期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
我国优秀短距离速滑运动员直道滑冰腿部肌肉肌电特征研究 被引量:12
1
作者 李芙蓉 陈月亮 吴新炎 《天津体育学院学报》 CAS CSSCI 北大核心 2014年第1期14-18,共5页
运用表面肌电和高速摄影同步技术,结合功能解剖学,分析短距离运动员直道滑冰单步周期腿部肌电特征。结果:(1)左腿振幅峰值前4的肌肉依次是股内肌、股外肌、胫骨前肌和腓肠肌,右腿振幅峰值前4的肌肉依次是股内肌、胫骨前肌、股外肌和腓肠... 运用表面肌电和高速摄影同步技术,结合功能解剖学,分析短距离运动员直道滑冰单步周期腿部肌电特征。结果:(1)左腿振幅峰值前4的肌肉依次是股内肌、股外肌、胫骨前肌和腓肠肌,右腿振幅峰值前4的肌肉依次是股内肌、胫骨前肌、股外肌和腓肠肌,左、右腿振幅峰值最小的都是臀大肌;(2)单步周期腿部肌肉有效放电时间最长的都是胫骨前肌,最短的都是臀大肌;(3)单步周期腿部肌肉贡献度最大的肌肉依次是股内肌、胫骨前肌和股外肌。结论:(1)单步周期腿部肌肉振幅峰值都出现在蹬冰期,股四头肌和股后肌群在重心转移和蹬冰2个阶段都出现近似的振幅峰值,两者处于共激活状态,因此在训练实践中也要同步发展股后肌群力量;(2)单步周期中,股内肌、胫骨前肌和股外肌在腿部肌肉中有效放电时间最长、做功最大,在完成单步周期动作时作用最大,臀大肌有效放电时间最短,做功最小,在完成单步周期动作时作用最小,但在训练实践中,胫骨前肌的作用被低估,臀大肌的作用被高估;(3)运动员左、右腿单步周期动作模式一致,但摆动期左腿更主动,蹬冰期腿部肌肉的具体协调模式不同,在实践训练中设计练习方式时要注意左、右腿的差异。 展开更多
关键词 速度滑冰 直道滑冰 单步周期 振幅峰值 积分肌电
在线阅读 下载PDF
优秀短距离女子速滑运动员途中滑单步周期腿部肌肉肌电特征研究 被引量:5
2
作者 吴新炎 陈月亮 《首都体育学院学报》 CSSCI 北大核心 2015年第6期563-568,共6页
通过分析短距离速滑运动员途中滑单步周期腿部肌电特征,探讨途中滑单步周期腿部肌肉动作和协调模式。运用表面肌电遥测系统和高速摄像机同步测试,对原始肌电图进行RMS时域转化,再进行均化处理。结果:途中滑单步周期中胫骨前肌有效放电... 通过分析短距离速滑运动员途中滑单步周期腿部肌电特征,探讨途中滑单步周期腿部肌肉动作和协调模式。运用表面肌电遥测系统和高速摄像机同步测试,对原始肌电图进行RMS时域转化,再进行均化处理。结果:途中滑单步周期中胫骨前肌有效放电时间最长,臀大肌最短,股四头肌和股后肌群有效放电时间集中在蹬冰期;除胫骨前肌在弯道左单步周期落腿阶段出现振幅峰值外,其余肌肉肌电峰值都出现在蹬冰期;直道左、右和弯道右单步周期腿部主要用力肌肉依次是股内肌、胫骨前肌和股外肌,弯道左单步周期腿部主要用力肌肉依次是股内肌、胫骨前肌和腓肠肌。结论:因弯道技术形成的腿部肌肉激活惯性导致股内肌在直道左单步周期落腿阶段出现多余放电;直道单步周期左右腿动作模式一致,肌肉协调模式不一致,弯道单步周期左右腿动作模式和肌肉协调模式都不一致;女子短距离速滑训练实践过程中对胫骨前肌和臀大肌可能存在认知上的误区,应加强非平衡状态下胫骨前肌力量。在实践训练中应把握这些细节,有针对性地发展腿部力量。 展开更多
关键词 速度滑冰 单步周期 有效放电 振幅峰值 肌肉贡献度
在线阅读 下载PDF
瞬时谱数据的谱加权自适应带通滤波融合 被引量:3
3
作者 陈学华 钟文丽 +1 位作者 贺振华 杨威 《石油地球物理勘探》 EI CSCD 北大核心 2012年第3期452-456,357+518,共5页
为了快速提取地震谱分解数据中的储层特征信息,本文提出一种将瞬时峰值振幅和峰值频率属性数据进行融合的方法,它采用随频率自适应调节滤波带宽的高斯基函数,可反映时频域地震信号在低频端具有很高的频率分辨率,高频端具有较低的频率分... 为了快速提取地震谱分解数据中的储层特征信息,本文提出一种将瞬时峰值振幅和峰值频率属性数据进行融合的方法,它采用随频率自适应调节滤波带宽的高斯基函数,可反映时频域地震信号在低频端具有很高的频率分辨率,高频端具有较低的频率分辨率的特征;并以峰值振幅属性作为权重,将两种谱分解属性数据映射为颜色融合数据。实际资料的应用表明,该法可反映瞬时谱主振幅随频率的变化,刻画储层的空间展布、几何形态、相对厚度和含流体情况等,快速提取谱分解数据中的有效地质信息,提高解释的效率。 展开更多
关键词 谱分解 峰值振幅 峰值频率 自适应带通滤波 数据融合 储层描述
在线阅读 下载PDF
时频属性法薄互层预测 被引量:15
4
作者 刘力辉 李建海 +1 位作者 孙莹频 胡诚 《石油地球物理勘探》 EI CSCD 北大核心 2017年第6期1261-1268,共8页
1/4波长以内的薄互层厚度预测一直是勘探难题,本文主要探讨利用时频属性预测薄互层累计厚度的方法。通过薄互层楔状模型和两个叠置薄层模型,厘清薄互层累计厚度与时频属性的关系及其主要影响因素。模型研究结果表明:净毛比、层数和互层... 1/4波长以内的薄互层厚度预测一直是勘探难题,本文主要探讨利用时频属性预测薄互层累计厚度的方法。通过薄互层楔状模型和两个叠置薄层模型,厘清薄互层累计厚度与时频属性的关系及其主要影响因素。模型研究结果表明:净毛比、层数和互层模式都对峰值振幅—毛厚度关系有影响,其中净毛比影响最大,其次是互层数,影响最小的是互层模式;净毛比控制峰值振幅、峰值频率与毛厚度关系,也控制调谐厚度范围;在调谐厚度内,峰值振幅(积分能谱)与毛厚度呈单调递增线性关系,峰值频率与毛厚度呈单调递减线性关系;积分能谱与净厚度呈线性关系,积分能谱有扩大调谐厚度范围功能,有利于计算薄互层净厚度。根据模型试算结果,在实际资料中运用人工智能方法,利用峰值振幅和峰值频率等联合计算薄互层净厚度。预测结果表明本文方法准确、可靠,实用性强。 展开更多
关键词 薄互层 净毛比 毛厚度 峰值振幅 峰值频率 积分能谱 人工智能
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部