摘要：该数据集面向经肱骨截肢者肩带运动识别、上肢运动意图分析与智能假肢控制研究构建，融合了肩部表面肌电信号（sEMG）与三轴加速度信号。
数据集概述
该数据集面向经肱骨截肢者肩带运动识别、上肢运动意图分析与智能假肢控制研究构建，融合了肩部表面肌电信号（sEMG）与三轴加速度信号。数据集共包含 10 名受试者，其中 4 名经肱骨截肢者（AMP） 和 6 名健全肢体受试者（IL），年龄范围为 16～65 岁。研究重点针对高位上肢截肢后仍可保留的肩带运动能力，通过采集肩部肌肉电活动与肩部运动信息，为不同肩带动作的自动识别及假肢控制提供数据基础。
数据结构与关键特征
数据包含 7 类肩带运动状态，分别为上提（Elevation）、下压（Depression）、前伸（Protraction）、后缩（Retraction）、上回旋（Upward Rotation）、下回旋（Downward Rotation）和静息（Rest）。采集系统共包含 8 个信号通道，其中 Ch1～Ch5 为 EMG 通道，分别对应斜方肌上束、菱形肌、斜方肌下束、前锯肌和胸小肌；Ch6～Ch8 为安装于肩部的三轴加速度计信号。原始信号以 1 kHz 采样率采集，并以 MATLAB 可读取的数据文件形式保存。每名受试者包含多次连续动作试验，其中截肢受试者还额外增加了试验次数。数据文件按照正常受试者与截肢受试者分别组织，如 EMG_ACC_S1～S6 和 EMG_ACC_Amp1～Amp4。需要注意的是，原始 EMG 信号中存在一定程度的 ECG 心电干扰噪声，适合用于滤波与抗噪算法研究。
应用价值与研究方向
该数据集适用于肩带动作分类、截肢者运动意图识别、肌电模式识别、多模态传感器融合、智能假肢控制及康复工程等研究方向。研究者可以分别从 EMG 信号中提取 MAV、RMS、波形长度、零交叉率、小波系数及频域特征，并融合三轴加速度信息，再结合 SVM、随机森林、CNN、LSTM、Transformer 等模型完成肩带动作识别。此外，该数据集包含截肢者与健全受试者两类群体，可用于研究跨受试者泛化、截肢与健全人群肌肉激活差异、ECG 噪声抑制以及基于残余肌肉信号的高位上肢假肢控制。
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-817
文件大小：52M
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)