摘要：该数据集是一个面向肌肉疲劳分析、运动恢复评估与肌电信号分类研究构建的表面肌电图（EMG）时序数据集，共包含 14 名参与者在深蹲运动实验中的肌电信号。
数据集概述
该数据集是一个面向肌肉疲劳分析、运动恢复评估与肌电信号分类研究构建的表面肌电图（EMG）时序数据集，共包含 14 名参与者在深蹲运动实验中的肌电信号。实验主要采集人体**股外侧肌（Vastus Lateralis）**在不同休息间隔条件下的肌电活动，通过比较 1 分钟、5 分钟和 10 分钟恢复阶段的 EMG 信号变化，研究运动后肌肉恢复状态及最佳休息时间。该数据集来源于利用决策树分类器研究 EMG 频率和通道重要性的相关工作，可用于训练机器学习模型自动区分不同肌肉恢复阶段。
数据结构与关键特征
数据集按照参与者编号进行分层组织，共包含 1 至 14 共 14 个参与者目录。每名参与者的数据进一步按照 1min、5min、10min 三种休息时间划分，每个恢复阶段下包含多次实验记录。exp_1.csv、exp_2.csv、exp_3.csv 等 CSV 文件保存实验过程中采集的原始肌电信号，exp_1_points.json 等 JSON 文件则记录深蹲动作相关的时间点或动作阶段标记，用于将肌电信号与实际运动过程进行对应。此外，participants.csv 保存研究参与者的基本描述信息。该数据集同时具有参与者维度、恢复时间维度、重复实验维度以及 EMG 时序信号维度，适合开展个体差异分析、频域特征研究和恢复阶段分类。
应用价值与研究方向
该数据集适用于肌肉疲劳检测、运动后恢复阶段识别、肌电信号分类、运动生理分析以及智能健身监测等研究方向。研究中可以从原始 EMG 信号提取 RMS、平均绝对值、过零率、波形长度、功率谱密度、中值频率和平均频率等时域与频域特征，并采用 Decision Tree、Random Forest、SVM、XGBoost 等传统机器学习算法进行 1 分钟、5 分钟和 10 分钟恢复状态分类。也可以利用 1D-CNN、LSTM、TCN 或 Transformer 等深度学习模型直接处理原始肌电时间序列。进一步还可以研究频率与通道重要性排序、肌肉疲劳程度估计、个体化休息时间推荐、运动恢复趋势分析以及实时肌电监测系统，为运动训练、康复评估和智能健身提供数据支持。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-811
文件大小：10M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)