
|
.
|

\
|

=
2 /
2 /
) ( * ) (
2
2 2
2
/ 4
/ 4 / exp 1
) , (

dove F(e
j
) la trasformata di Fourier di f(n) e P(G()) la funzione
periodica di G(), che la versione troncata di G() nel range [-/2, /2]:
( ) ( ) | |

=
+ =
|
|
.
|

\
|

m
m G P ) (
/ 4
/ 4 / exp
2
2 2
t 0 v
o t
o u v

dove G(-), la versione troncata di G(-),cio:
( ) ( ) | |
) 2 / , 2 / (
2
2 2
/ 4
/ 4 / exp
) (
t t 0 v
o t
o u v
0 v
e
|
|
.
|

\
|

= G

La ED funzione della variabile discreta n e della variabile continua .
Mentre tutto lo spettro del segnale tempo discreto periodico di periodo 2
rispetto alla variabile continua , la ED periodica di periodo , ovvero:

) , ( ) , ( t 0 0 + = n E n E
f f

Questa periodicit pu causare effetti di aliasing. Per questo motivo si pu
aumentare la frequenza di campionamento rispetto al doppio della frequenza
di Nyquist o interpolare un segnale dato di un fattore 2. Un altro approccio
(quello utilizzato in questa tesi) considerare il segnale analitico f(n)
associato al segnale reale f
r
(n). Il segnale analitico f(n) un segnale
complesso in cui la parte reale uguale a f
r
(n) e la parte immaginaria data
dalla trasformata di Hilbert di f
r
(n).
Le altre propriet soddisfatte della ED discreta sono le seguenti:
56
- La ED una distribuzione reale e a spostamenti in tempo o in frequenza
del segnale corrispondono in spostamenti della distribuzione;
- Lintegrale di ED su tutte le frequenze ad ogni istante di tempo n uguale
alla potenza istantanea del segnale allistante n; la somma di ED su tutto
lasse dei tempi per ogni frequenza uguale allo spettro di potenza del
segnale a quella determinata frequenza;
- Il tempo medio uguale al ritardo di gruppo del segnale.
57
CAPITOLO 3

3.1. Acquisizione del segnale elettromiografico (EMG)

Il segnale EMG [17] generato dallattivit elettrica delle fibre muscolari
attive durante la contrazione. Per la sua rilevazione si utilizzano elettrodi
intramuscolari o di superficie che sono posti ad una certa distanza dalla
fonte. Le sorgenti del segnale sono separate dagli elettrodi di registrazione
da tessuto biologico, che agisce come filtro passa - basso nella distribuzione
spaziale del potenziale; nel caso di elettrodi intramuscolari leffetto dei
tessuti ridotto in quanto gli elettrodi sono posti molto vicini alla sorgente
del segnale.
La depolarizzazione cellulare pu essere studiata utilizzando come modello
con un tubo sottile (Fig. 16) in cui scorre la corrente, quindi studiato il suo
analogo elettrico.
Il modello mostrato nella Fig. 16a mostra una porzione di fibra z. la
diminuzione del potenziale per unit di lunghezza uguale al prodotto della
resistenza per unit di lunghezza ed il flusso di corrente attraverso la
resistenza. Per il modello extracellulare ed intracellulare si ha:

(1)
dove

ed

sono la resistenza per unit di lunghezza (/cm) del modello


extracellulare ed intracellulare rispettivamente.
58

Figura 17. Modello elettrico depolarizzazione cellulare.

Inoltre, per la conservazione della corrente si richiede che la velocit di
diminuzione assiale della corrente intracellulare longitudinale deve essere
uguale alla corrente di transmenbrana per unit di lunghezza:

(2)
La corrente longitudinale extracellulare potrebbe diminuire se z aumenta per
un decremento della corrente che attraversa la membrana (corrente di trans
membrana) o una perdita dovuta agli elettrodi stessi:

(3)
59
dove

la corrente che fluisce attraverso gli elettrodi. Il voltaggio di


transmembrana dato da:



derivando si ottiene (eq.1)


derivando una seconda volta rispetto ad z si ottiene (sostituendo leq. 2 e 3):


che mostra che la derivata seconda del potenziale di transmembrana
proporzionale alla corrente di transmenbrana seguendo questo modello
elettrico. La Fig. 16b mostra i due sistemi di coordinate (rettangolari e
cilindriche) utilizzati in letteratura per studiare il campo generato nellarea
di depolarizzazione delle fibre.

Figura 18. Rappresentazione di una unit motoria e di un suo potenziale d'azione

La Fig. 17 mostra il potenziale di superficie generato da ununit motoria.
La velocit con cui il potenziale dazione si propaga, dipende dal diametro e
dal tipo di fibre. La velocit di conduzione, generalmente, aumenta con
laumentare del diametro delle fibre.
Il tessuto biologico che separa la sorgente dagli elettrodi di rilevazione
chiamato volume conduttore e le sue caratteristiche influenzano in modo
(4)
(5)
(6)
60
importante il segnale acquisito. In condizioni statiche, in un conduttore, la
densit di corrente soddisfa la seguente relazione:

dove la densit di corrente in un volume conduttore (A*m
-2
) , la densit
di corrente della sorgente (A*m
-3
), il campo elettrico (V*m
-1
) e il
potenziale (V). Dalleq. 8 si ottiene la formula di Poisson:


dove

sono i valori di conducibilit del mezzo nelle tre direzioni


spaziali. Questa rappresenta il caso generale per mezzo non omogenei e non
isotropi. In mezzi omogenei, la conducibilit non dipende dal punto
considerato e si ottiene la seguente equazione:


Quando sono applicati degli elettrodi, la distanza tra la sorgente ed il punto
di rilevazione importante, e leffetto del volume conduttore significativo.
Per rimuovere i componenti di modo comune causati da interferenze (come
la linea elettrica) e per compensare parzialmente leffetto di filtraggio dei
tessuti, il segnale di superficie viene rilevato utilizzando una combinazione
lineare di segnali registrati da diversi elettrodi, la pi semplice forma di
rilevazione differenziale quella con due elettrodi.
Possiamo considerare la pelle come un limite tra due mezzi:
un semispazio conduttivo non omogeneo e non isotropo (pelle, tessuto
sottocutaneo e muscoli) che contiene le sorgenti di campo elettrico;
un semispazio isolante (aria).
La sorgente del campo elettrico genera una distribuzione di potenziale sulla
superficie della pelle, questo potenziale definito rispetto ad un punto di
riferimento a distanza sufficiente dalla sorgente in modo da non esserne
influenzata. La condizione ideale per misurare la distribuzione potenziale
avere un elettrodo puntiforme connesso ad un voltmetro con impedenza di
ingresso infinita che misura il voltaggio rispetto ad un punto a potenziale
nullo. Si pu immaginare un elettrodo puntiforme che si muove sulla
superficie della pelle per mappare la distribuzione monopolare ad uno
specifico istante di tempo (Fig. 18a).
(7)
(8)
(9)
61

Figura 19. Concetti base interfaccia elettrodo-cute

Questa configurazione non molto realistica in quanto lelettrodo ha una
dimensione fisica, il contatto elettrodo-cute ha una impedenza complessa ed
il voltmetro (amplificato) ha una resistenza in ingresso di valore finito,
come si vede nella Fig. 18b-c. Inoltre possono esserci altre sorgenti che
possono interferire nel segnale registrato come rumori di linea generati
dallinterferenza elettrodo-cute, una capacit parassita della linea di
voltaggio ed altri fenomeni elettrici.
Lelettrodo costituito da un materiale metallico posizionato sulla pelle e
occorre focalizzare lattenzione su alcune considerazioni:
i. la pelle un tessuto abbastanza conduttivo costituito da cellule il cui
materiale intracellulare ed extracellulare costituito da soluzioni con ioni
in cui la corrente portata da elettroni; linterfaccia risultante
intrinsecamente rumorosa;
ii. linterfaccia elettrodo-pelle molto complessa, con unimpedenza
capacitiva i cui componenti R (resistenza)e C (capacit) sono dipendenti
dalla corrente e dalla frequenza, ed inoltre incorpora un generatore di
corrente che tiene conto dellinterfaccia elettrolita-metallo;
iii. la superficie metallica a contatto con la cute forza larea sottostante ad
essere equipotenziale, perci modifica la distribuzione potenziale sulla
pelle nelle vicinanze dellelettrodo;
62
iv. limpedenza di ingresso di un buon amplificatore EMG pu essere
modellata da un resistore (10
9
-10
12
)posto in parallelo ad una capacit (2-
10 pF) e perci dipendente dalla frequenza.
Lequazione sottostante descrive la funzione di trasferimento per elettrodi
circolari (come quelli utilizzati in questo caso) di raggio r nel piano della
pelle (x,z) e nel corrispondente piano delle frequenze (f
x
,f
z
):


dove S larea dellelettrodo, J
1
(w) la funzione di Bessel del primo ordine
e

. Il poenziale monopolare filtrato con un filtro


passa-basso dagli elettrodi stessi e questo filtraggio aumenta in modo
proporzionale con lampiezza dellelettrodo. Non semplice calcolare la
frequenza di taglio di un elettrodo, ma facendo alcune approssimazione e
ponendo =4m/s, potrebbe essere stimata a 360 Hz per elettrodi con un
diametro di 5 mm, 220 Hz per 10 mm, e 100 Hz per 20 mm; quindi elettrodi
pi piccoli si preferiscono a quelli di dimensioni pi elevate, quindi quelli
con diametro superiore a 5 mm causano perdite di informazione dle segnale
EMG.
Il contatto elettrodo-cute necessita stabilit e per questo si depila, pulisce e
strofina la pelle con un panno leggermente abrasivo e baganto con acqua o
un solvente e poi si applicano elettrodi Ag o AgCl con del gel conduttivo
per migliorare e stabilizzare il contatto.
Il contatto pelle-Ag o pelle-AgCl ha sempre una impedenza resistiva nel
range di frequenze del EMG, questa impedenza dipende molto dalla
preparazione della pelle e varia in modo inversamente proporzionale alla
superficie dellelettrodo. Se si utilizza un gel, importante la componenete
pelle-gel piuttosto che la porzione metallo-gel. La misura di questa
impedenza non semplice, in quanto una funzione non lineare della
corrente, inoltre indicazioni su questo parametro devono essere prese con
cautela in quanto dipende fortemente dalla densit di corrente e dalla
frequenza utilizzata durante la misura e questi valori spesso non vengono
specificati in letteratura. Dalla Fig. 19a si vede come la preparazione della
pelle influisce sul valore dellimpedenza, il trattamento migliore risulta
essere strofinare la pelle con una pasta abrasiva medica.
63

Figura 20. Propriet interfaccia elettrodo-cute

Diminuendo larea dellelettrodo si aumenta limpedenza dellinterfaccia
elettrodo-cute (Fig. 19c), lo stesso accade per la densit di corrente (Fig.
19b). Inoltre, nel punto di contatto c rumore dovuto a fenomen che danno
luogo ad interferenza, il rumore diminuisce allaumentare dellarea
dellelettrodo; questo la fonte principale di rumore nel segnale EMG. La
configurazione monopolare degli elettrodi non viene utilizzata per scopi
pratici per la sua elevata sensibilit a segnali di modo comune.
64

Figura 21. Configurazioni elettrodi utilizzate

La configurazione differenziale (Fig. 20a) la configurazione pi utilizzata
e capire le sue caratteristiche importante per una corretta rilevazione del
EMG e per la sua interpretazione. Consideriamo un amplificatore ideale con
due elettrodi puntiformi separati da una distanza e ed allineati lungo la
direzione delle fibre con do zero dellasse z posizionato del punto medio tra
i due elettrodi. I due elettrodi possono essere considerati come due punti di
campionamento della distribuzione di potenziale che cambia nel tempo e
nello spazio.
Per ogni istante di tempo, il voltaggio rilevato tra i due elettrodi e
amplificato dal sistema pari a

, dove
la funzione delta di Dirac.
65
La configurazione differenziale doppia mostrata (Fig.20b) utilizzata per
stimare la velocit di conduzione, per limitare il volume di rilevazione,
ridurre il crosstalk ed aumentare la selettivit.

3.1.1. Il sistema di acquisizione

Nel nostro caso, il segnale elettromiografico stato acquisito mediante il
sistema STEP 32.

Figura 22. Unit paziente del sistema "STEP 32"

un sistema elettromedicale per lanalisi statistica del cammino e consente
di acquisire simultaneamente sino a 32 segnali, 16 provenienti da sensori
posizionati sul paziente ed altri 16 provenienti da dispositivi differenti, quali
ad esempio pedane di forza. STEP 32 ha una gamma completa di sensori:
sensori basografici, accelerometrici, goniometrici, sonde per il prelievo del
segnale elettromiografico di superficie ed invasivo ed una sonda
elettrocardiografica per leventuale monitoraggio della frequenza cardiaca.
I segnali provenienti dai sensori posizionati sul paziente vengono collegati
ad una compatta unit di registrazione, lunit paziente. I sensori sono
riconosciuti automaticamente dallunit paziente e possono essere collegati
ognuno ad uno qualunque dei 16 canali disponibili, esaltando la flessibilit
duso del sistema.
66
In questo caso sono stati utilizzati: tre sonde per il prelievo dei segnali
elettromiografici con elettrodi a geometria fissa ed un elettrogoniometro.

Caratteristiche tecniche della sonda elettromiografica:


Figura 23. Sonda elettromiografica


Gli elettrodi a geometria fissa con superfici di contatto sporgenti (diametro
4mm, sporgenza 0,5mm) in argento, si applicano alla cute mediante fustelle
biadesive. Lutilizzo di questi elettrodi fornisce valori migliori di impedenza
elettrodo cute, inoltre lutilizzo di elettrodi di piccole dimensioni posti ad
una distanza interelettrodica ridotta aumenta la selettivit delle misure
riducendo il possibile cross-talk, in quanto si desidera prelevare il segnale
elettromiografico generato da un singolo muscolo. Sono consigliati per la
rapidit di posizionamento, linsensibilit agli artefatti da movimento e la
relativa insensibilit al crosstalk.
Il sensore elettrogoniometrico, utilizzato per articolazione di anca e di
ginocchio, composto da un potenziometro a rotazione che rigidamente
connesso, mediante un segmento di materiale plastico, ad unestremit di un
esoscheletro a parallelogramma articolato. La rimanente estremit
dellesoscheletro vincolata ad un altro segmento di materiale plastico. Il
potenziometro deve essere posto sullangolo di rotazione dellarticolazione,
mentre le due estremit di materiale plastico devono essere applicate sulle
due parti di arto che intervengono sullarticolazione stessa.

- Prelievo: singolo differenziale
- Dimensioni: 27mm x 19mm 7,5mm
- Distanza interelettrodica 8mm
- Amplificazione: 1000 1%
- Impedenza di ingresso: > 100 M Ohm
- Rumore riferito allingresso: 200 nVrms (900 nVrms
con elettrodi)
- CMRR: > 126 dB
- Banda passante: da 20 Hz a 25 kHz
- Non adatta alluso di fine - wire (elettrodi a fili
invasivi)

67
Caratteristiche tecniche elettrogoniometro:


Figura 24. Elettrogoniometro



La sonda utilizzata per il prelevamento del segnale incorpora una stato di
preamplificazione differenziale con un guadagno di 1000, che garantisce la
stabilit del segnale, riduce gli artefatti da movimento, i disturbi della
frequenza di rete ed i fenomeni causati dal cavo di collegamento.

3.1.2. Posizionamento delle sonde

Il progetto europeo SENIAM (Surface ElectroMyoGraphy for the Non-
Invasive Assessment of Muscles) propone delle raccomandazioni sulle
propriet e procedure di posizionamento dei sensori per lacquisizione del
segnale elettromiografico. Per lapplicazione degli elettrodi le
raccomandazioni considerano un sistema di riferimento anatomico, basato
sulle pi importanti superfici e prominenze ossee o altre strutture che
possono essere facilmente palpate.
Luso di questi punti di repere (fig. 24) serve a localizzare chiaramente la
posizione dellarea scelta per lapplicazione dellelettrodo.

- Parallelogramma articolato, per un rapido e
semplice posizionamento
- Lunghezza: da 190 mm a 260 mm
- Accuratezza e ripetibilit: migliori di 0,5
gradi

68

Figura 25. Punti di repere del corpo umano in vista frontale e dorsale


I muscoli dinteresse nel nostro caso sono tre dei quattro capi che
compongono il quadricipite femorale: il Retto Femorale, il Vasto Laterale e
il Vasto Mediale.
69

Fig. 26. Muscoli della coscia anteriore.

Le raccomandazioni del SENIAM per il corretto posizionamento degli
elettrodi sono:



Retto Femorale
considerare il punto a met lungo la
linea che separa la cresta iliaca
anteriore superiore e la parte
superiore della patella.

Fig. 27. Punti di repere Retto Femorale
70






Gli elettrodi devono essere posizionati lungo il decorso delle fibre muscolari
per ottenere una migliore acquisizione ed un segnale di elevata qualit, in
quanto limpedenza dei tessuti in direzione perpendicolare a questi
maggiore rispetto allimpedenza in direzione parallela.
importante controllare che lelettrodo rimanga nella zona della massa
muscolare attiva durante la contrazione ed evitare la migrazione
dellelettrodo durante il movimento. Inoltre prima di applicare lelettrodo
alla cute occorre preparare questultima con una buona rasatura, se
necessaria, ed una adeguata idratazione, anche utilizzando un gel che si
utilizza anche per lacquisizione si segnali elettrocardiaci, che poi deve
essere rimosso.


Vasto Laterale
considerare il punto a 2/3 lungo la
linea che separa la cresta iliaca
anteriore superiore e la parte
superiore della patella.

Vasto Mediale
considerare il punto in corrispondenza
dell80% lungo la linea che separa la
cresta iliaca anteriore superiore e lo
spazio di giunzione davanti al bordo
anteriore del legamento mediale.


Fig. 29. Punti di repere Vasto Mediale
Fig. 28. Punti di repere Vasto Laterale
71
3.2. Materiali e metodi

3.2.1. Protocollo di misura

Il segnale elettromiografico stato acquisito da 9 soggetti sani volontari
normopeso (3 donne e 9 uomini). Let media (std) dei soggetti 33 (3)
anni. Lo scopo dello studio consiste nel confronto delle manifestazioni
elettriche della fatica muscolare durante concentriche ed eccentriche
contrazioni, per questo si scelto lo stesso valore di velocit angolare
(60/s) per le due modalit di contrazione.
I soggetti hanno eseguito movimenti di flesso-estensione del ginocchio con
la gamba dominante usando il sistema isocinetico Biodex SYSTEM 4
PRO.






I soggetti sono seduti con la parte superiore del corpo solidale con lo
schienale della poltrona tramite fasce regolabili.




Fig. 30. Sistema isocinetico Biodex SYSTEM 4 PRO e sistema dacquisizione STEP32
nella palestra della U.O. Medicina della Riabilitazione dellOspedale Madonna del Soccorso
di S. Benedetto del Tronto (AP).
72



Il protocollo consiste in tre fasi: una prima fase di riscaldamento di 10 con
lutilizzo del cicloergometro a disposizione nella palestra; una fase,
necessaria per prendere confidenza con il sistema isocinetico, composta in
due serie, ognuna di 10 ripetizioni, di contrazioni concentriche; una fase di
tre serie (intervallate da 1 di recupero), ognuna di dieci cicli, di movimenti
di flesso-estensione del ginocchio in modalit isocinetica (velocit 60/s). I
soggetti sono prima istruiti sul movimento isocinetico e sulla modalit di
contrazione eccentrica del quadricipite femorale, poi durante lesecuzione
sono incitati verbalmente per ottenere il massimo livello di sforzo e
impartire una ritmicit alle ripetizioni.
Sono stati acquisiti i segnali elettromiografici di superficie di tre capi
muscolari del quadricipite femorale della coscia destra:
Retto Femorale
Vasto Laterale
Vasto Mediale

Fig. 31. Set-up dacquisizione.
73


Inoltre stato posizionato un elettrodo di riferimento (massa), posto
anatomicamente vicino al sito di rilevazione. La presenza di questo elettrodo
garantisce una migliore acquisizione del segnale. Questo elettrodo stato
cosparso di gel prima di essere posizionato sulla cute.
Come riferimento per il movimento eseguito, stato utilizzato un
elettrogoniometro posizionato in corrispondenza dellarticolazione di
ginocchio del soggetto. Il range angolare del movimento 80 (da 100 a
180).

3.2.2. Processamento del segnale

Durante una contrazione dinamica, il segnale elettromiografico di superficie
(sEMG) pu essere considerato come una realizzazione di un processo
stocastico non-stazionario [18]. La trasformata di Choi-Williams, tra le
trasformate tempo-frequenza, si dimostra essere particolarmente adatta
allanalisi del sEMG [19, 20 e 21]. Una sorgente di variabilit della stima
la variabilit che caratterizza le rappresentazioni tempo-frequenza di una
singola realizzazione di un processo stocastico (come ad es. il segnale
sEMG). Un possibile approccio per ridurre tale variabilit sta
nellassunzione di quasi-ciclostazionariet. Questa assunzione pu essere
utilizzata quando si analizzano contrazioni cicliche (come nel nostro caso) e
pu essere ipotizzato che la periodicit dellesercizio conduce ad una uguale
periodicit delle non-stazionariet che evolvono velocemente che
influenzano il segnale sEMG allinterno di ogni singolo ciclo dellesercizio.
Per questo il segnale acquisito viene considerato ed analizzato nel suo
Fig. 32. Posizionamento degli elettrodi.
74
contenuto spettrale in corrispondenza di un range angolare ben definito che
si ripete per ogni contrazione.
Lelaborazione del segnale stata eseguita in MATLAB.
Il codice dei programmi utilizzati vengono riportati in appendice.
Il segnale digitale in uscita dellunit paziente ha una risoluzione di 12 bit,
ma il suo valore stato memorizzato su una parola di memoria a 16 bit,
traslando i 12 bit a sinistra di 4 bit; per questo per ricostruire il valore
effettivo del segnale occorre traslare i 16 bit a destra di quattro bit
(dividendo quindi il segnale per 2^4=16). Il segnale digitale espresso in
livelli di quantizzazione, per questo conoscendo il range dello stadio
dingresso del convertitore AD (12 bit con segno) e sua la risoluzione (n
bit), si calcola il least significant bit (lsb) che il pi piccolo livello di
risoluzione. Per ottenere, quindi, il segnale elettromiografico espresso in
Volt si moltiplica il segnale in uscita dallunit paziente (diviso per 16) per
il lsb. Il segnale cos ottenuto non ancora il segnale grezzo in quanto
contiene anche il guadagno dellamplificatore, in questo caso di 1000,
quindi si divide il segnale per tale valore, ottenendo il segnale pronto per
lelaborazione. Il segnale prelevato dallelettrogoniometro deve essere
diviso per un fattore di scala (fk=7.1822) per ottenere lescursione angolare
del gomito espressa in gradi.
In ingresso ai canali dell'Unit Paziente sono stati collegati i vari sensori con
il seguente ordine:
- Canale 9: sensore EMG muscolo retto femorale destro;
- Canale 10: sensore EMG del muscolo vasto laterale;
- Canale 11: sensore EMG del muscolo flessore mediale;
- Canale 12: elettrogoniometro;
I singoli segnali sono stati suddivisi e memorizzati in diversi vettori, in
quanto, il sistema STEP 32 per ogni acquisizione crea una matrice di dati
in cui ogni riga corrisponde ad un segnale registrato.
I segnali elettromiografici prelevati dai due muscoli della coscia vengono
modificati togliendo il loro valor medio e poi viene estratto il segnale
analitico per poter effettuare lanalisi in tempo-frequenza con la
distribuzione di Choi-Williams.
La frequenza di campionamento del segnale di 2KHz. La scelta della
frequenza di campionamento fondamentale per non perdere linformazione
contenuta nel segnale: infatti per il teorema del campionamento di Nyquist
75
la frequenza minima di campionamento deve essere almeno il doppio della
frequenza massima del segnale per evitare fenomeni di aliasing. Per il
segnale elettromiografico la potenza del segnale localizzata tra 20 e 500
Hz, quindi la frequenza di campionamento deve essere di almeno 1000 Hz
per evitare perdite di informazione del segnale.
Per analizzare il segnale in tempo frequenza, stato scelto di distinguere la
parte del segnale della contrazione concentrica da quella della contrazione
eccentrica. stato utilizzato questo approccio seguendo uno studio
effettuato da Molinari et al. [22], in modo da poter vedere la differenza del
contenuto spettrale tra le due parti del segnale.
Per fare ci, stato analizzato il segnale elettrogoniometrico per avere una
correlazione tra il movimento effettuato e lattivit muscolare. Per
individuare i punti esatti di estensione e flessione massima del movimento
di flesso-estensione del ginocchio, il segnale elettrogoniometrico stato
derivato per individuare i punti di minimo e massimo che corrispondono ai
punti in cui si ha inversione del moto.
Prima di effettuare la derivazione, il segnale elettrogoniometrico stato
filtrato per ottenere un andamento pi regolare: stato utilizzato un filtro di
Butterworth.
Attraverso i valori di velocit minima e massima si riesce ad individuare gli
istanti in cui avviene linversione del movimento. In particolare, sono stati
memorizzati i campioni in cui si ha la massima estensione e quelli in cui
termina la flessione del ginocchio, per utilizzarli per distinguere le diverse
parti del segnale elettromiografico.
Lanalisi del segnale viene iniziata dal campione 2000 in quanto per ogni
segnale acquisito c circa 1s prima che inizi lesercizio e si individua il
campione in cui si ha linizio dei movimenti. Viene effettuato un controllo
quando si individuano i punti per distinguere le diverse porzioni del segnale,
in quanto se c una contrazione troppo vicina ad una estensione, ovvero se
c una differenza inferiore a 1600 campioni (0.8 secondi) , non un
movimento reale, ma semplicemente un artefatto o sono terminati i
movimenti effettivamente eseguiti dal soggetto.

76





Il processamento del segnale elettromiografico viene effettuato per ottenere
quei parametri che possano essere facilmente correlati con le grandezze e
con i fenomeni fisiologici che sono in grado di fornire le informazioni sulla
stato del muscolo in esame.
Nello studio della fatica muscolare si considerano la frequenza media e la
frequenza mediana, descrittori dei cambiamenti del contenuto spettrale del
segnale. Lo spettro tempo-frequenza istantaneo ( ) f t S ,

da cui si ricavano i
parametri dinteresse stato calcolato tramite la distribuzione di Choi-
Williams (CW) considerando ogni volta soltanto una porzione del segnale di
512 campioni. Per limplementazione pratica stato utilizzato un approccio
tempo-frequenza tempo-discreto generalizzato. Considerando i campioni
tempo-discreti {x(n)} e il kernel nel dominio di correlazione temporale

G
(n,2k), lautocorrelazione generalizzata e la distribuzione tempo-
frequenza tempo-discreto generalizzata possono essere definite:


0 5 10 15 20 25 30 35 40 45
-20
0
20
40
60
80
Segnale Elettrogoniometrico
Time [s]
A
n
g
l
e

[

]
0 5 10 15 20 25 30 35 40 45
-1.5
-1
-0.5
0
0.5
1
1.5
Retto femorale
Time [s]
A
m
p
i
e
z
z
a

[
V
]
Fig. 33. Andamenti del segnale angolare e del segnale sEMG del Retto Femorale. La linea rossa individua
il punto di massimo dellescursione angolare, la linea verde il minimo. Gli istanti cos determinati
corrispondono allinversione nella modalit di contrazione. Inoltre gli asterischi delimitano il range
angolare in corrispondenza del quale si analizzato il segnale sEMG al fine di ridurre la variabilit della
stima dei parametri spettrali
( , 2 ) ( ) *( ) ( , 2 )
G
m Z
R n k x m k x m k n m k
e
= +

(10)
77


dove Z un set di interi, n Z, e [-,].
Il campionamento dellasse tempo-ritardo met del campionamento
dellasse del tempo. Quindi la distribuzione tempo-frequenza tempo-
discreto periodica rispetto ad con periodo . Dunque per evitare aliasing
richiesto per il segnale un campionamento di almeno il doppio della
frequenza di Nyquist.
Per calcolare la (11) si ricorso alla trasformata di Fourier della funzione di
autocorrelazione istantanea nel dominio di ambiguit, moltiplicando la
funzione dambiguit tempo-discreta per il kernel della trasformata di Choi-
Williams (CWT) e anti-trasformando secondo Fourier la funzione
caratteristica.
Nel caso di segnali discreti, dallo spettro tempo-frequenza discreto ottenuto
dalla CWT,

( ) j k DS , , sono state calcolate frequenza media (IMNF) e
mediana (IMDF) istantanee utilizzando le seguenti formule:

( ) ( )

= =
=
) (
) (
) (
1
, ,
k IUF
k IMDF j
k IMDF
j
j k DS j k DS

dove ) (t IUF la frequenza istantanea superiore ed determinata dalla
frequenza massima del segnale,

( )
( )

=
=
=
) (
1
) (
1
,
,
) (
k IUF
j
k IUF
j
j k DS
j k fDS j
k IMNF
o

dove f o lintervallo in frequenza tra due campioni dello spettro in tempo-
frequenza.








2
( , ) ( , 2 )
G G j k
k Z
C n R n k e
e
e

e
=
(11)
78











Figura 34. Gli andamenti di IMNF e IMDF sovrapposti ad una rappresentazione 2D dello
spettro tempo-frequenza corrispondente alla prima contrazione di una serie di 10 cicli.

Time [s]
F
r
e
q
u
e
n
c
y

[
H
z
]
Choi-Williams Distribution
0.05 0.1 0.15 0.2 0.25
0
20
40
60
80
100
120
140
160
180
200
79

Figura 35. Gli andamenti di IMNF e IMDF sovrapposti ad una rappresentazione 2D dello
spettro tempo-frequenza corrispondente ad una contrazione nella parte finale di un serie di
10 cicli.

Inizialmente stata esaminata la contrazione concentrica (il codice
MATLAB riportato in Appendice_Programma 1): quindi dopo aver
individuato tutti i campioni in cui avvengono linizio della contrazione
concentrica e la sua fine, stato isolato il segnale, ovvero stata presa la
parte del segnale elettromiografico compresa nel range angolare definito per
assicurare la massima ripetibilit delle condizioni di esecuzione ad ogni
ciclo del movimento.
Per il calcolo della CWT (come prima anticipato), il segnale
elettromiografico stato posto in input alla funzione:
w=dcwalf(x,fc,ntlag,sig,T)
dove
x = segnale sEMG,
fc = frequenza di campionamento,
ntlag = numero di istanti di ritardo temporale,
sig = 1 (corrisponde al del kernel),
Time [s]
F
r
e
q
u
e
n
c
y

[
H
z
]
Choi-Williams Distribution
0.05 0.1 0.15 0.2 0.25
0
20
40
60
80
100
120
140
160
180
200
80
T = supporto temporale del segnale in input.
Per ogni distribuzione tempo-frequenza, cos ottenuta, stato calcolato lo
spettro tempo-frequenza Per la sua determinazione stata utilizzata una
finestra mobile che considera solo parte della distribuzione: si considera
ogni volta una sottomatrice che prende tutte le righe della distribuzione e 64
colonne. Per non perdere informazioni del segnale nella parte iniziale e
finale de segnale si aggiungono degli zero nella finestra nella parte iniziale e
finale rispettivamente. Allinterno di ogni finestra si calcola il modulo della
distribuzione tempo-frequenza. La finestra si sposta con passo unitario
allinterno della distribuzione. Successivamente viene considerato il valor
medio di ogni riga della finestra mobile e viene elevato al quadrato per
ottenere una stima dello spettro di potenza in tempo-frequenza.
Una volta ottenuto lo spettro, applicando le formule discrete
precedentemente illustrate, stato calcolato landamento di frequenza media
e mediana.
Per ogni porzione del segnale stato ottenuto un unico valore di frequenza
media e mediana ottenuto come valor medio del loro andamento nella parte
considerata dello spettro.
I valori di frequenza media e mediana ottenuti sono stati visualizzati
graficamente ponendoli in ascissa in corrispondenza del punto medio della
durata della contrazione concentrica considerata.
In questo modo si pu determinare landamento delle frequenze medie e
mediane nelle diverse porzioni del segnale durante le contrazioni
concentriche.
La pendenza della retta che meglio fitta landamento della frequenza media
e mediana, pu fornire una stima della fatica muscolare, come viene
evidenziato in un altri studi [20] [21] [22].
Per stimare la pendenza della retta di regressione nelle diverse porzioni del
segnale stato utilizzato un algoritmo implementato in ambiente MATLAB,
riportato in Appendice. Le funzioni MATLAB utilizzate sono polyfit e
polyval.
In questo modo si ottiene landamento della frequenza media e mediana
nelle tre parti del segnale: landamento viene descritto dalla retta di
regressione.
Successivamente sono state analizzate le contrazioni eccentriche come per
quelle concentriche appena viste (il codice MATLAB riportato in
Appendice_Programma 2).

81
3.2.3. Analisi dei risultati

Di seguito vengono riportati i risultati ottenuti dallanalisi in tempo-
frequenza. Per ogni muscolo considerato stata composta una tabella con i
valori di frequenza media e mediana stimati, distinguendo sempre le due
modalit di contrazione, concentrica ed eccentrica, dellesercizio isocinetico
eseguito. A causa della elevata mole dei dati vengono riportate solo le
tabelle del Retto Femorale (RF).

Soggetto 1.

Contrazioni concentriche RF [Hz]
IMNF
97,70 104,97 108,71 94,36 87,34 81,80 73,90 93,64
IMDF
92,71 102,92 100,72 90,69 86,92 79,14 68,10 87,47
Contrazioni eccentriche RF [Hz]
IMNF
94,77 96,29 91,88 103,02 96,52 84,86 86,95 90,34
IMDF
90,37 95,00 94,80 103,14 92,18 83,28 82,19 88,95
Tabella 1. Valori di IMNF ed IMDF per il muscolo RF del soggetto 1.
Soggetto 2.

Contrazioni concentriche RF [Hz]
IMNF
90,97 78,41 95,21 80,63 84,48 94,91 67,06 95,79
IMDF
89,30 67,33 95,10 74,02 80,31 88,64 55,85 85,12
Contrazioni eccentriche RF [Hz]
IMNF
89,23 91,35 84,15 79,85 75,46 66,67 79,04 64,77
IMDF
87,78 91,36 88,33 77,04 67,16 62,5 73,78 60,31
Tabella 2. Valori di IMNF ed IMDF per il muscolo RF del soggetto 2.
Soggetto 3.

Contrazioni concentriche RF [Hz]
IMNF
86,04 89,19 76,72 82,68 82,58


74,66 61,31 69,59
IMDF
88,04 91,14 75,30 88,40 84,99 74,93 55,67 66,47
Contrazioni eccentriche RF [Hz]
IMNF
104,10 104,63 105,06 105,08 104,56 102,08 105,63 103,89
IMDF
105,46 105,46 105,22 105,46 105,46 104,82 105,46 104,67
Tabella 3. Valori di IMNF ed IMDF per il muscolo RF del soggetto 3.


82

Soggetto 4.

Contrazioni concentriche RF [Hz]
IMNF
72,23 64,72 72,12 71,09 62,70 73,83 59,38 65,13
IMDF
63,30 59,57 65,20 61,80 54,91 70,66 48,71 61,06
Contrazioni eccentriche RF [Hz]
IMNF
90,95 82,75 99,75 83,13 85,30 85,38 87,95 72,04
IMDF
92,11 80,73 99,14 86,25 81,57 87,29 87,53 66,29
Tabella 4. Valori di IMNF ed IMDF per il muscolo RF del soggetto 4.
Soggetto 5.

Contrazioni concentriche RF [Hz]
IMNF
85,96 60,29 63,41 76,73 61,40 61,21 55,26 59,15
IMDF
84,94 55,49 59,34 71,84 58,79 57,80 50,73 53,18
Contrazioni eccentriche RF [Hz]
IMNF
88,32 84,35 93,38 72,59 90,25 81,02 97,94 78,09
IMDF
89,52 86,70 90,84 66,92 96,35 82,93 98,50 72,70
Tabella 5. Valori di IMNF ed IMDF per il muscolo RF del soggetto 5.
Soggetto 6.

Contrazioni concentriche RF [Hz]
IMNF
89,89 101,06 93,15 79,99 97,10 73,09 86,97 76,39
IMDF
89,42 96,53 82,29 76,60 91,33 61,82 79,28 67,96
Contrazioni eccentriche RF [Hz]
IMNF
90,91 103,49 105,58 97,26 90,50 99,54 98,63 95,53
IMDF
85,31 97,06 105,69 89,35 82,87 96,90 98,19 92,90
Tabella 6. Valori di IMNF ed IMDF per il muscolo RF del soggetto 6.
Soggetto 7.

Contrazioni concentriche RF [Hz]
IMNF
107,38 133,22 119,11 123,96 91,43 117,69 114,20 105,96
IMDF
92,35 132,33 118,76 126,25 70,94 107,82 106,49 102,57
Contrazioni eccentriche RF [Hz]
IMNF
107,18 109,15 115,63 109,87 115,67 114,18 107,34 109,01
IMDF
98,07 106,20 107,46 110,00 113,08 114,62 103,66 103,68
Tabella 7. Valori di IMNF ed IMDF per il muscolo RF del soggetto7.

83

Soggetto 8.

Contrazioni concentriche RF [Hz]
IMNF
84,11 78,84 79,09 83,07 88,09 74,47 74,81 75,75
IMDF
81,93 68,19 74,59 75,17 89,76 72,57 69,56 72,11
Contrazioni eccentriche RF [Hz]
IMNF
80,34 79,84 95,27 87,45 83,40 85,40 89,39 88,16
IMDF
73,26 72,70 95,78 82,99 84,38 80,96 85,80 78,84
Tabella 8. Valori di IMNF ed IMDF per il muscolo RF del soggetto 8.
Soggetto 9.

Contrazioni concentriche RF [Hz]
IMNF
81,47 95,55 85,64 79,33 81,50 81,49 89,30 84,00
IMDF
75,56 100,05 82,17 70,14 73,23 79,28 89,44 81,84
Contrazioni eccentriche RF [Hz]
IMNF
96,30 88,73 78,43 89,23 92,41 86,30 89,95 80,84
IMDF
93,99 80,03 72,80 85,72 88,72 82,54 92,28 78,22
Tabella 9. Valori di IMNF ed IMDF per il muscolo RF del soggetto 9.

Si riportano gli andamenti delle rette di regressione che meglio
approssimano i punti di IMNF, sopra riportati, corrispondenti alla fase di
contrazione concentrica dei 9 soggetti:

Figura 36. Andamento della linea di regressione lineare che meglio approssima la distribuzione dei
punti di IMNF del muscolo RF.
0
20
40
60
80
100
120
140
1 2 3 4 5 6 7 8
f
r
e
q
u
e
n
z
a

[
H
z
]

cicli
su
b
1
su
b
2
84
Gli andamenti delle rette di regressione che meglio approssimano i punti di
IMDF, sopra riportati, corrispondenti alla fase di contrazione concentrica
dei 9 soggetti:

Figura 37. Andamento della linea di regressione lineare che meglio approssima la distribuzione dei
punti di IMDF del muscolo RF.

Stessi andamenti per la fase di contrazione eccentrica. Per i valori di IMNF:

Figura 38. Andamento della linea di regressione lineare che meglio approssima la distribuzione dei
punti di IMDF del muscolo RF.
0
20
40
60
80
100
120
140
1 2 3 4 5 6 7 8
f
r
e
q
u
e
n
z
a

[
H
z
]

cicli
sub1
sub2
sub4
sub5
sub7
sub8
0
20
40
60
80
100
120
140
1 2 3 4 5 6 7 8
f
r
e
q
u
e
n
z
a
[
H
z
]

cicli
sub1
sub2
sub3
sub4
sub5
sub6
85
E per i valori di IMDF:

Figura 39. Andamento della linea di regressione lineare che meglio approssima la distribuzione dei
punti di IMDF del muscolo RF.

Si pu notare come per il muscolo Retto del Femore le linee di tendenza
sopra evidenziate mostrino, quasi tutte, pendenze negative sia per la
modalit di contrazione concentrica che eccentrica, pur con una maggiore
pendenza nella la fase concentrica.
Di seguito le tabelle che riassumono i risultati per tutti i muscoli analizzati
nelle due fasi della contrazione.














0
20
40
60
80
100
120
140
1 2 3 4 5 6 7 8
f
r
e
q
u
e
n
z
a

[
H
z
]

cicli
sub1
sub2
sub3
sub4
sub5
86

Tabella 10. Valori dei coefficienti angolari e delle intercette per le rette di regressione associate ai
parametri IMNF e IMDF del RF nella contrazione concentrica.



Tabella 11. Valori dei coefficienti angolari e delle intercette per le rette di regressione associate ai
parametri IMNF e IMDF del RF nella contrazione eccentrica. In neretto sono evidenziati i valori
positivi dei coeff. angolari.








CONTRAZIONE CONCENTRICA RETTO FEMORALE


CONCENTRICA
Frequenza media Frequenza mediana
Coeff. angolare Intercetta Coeff. angolare Intercetta
Soggetto 1

-3,2316 107,35 -3,3242 103,55
Soggetto 2 -0,2382 87,009 -1,1877 84,808
Soggetto 3 -3,1054 91,825 -3,9621 95,952
Soggetto 4 -0,9473 71,918 -0,7208 63,901
Soggetto 5

-2,795 78,007 -3,1409 75,653
Soggetto 6 -2,4766 98,354 -3,3712 95,829
Soggetto 7

-1,6882 121,72 -1,7358 115
Soggetto 8 -1,0416 84,472 -0,6347 78,345
Soggetto 9 -0,2836 86,066 -0,1738 82,251
CONTRAZIONE ECCENTRICA RETTO FEMORALE


CONCENTRICA
Frequenza media Frequenza mediana
Coeff. angolare Intercetta Coeff. angolare Intercetta
Soggetto 1

-1,2526 98,721 -1,4238 97,651
Soggetto 2 -3,4473 94,332 -4,3758 95,728
Soggetto 3 -0,0709 104,7 -0,0806 105,62
Soggetto 4 -1,7531 93,801 -2,2259 95,135
Soggetto 5

-0,2745 86,985 -0,6316 88,402
Soggetto 6 -0,2008 98,59 0,3082 92,151
Soggetto 7

0,0618 110,73 0,6087 104,36
Soggetto 8 -0,8195 82,475 0,7328 78,547
Soggetto 9 -0,8958 91,811 -0,2014 85,199
87


Tabella 12. Valori dei coefficienti angolari e delle intercette per le rette di regressione associate ai
parametri IMNF e IMDF del VL nella contrazione concentrica. In neretto sono evidenziati i valori
positivi dei coeff. angolari.


Tabella 13. Valori dei coefficienti angolari e delle intercette per le rette di regressione associate ai
parametri IMNF e IMDF del VL nella contrazione eccentrica. In neretto sono evidenziati i valori
positivi dei coeff. angolari.







CONTRAZIONE CONCENTRICA VASTO LATERALE


CONCENTRICA
Frequenza media Frequenza mediana
Coeff. angolare Intercetta Coeff. angolare Intercetta
Soggetto 1

-1,5964 122,67 -1,7832 119,48
Soggetto 2 0,7133 98,105 0,1559 93,499
Soggetto 3 -0,0848 75,877 0,2623 71,518
Soggetto 4 -2,7572 88,371 -3,3021 89,259
Soggetto 5

-0,8527 73,557 -1,2752 69,665
Soggetto 6 -0,1389 79,51 -0,1518 72,812
Soggetto 7

1,5711 83,973 1,5276 78,526
Soggetto 8 0,9966 76,848 0,6052 73,125
CONTRAZIONE CONCENTRICA VASTO MEDIALE


CONCENTRICA
Frequenza media Frequenza mediana
Coeff. angolare Intercetta Coeff. angolare Intercetta
Soggetto 1

0,1749 89,469 1,0233 78,963
Soggetto 2 -0,6801 98,414 -0,7735 91,03
Soggetto 3 1,8915 58,612 2,3251 48,023
Soggetto 4 -1,5711 105,46 -1,0085 101,43
Soggetto 5

-1,0773 72,857 -0,8558 63,532
Soggetto 6 -0,9027 87,591 -0,4845 77,795
Soggetto 7

-1,1203 99,495 -0,5428 87,133
Soggetto 8 -0,6803 81,585 -0,907 72,746
Soggetto 9 0,1047 70,625 0,1647 66,385
Soggetto 9
1,028 71,771 0,825 61,228
CONTRAZIONE ECCENTRICA VASTO LATERALE


CONCENTRICA
Frequenza media Frequenza mediana
Coeff. angolare Intercetta Coeff. angolare Intercetta
Soggetto 1

1,3222 101,28 1,0829 98,779
Soggetto 2 0,1081 100,8 0,1456 94,803
Soggetto 3 0,5756 81,634 1,0342 76,495
Soggetto 4 -1,7182 94,68 -1,544 93,208
Soggetto 5

1,1245 78,857 0,5558 80,226
Soggetto 6 -0,2436 86,545 -0,8764 82,815
Soggetto 7

-3,0602 108,74 -4,2909 110,47
Soggetto 8 0,0401 82,351 -0,0642 76,061
Soggetto 9 -1,4764 82,907 -1,1436 72,009
88


Tabella 14. Valori dei coefficienti angolari e delle intercette per le rette di regressione associate ai
parametri IMNF e IMDF del VM nella contrazione concentrica. In neretto sono evidenziati i valori
positivi dei coeff. angolari.



Tabella 15. Valori dei coefficienti angolari e delle intercette per le rette di regressione associate ai
parametri IMNF e IMDF del VM nella contrazione eccentrica. In neretto sono evidenziati i valori
positivi dei coeff. angolari.

Dalle Tabb.12-13-14-15, relative ai muscoli Vasto Laterale e Mediale, non
si evidenziano grandi differenze n tra contrazione concentriche ed
eccentriche, n tra i due parametri spettrali, IMNF e IMDF.
CONTRAZIONE CONCENTRICA VASTO MEDIALE


CONCENTRICA
Frequenza media Frequenza mediana
Coeff. angolare Intercetta Coeff. angolare Intercetta
Soggetto 1

0,1749 89,469 1,0233 78,963
Soggetto 2 -0,6801 98,414 -0,7735 91,03
Soggetto 3 1,8915 58,612 2,3251 48,023
Soggetto 4 -1,5711 105,46 -1,0085 101,43
Soggetto 5

-1,0773 72,857 -0,8558 63,532
Soggetto 6 -0,9027 87,591 -0,4845 77,795
Soggetto 7

-1,1203 99,495 -0,5428 87,133
Soggetto 8 -0,6803 81,585 -0,907 72,746
Soggetto 9 0,1047 70,625 0,1647 66,385
CONTRAZIONE ECCENTRICA VASTO MEDIALE


CONCENTRICA
Frequenza media Frequenza mediana
Coeff. angolare Intercetta Coeff. angolare Intercetta
Soggetto 1

-0,8061 82,46 -1,9761 80,678
Soggetto 2 0,5078 87,937 0,4489 80,252
Soggetto 3 -0,7186 79,49 1,0106 67,292
Soggetto 4 -0,9268 105,34 -0,6298 102,43
Soggetto 5

-3,1206 86,46 -4,1247 85,298
Soggetto 6 3,5957 79,409 3,7606 71,443
Soggetto 7

0,0524 85,209 -0,0213 77,996
Soggetto 8 -0,9348 80,943 -1,0936 74,628
Soggetto 9 -1,354 84,545 -1,5503 81,751
89

Capitolo 4.

Commenti conclusivi

4.1. Conclusioni

Dai risultati evidenziati nel precedente capitolo si pu affermare che nel
movimento di flesso-stensione del ginocchio ad una velocit angolare
costante di 60/s, il muscolo Retto del Femore risulta essere maggiormente
soggetto a fatica, rispetto agli altri due muscoli del quadricipite femorale
analizzati, il Vasto Laterale e il Mediale, come anche riportato in
precedenti lavori [22]. In particolare, fenomeni di fatica muscolare sono pi
evidenti nella fase di contrazione concentrica del Retto femorale, anche se
dai dati dei reports forniti dal software del sistema isocinetico, Biodex
SYSTEM 4 PRO, i valori corrispondenti al picco di torque e alla potenza
media sono generalmente maggiori durante la fase di allungamento del
muscolo (contrazione eccentrica). Questo porterebbe a pensare che i patterns
di fatica muscolare siano differenti nelle due modalit di contrazione, come
precedentemente evidenziato [23], [24].
Per quanto riguarda i risultati della nostra analisi sui muscoli Vasti, questi
non evidenziano una uniformit di comportamento, quindi non si rilevano
particolari differenze tra contrazione concentrica ed eccentrica. Una
possibile motivazione potrebbe essere attribuita allelevata variabilit del
segnale. Come si pu notare nella seguente figura, anche allinterno di una
porzione di un singolo burst, landamento delle frequenze istantanee non
costante:
90

Figura 40. Andamenti delle frequenze istantanee media e mediana in una porzione di 512 campioni
di un singolo burst.

Dalla Fig. 40 si pu inoltre notare una maggiore fluttuazione dei valori della
IMDN rispetto alla IMNF, quindi questultima risulta essere un parametro
pi stabile.
Per abbassare la variabilit si potrebbe calcolare lo spettro utilizzando una
finestra pi ampia perdendo per cos in risoluzione della stima.
Il movimento dinamico stesso presenta diverse variabili fisiche che possono
mutare durante la sua esecuzione. In particolare, nel caso in oggetto, la
velocit elevata dellesercizio e la difficolt nel fissare la coscia alla seduta
hanno sicuramente portato ad una condizione di elevata non-stazionariet,
che in parte si cercato di superare considerando la porzione del segnale pi
ripetibile ad ogni ciclo. Si notata anche una certa influenza dellambiente
circostante nella rumorosit del segnale, che rende lanalisi pi complicata
con limmissione di sorgenti dinterferenza.
Alla luce delle considerazioni sui risultati della stima dei parametri spettrali,
soprattutto, per il muscolo Retto del Femore, si pu ritenere che la
Time [s]
F
r
e
q
u
e
n
c
y

[
H
z
]
Choi-Williams Distribution
0.05 0.1 0.15 0.2 0.25
0
20
40
60
80
100
120
140
160
180
200
91
distribuzione di Choi-Williams sia un metodo valido per poter analizzare il
segnale elettromiografico in condizioni dinamiche, ponendo particolare
attenzione al protocollo di misura.
Inoltre, la valutazione del coefficiente angolare delle rette di regressione
delle frequenze istantanee media e mediana pu essere utilizzato come un
semplice indice di fatica muscolare che potrebbe avere una potenziale
applicazione in ambito clinico.
Visto lampio utilizzo dellesercizio isocinetico nellambito della
valutazione e riabilitazione funzionale, si ritiene siano necessari ulteriori
studi e, anche, collaborazioni con centri di Medicina della Riabilitazione e
dello Sport per la comprensione delle strategie di attivazione muscolare del
sistema nervoso centrale nelle diverse modalit di contrazione



92
93
Riferimenti


1. Bills, A. G., The Psychology of Efficiency, Harper. New York. 1943.
2. 20. Chaffin, D. B., Localized muscle fatigue -definition and measurement, J.
Occup, Med.. 15,346. 1973.
3. Merletti, R., Rainoldi, A., Farina, D., 2004. Myoelectric manifestations of muscle
fatigue. In: Merletti, R., Parker, P. (Eds.), Electromyography Physiology,
Engineering, and Noninvasive Applications, first ed. John Wiley & Sons, Inc.,
Hoboken, New Jersey, pp. 233258.
4. Merton, P. A., Voluntary strength and fatigue, J. Physiol.. 123,553, 1954.
5. Enoka, R.M., 1995. Mechanisms of muscle fatigue central factors and task
dependency. J. Electromyogr. Kines. 5 (3), 141149.
6. Enoka, R.M., Duchateau, J., 2008. Muscle fatigue: what, why and how it
influences muscle function. Journal of Physiology London 586 (1), 1123.
7. De Luca C. J., Myoelectric manifestations of localized muscular fatigue in
humans, CRC Crit Rev Biomed Eng 11, 251-279 (1984).
8. Piper, H., 1912. Elektrophysiologie menschlicher Muskeln. Springer Verlag,
Berlin.
9. Farina, D., Merletti, R., Indino, B., Nazzaro, M., Pozzo, M., 2002c. Surface EMG
crosstalk between knee extensor muscles: experimental and model results. Muscle
Nerve 26 (5), 681695.
10. D.G. Manolakis, V.K. Ingle, S.M. Kogon, Statistical and Adaptive Signal
Processing: Spectral Estimation, Signal Modeling, Adaptive Filtering, and Array
Processing, McGrawHill, Boston, 2000.
11. L. Cohen, Time-Frequency Analysis, Prentice Hall, Englewood Cliffs, NJ, 1995.
12. K. Grchenig, Foundations of Time-Frequency Analysis, Birkhuser, Boston,
2001.
13. LJ. Stankovic, An analysis of some time-frequency and time-scale distributions,
Ann. Telecommun. 49 (910) (1994) 505517.
14. L. Cohen, Generalized phase-space distribution functions, J. Math. Phys. 7 (5)
(1966) 781786.
15. Alias-Free Generalized Discrete-Time Time-Frequency Distributions. Jeong,
Jechang e Willaims, William J. 11, s.l. : IEEE TRANSACTIONS ON SIGNAL
PROCESSING, November 1992, Vol. 40.
16. Improved Time-Frequency Representation of Multicomponent Signals Using
Exponential Kernels. Choi, Hyung-ill e Williams, William J. 6, s.l. : IEEE
Transactions on acoustics speech and signal processing, June 1989, Vol. 37.
17. Merletti, Roberto e Parker, Philip A. ELECTROMYOGRAPHY Physiology,
Engineering, and Non Invasive Application. s.l. : WILEY - INTERSCIENCE.
18. A.M. Sayeed and D.L. Jones, Optimal kernels for nonstationary spectral
estimation, IEEE Trans. Signal Processing, vol. 43, pp. 478-491, Feb. 1995.
94
19. P.Bonato, G.Gagliati, and M.Knaflitz, Analysis of surface myoelectric signals
recorded during dynamic contractions, IEEE Eng. Med. Biol., vol.15, pp. 102-
111, 1996.
20. Time-frequency methods applied to muscle fatigue assessment during dynamic
contractions. Knaflitz, Marco e Bonato, Paolo. 9, s.l. : Elsevier Science, 1999.
21. S. Karlsson, J. Yu, and M.Akay, Time-frequency analysis of myolelectric signals
during dynamic contractions: A comparative study, IEEE Trans. Biomed. Eng.,
vol.47, pp. 228-238, Feb. 2000.
22. Electrical Manifestations of Muscle Fatigue During Concentric and Eccentric
Isokinetic Knee Flexion-Extension Movements. Molinari, Filippo, et al. 7, s.l. :
IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, July 2006, Vol.
53.
23. T. Moritani, S. Muramatsu, and M. Muro, Activity of motor units during
concentric and eccentric contractions, Am. J. Phys. Med., vol. 66, no 6, pp. 338-
350, 1987.
24. J. M. H. Cabri, Isokinetic strength aspects of human joints and muscles, Crit.
Rev. Biomed. Eng., vol. 19, no. 2;3, pp. 231-259, 1991.






95
Appendice A.

Algoritmo di elaborazione del segnale
sEMG

A.1. Pre-elaborazione dei segnali acquisiti

close all
clear all
Read_STEP32_sig;
sig_D=ans; %segnale digitale
clear ans
%il segnale convertito AD ha una risoluzione di 12 bit, ma la parola
% stata memorizzata in 16 bit, e quindi occorre traslare tutto il %segnale
di quattro posizioni (divido per 2^4)
sig_D=sig_D/16;
range_AD=2048-(-2048);
nbit=12;
lsb=range_AD/2^12; % lsb il pi piccolo livello di risoluzione
sig_A=sig_D*lsb; % sig_A il segnale amplificato, per ottenere il
segnale grezzo (sig)
gain_ampl=1000; % occorre dividere il tutto per il guadagno
dell'amplificatore(gain_ampl)
sig=sig_A/gain_ampl;
fk=7.1822; % fattore di scala
gonio=(sig_D(4,:))/fk; % segnale elettrogoniometro

retto=sig(1,:); % output del segnale EMG
w=[20/1000 300/1000];
[b,a] = butter(2,w);
retto_f= filtfilt(b,a,retto);
retto_f=retto_f-mean(retto_f);
retto_f=hilbert(retto_f);
clear retto

fs=2000; %Frequenza di campionamento del segnale
d=length(gonio);
zero=gonio(2000);
time=1/fs:1/fs:d/fs;
for i=1:d
gonio(i)=gonio(i)-zero;
end

[b,a] = butter(4,0.7/1000); % coefficienti del filtro di Butterworth
gonio_f= filtfilt(b,a,gonio); % segnale elettrogoniometrico filtrato
clear gonio
%Inizio-fine movimento
for i=1:(d-1)
96
goniod(i)=(gonio_f(i+1)-gonio_f(i)); % goniod la derivata del
segnale goniometrico filtrato dell'articolazione di ginocchio, ovvero la
velocit, per individuare i punti di minimo e massimo
end
[b,a] = butter(4,0.7/1000);
goniod_f= filtfilt(b,a,goniod);


A.2. Individuazione dei movimenti di contrazione

Vinf=min(goniod_f);
conta=0; % variabile che contiene il numero di movimenti completi
presenti nel segnale registrato
estensione=[]; % inizializzazione del vettore che contiene il campione a
cui corrisponde la fine dell'estensione
contrazione=[]; % inizializzazione del vettore che contiene il campione a
cui corrisponde la fine della contrazione
i=2000;
while (goniod_f(i)<(0.1*abs(Vinf)))
i=i+1;
end
campioneON=i; %INIZIO MOVIMENTO, individua il punto in cui ha inizio
la prima contrazione della coscia
w=1;
z=1;
while(i<(d-2000))& z<9 % delle dieci contrazioni ne considero otto
while(goniod_f(i)>0)
i=i+1;
end
contrazione(z)=i; % Il vettore CONTRAZIONE contiene i
punti in cui si ha la contrazione della coscia

while(goniod_f(i)<0)
i=i+1;
end
estensione(w)=i; % Il vettore ESTENSIONE contiene i punti in cui si ha
l'estensione massima della coscia

if (estensione(w)-contrazione(z))<2000 % Per controllare che ci sia un
movimento reale e non un artefatto,non deve essere troppo rapido, ovvero
maggiore di 1 secondo
continue
end

conta=conta+1; % CONTA numera il numero di piegamenti effettuati

w=w+1;
z=z+1;
end

for j=1:(length(estensione)-1)
if (estensione(j)-contrazione(j))<2500 | (contrazione(j+1)-
estensione(j))<2500
estensione(j)=estensione(j+1);
contrazione(j)=contrazione(j+1);
end
end
97
%Considero solo una porzione del segnale di 512 campioni che parte da una
angolazione circa uguale a 20 gradi
T20=[];
T20_end=[];
T_range=[];
r=0;
while r<(length(estensione)-1)
for u=estensione(r+1)
for i=u:contrazione(r+2)
if gonio_f(i)>=(20)
T_range=[T_range,i];
end
end
T20=[T20,min(T_range)];
T_range=[];
r=r+1;
end
end
for r=1:length(T20)
T20_end=[T20_end,(T20(r)+(512))];


A.3. Stima di frequenza media e mediana

%%%SEGNALI ELETTROMIOGRAFICI DA ANALIZZARE%%%%

sig=1; Il valore di sigma determina la risoluzione degli autotermini,
maggiore sigma, maggiore risoluzione, ma diminuisce lo smooth dei cross-
termini
lungfin=64; % Lunghezza della finestra su cui viene calcolata la psd per
ottenere la frequenza media e mediana
max=9; % numero di contrazioni analizzate
FMEAN=[]; % Inizializzazione del vettore che contiene i valori di
frequenza media
FMED=[]; % Inizializzazione del vettore che contiene i valori di
frequenza mediana
pti_Contr=[]; % Inizializzazione del vettore che contiene i punti medi
della lunghezza del SEMG analizzato
Err=[];
ErrM=[];
pw_spec=[];
for r=1:(max-1)
lc=contrazione(r+1)-estensione(r); % lunghezza del segnale analizzato
(CONTRAZIONE)
for k=1:(512)
Contr(k)=retto_f((T20(r))+k); % Segnale SEMG da analizzare
end
%%%Distribuzione di Choi-Williams
C=length(Contr);
T=C;
ntlag=T/2;
x=Contr;
w=dcwalf(x,fc,ntlag,sig,T);
[row col]=size(w);
upper=fc/2;
if 2*fix(row/2)==row;upper=upper-upper/row;end;
98
assef=0:upper/(row-1):upper;
deltaf=upper/(row-1);

for i=1:col
if(i<=lungfin/2)
finestra=[zeros(row,lungfin/2-i)abs(w(:,1:lungfin/2+i-1))];
elseif(i>=(col-lungfin/2))
finestra=[abs(w(:,i:col)) zeros(row,lungfin-(col-i))];
else
finestra=real(w(:,i-lungfin/2:i+lungfin/2-1));
end
psd=mean(finestra').^2;

% Calcolo della frequenza media
smnf=0;
sp=0;
for j=1:length(psd)
smnf=smnf+psd(j)*assef(j);
sp=sp+psd(j);
end
mnf(i)=smnf/sp;

%%% Calcolo della frequenza mediana
Mpotenza=sp/2;
somma(1)=psd(1);
indice=1;
for k=1:(length(psd)-1)
somma(k+1)=somma(k)+psd(k);
if somma(k+1)>=Mpotenza
indice=k;
break
end
end
PSD_mediana=psd(indice);
fmediana(i)=indice*deltaf;
end
freqMean=mean(mnf); % Frequenza media mediata sul numero di
colonne (campioni)
Err=[Err,std(mnf)];
freqMediana=mean(fmediana); % Frequenza mediana mediata sul numero
colonne (campioni)
ErrM=[ErrM,std(fmediana)];
FMEAN=[FMEAN,freqMean];
FMED=[FMED,freqMediana];
pti_Contr=[pti_Contr,((((lc)/2)+estensione(r))/fs)];
end






99
A.4. Calcolo delle rette di regressione

La funzione
p=polyfit(x,y,1);
stima i coefficienti del polinomio p(x) di ordine n che meglio descrive la
correlazione tra la variabile x e la variabile y. Fornisce in uscita la pendenza
della retta di regressione e la sua intercetta con lasse delle ordinate; mentre
la funzione polyval:
y=polyfit(p,x);
calcola il valore del polinomio di grado n valutato ad ogni x.

%%%%RETTE DI REGRESSIONE
p1=polyfit(pti_Contr,FMEAN,1);
FX1=polyval(p1,pti_Contr);
pm1=polyfit(pti_Contr,FMED,1);
FXm1=polyval(pm1,pti_Contr);