Synchronized AMG and EMG Dataset of Lower-limb Muscle Activities in Everyday Training

该数据集由哈尔滨工业大学（深圳）创建，名为Synchronized AMG and EMG Dataset of Lower-limb Muscle Activities in Everyday Training，是一个同步采集下肢肌肉加速度肌电图（AMG）与表面肌电图（EMG）的多模态数据集。数据集包含30名健康成年受试者执行16种任务条件（11种功能性动作和5种行走速度）的1,918个试验，记录了16个三轴加速度计（48轴）的AMG信号和4通道表面EMG信号，并利用15个标记的光学运动捕捉系统导出双膝与双踝关节角度作为参考标签。数据创建过程涉及多采集流同步与时间裁剪，确保信号对齐，并提供了处理后的数据、窗定义及基准代码。该数据集旨在通过关联局部肌肉机电信号与身体运动学，为运动障碍研究、康复评估及体能分析提供可复现的基准，以促进下肢肌肉协调机制的深入理解。This dataset, named Synchronized AMG and EMG Dataset of Lower-limb Muscle Activities in Everyday Training, was developed by Harbin Institute of Technology (Shenzhen). It is a multimodal dataset for synchronously collecting lower-limb muscle acceleromyography (AMG) and surface electromyography (sEMG) signals. The dataset includes 1,918 trials from 30 healthy adult subjects, who performed 16 task conditions consisting of 11 functional movements and 5 walking speeds. It records AMG signals from 16 triaxial accelerometers (totaling 48 channels) and 4-channel sEMG signals, and derives bilateral knee and ankle joint angles via a 15-marker optical motion capture system as reference labels. The data creation process involves synchronization of multiple acquisition streams and time cropping to ensure signal alignment, and the processed data, window definition specifications, and baseline code are provided. This dataset aims to provide a reproducible benchmark for movement disorder research, rehabilitation assessment, and physical performance analysis by correlating local myoelectromechanical signals and body kinematics, thereby promoting in-depth understanding of the coordination mechanisms of lower-limb muscles.

搜集汇总

数据集介绍

构建方式

该数据集针对下肢肌肉活动与运动学信号的同步采集需求，构建了一套多模态数据采集系统。采集对象为30名健康成年人，每名受试者完成11种功能性动作及5种不同速度的跑步机行走任务，共产生1918次有效试验。在数据采集过程中，研究者在大腿前侧、内侧、小腿前侧及小腿后侧四个肌肉部位分别部署了四枚微型三轴加速度计，构成16通道的加速肌动图（AMG）采集阵列，同时配合四通道表面肌电（EMG）传感器，并使用15标记点的光学运动捕捉系统同步记录双侧膝关节和踝关节的角度轨迹。所有信号经时间对齐与裁剪后，以NPZ格式存储，包含原始及滤波后的数据、时间信息、元数据及关节角度标签，为后续分析提供了标准化输入。

使用方法

该数据集适用于下肢关节角度估计、多模态信号融合及可穿戴传感器性能评估等研究任务。使用者可依据数据字典中的详细说明，加载NPZ格式的试验数据，利用提供的窗口定义与数据分割（如受试者内、受试者间划分）进行模型训练与验证。基准测试建议采用5-100Hz带通滤波后的AMG信号作为输入，通过随机森林、TCN、LSTMPlus及InceptionTimePlus等参考模型预测膝关节与踝关节角度，并计算MAE、RMSE及相关系数等指标。研究者还可依据消融实验方案，灵活调整传感器组合、模态类型及训练规模，以探索不同因素对估计性能的影响，从而推动康复工程与人机交互领域的发展。

背景与挑战

背景概述

该数据集由哈尔滨工业大学（深圳）的唐东旭、雷诗颖、任卓一、廖建廷和邵轶天等人于2024年创建，旨在深入探究下肢肌肉群的协调机制，为康复评估、运动科学及日常训练提供数据支持。数据集创新性地整合了加速度肌动图（AMG）与表面肌电（EMG）信号，辅以光学运动捕捉系统计算的双侧膝踝关节角度，构建了一个多模态、同步化的下肢活动数据集。自2026年发布以来，该数据集填补了现有资源中缺乏局部AMG阵列与EMG及运动学参考同步记录的空白，为可复现的研究提供了基准，推动了可穿戴传感技术与下肢生物力学领域的融合发展，对相关领域的研究范式产生了深远影响。

当前挑战

该数据集面临的挑战涵盖领域问题与构建过程两方面。在领域层面，下肢肌肉协调的量化分析长期受限于单一模态信号，难以全面映射神经电活动与机械振动间的复杂耦合，尤其缺乏高密度AMG与参考运动学的联合资源。构建过程中，多源数据时序同步需应对时钟偏差与漂移，且需在保持肌电信号完整性的同时，抑制低频运动伪迹以凸显皮肤动力学信息；此外，传感器布局、通道数量及跨受试者泛化能力的权衡，亦构成设计上的核心难点，需通过系统性消融实验加以厘清。

常用场景

经典使用场景

在运动科学与康复工程领域，该数据集为下肢肌肉活动与关节运动学之间的耦合关系研究提供了珍贵的多模态同步记录。其典型应用场景包括利用加速肌动图（AMG）与表面肌电（EMG）信号联合估计双侧膝关节与踝关节角度，尤其在跨受试者泛化任务中，通过短时窗（如300毫秒）的带通滤波信号实现高精度关节角度回归。该数据集覆盖11种功能性动作与5种步行速度，使得研究者能够系统评估不同任务复杂度对肌肉-运动映射模型的影响，是验证可穿戴传感方案在动态运动条件下可靠性的权威基准。

解决学术问题

该数据集有效回应了下肢运动分析中关于肌肉电-机械信号协同解码的长期学术争议。通过同时采集多部位AMG与EMG，并配合同步光学运动捕捉获得的关节角度金标准，它解决了以往数据集缺乏局部肌肉机械振动与整体运动学多层次关联的局限。其严格的同步协议、标准化任务划分及详尽的基准评测，为肌电-加速度融合建模、传感器配置优化、频率特征选择等研究课题提供了可复现的实验平台，显著推动了可穿戴设备在非实验室环境下进行精细运动追踪的算法发展。

实际应用

在实际应用中，该数据集为低成本、便携式下肢运动监测系统的研发铺平了道路。相较于昂贵的传统EMG设备，其定制的AMG采集系统成本不足十分之一，却能在跨受试者条件下达到相当的关节角度估计精度，这直接促进了康复训练指导、运动损伤预防及老年跌倒风险预警等场景的落地。此外，数据集涵盖的日常训练动作（如深蹲、箭步蹲、上下楼梯）使其成为开发家用智能健身教练或远程康复评估工具的理想训练资源，填补了实验室级生物力学测量向日常生活环境转化的重要缺口。

数据集最近研究

最新研究方向

该数据集聚焦于下肢肌肉活动多模态监测的前沿探索，通过整合肌电信号与加速度肌动图，为关节角度估计提供了高精度、低成本的创新路径。其研究热点涵盖基于深度学习的跨受试者运动解码、多模态特征融合的消融分析，以及传感器布局与频率响应对预测性能的系统性影响。此数据集不仅填补了局部AMG阵列与EMG及光学运动捕捉同步记录的空白，更为康复评估、运动科学与人机交互界面提供了可复现的基准，推动了穿戴式传感技术向临床与日常应用的转化。

相关研究论文

• Synchronized AMG and EMG Dataset of Lower-limb Muscle Activities in Everyday Training

  哈尔滨工业大学（深圳） · 2026年