4.2 使用非线性技术评价肌肉疲劳
用来评价肌肉疲劳的非线性技术是建立在神经网络的基础上，将sEMG信号参数与肌肉疲劳联系起来。非线性分析技术强于线性方法的优点是神经网络能够获取sEMG信号参数与肌肉疲劳之间的关联。
第一位使用这些技术评价肌肉疲劳的学者是MacIsaac等（2006）。他使用了图谱指数（mapping index, MI）评价肌肉疲劳时肌电指标的变化，包括肌电的幅值和频率特征。他们研究发现，在评价肌肉疲劳时MI方法要比单纯地使用肌电中位频率或者瞬时频率要更准确。他们获得更高的信噪比，这提示这种方法使评估参数与真实参数之间的误差变得更小。
在该项研究的基础之上，Gonzalez-Izal等（2010a）改进了MacIsaac等（2006）最初的技术方法。他们认为最初的技术并不能反映膝关节重复性伸展过程中的肌肉疲劳，例如，功率下降，因为原始的MI技术假设疲劳是一个渐进性的过程，但是动力性运动中最大随意收缩力下降很少表现出线性下降趋势（Gerdle et al., 2000; Komi and Tesch, 1979）。为了克服这个限制，Gonzalez-Izal和他的同事（2010a）研发了一种新的MI方法，即把运动疲劳过程假设成为一个已知参数。结果发现，Gonzalez-Izal的方法的精确度更高。
