本論文提出一套穿戴式肌電圖健身系統，旨在為使用者提供即時而全面的運動數據，以協助使用者更有效地了解健身活動中肌肉的參與程度。本論文整合表面肌電圖測量技術，通過表面肌電圖即時監測肌肉活動，並透過人機介面提供生理數據。使用者可以直觀地了解即時的肌電數值，有助於理解自身的肌肉活動和負荷情況以及提供了運動時間、完成次數、即時心率和血氧飽和度等信息，讓使用者能夠全面監測其運動表現和生理狀態，為使用者提供參考信息，以利於管理體能和達到健身目標。在訓練完成後，使用者還能夠查看平均心率、完成次數以及運動中所消耗的熱量，上述信息對於評估運動效果和身體恢復情況至關重要。本論文的數據傳輸使用低功耗藍芽技術，實現了快速且可靠的數據傳輸，確保使用者能夠即時獲取和分析運動數據，此傳輸方式的穩定性和效率有助於提高系統的實用性和可靠性，穿戴式肌電圖健身系統為使用者提供了一個方式來監測、評估健身表現。本研究結合了表面肌電圖技術和低功耗藍芽技術的系統，讓使用者將能夠更好地了解其運動狀態，參考後能夠更有針對性地設計和調整運動計劃，以實現更好的健身效果。

This paper proposes a wearable electromyography (EMG) fitness system designed to provide users with real-time and comprehensive exercise data, assisting users in better understanding the involvement of muscles during fitness activities. The paper integrates surface EMG measurement technology to monitor muscle activity in real-time and provides physiological data through a human-machine interface. Users can intuitively understand real-time EMG values, aiding in comprehension of their own muscle activity, workload, and providing information such as exercise time, completion count, real-time heart rate, and blood oxygen saturation. This allows users to monitor their exercise performance and physiological status comprehensively, providing reference information for managing physical fitness and achieving fitness goals.After completing a workout, users can review average heart rate, completion count, and calories consumed during exercise. The above information is crucial for assessing exercise effectiveness and body recovery. The data transmission in this paper utilizes low-power Bluetooth technology, enabling fast and reliable data transmission, ensuring users can access and analyze exercise data in real-time. The stability and efficiency of this transmission method contribute to enhancing the system's practicality and reliability. The wearable EMG fitness system provides users with a means to monitor and evaluate fitness performance. This study combines surface EMG technology and low-power Bluetooth technology, allowing users to better understand their exercise status. With this information, users can design and adjust workout plans more effectively, achieving better fitness results.

摘要 i
ABSTRACT ii
致謝 iii
表目錄 vi
圖目錄 vii
第一章 緒論 1
1.1 研究背景 1
1.2 研究方法與目的 2
1.3 論文大綱 3
第二章 研究與方法 4
2.1系統架構介紹 4
2.2肌電感測單元 5
2.2.1 肌電模組 6
2.2.2 肌電包絡線 8
2.2.3肌電閾值 9
2.2.4肌電均方根值 9
2.2.5肌肉訓練方式 10
2.3心率血氧感測單元 11
2.3.1 心律血氧感測模組 11
2.3.2 熱量計算 14
2.4電源單元 15
2.4.1 人機介面端電源 15
2.4.2 穿戴端電源 15
2.5無線傳輸單元 17
2.5.1 藍芽Client端 18
2.5.2藍芽Server端 18
2.6主控制單元 20
2.7人機介面控制單元 23
2.7.1功能介紹 23
第三章 實驗結果與驗證 28
3.1硬體實體結果 28
3.2軟體實體結果 29
3.3不同肌群之訓練結果 32
第四章 結論與未來展望 38
4.1 結論 38
4.2 未來展望 38
參考文獻 39

[1]王振興，2015，穿戴式科技的應用，科學發展 ，512期。
[2]許又仁，2018，生理訊號量測技術於運動表現之應用。
[3]Thompson, Walter R. Ph.D. (2023). Worldwide Survey of Fitness Trends for 2023. ACSM's Health & Fitness Journal 27(1), 9-18.
[4]相子元、奚聖林，2023，運動科技:運動的未來。
[5]鄧樹勳、王健編著，2004，運動生理學: 理論與應用，冠學出版社。
[6]蔡宗晏、王進華，2007，淺談肌電圖在運動科學中的應用，大專體育，(90)，頁155-161。
[7]趙家琪、田時佳編著，1995，實用運動生理問答，浩園文化事業有限公司。
[8]張源致，2016，可攜式肌電圖與組織血氧飽和濃度之量測裝置研發，長庚大學，碩士論文。
[9]蔡政龍，2006，肌電圖強度與速度分析於機器手臂控制之應用，國立交通大學電機與控制工程系所，碩士論文。
[10]Daniele Esposito,Jessica Centracchio,Paolo Bifulco,Emilio Aderozzi.(2023). A smart approach to EMG envelope extraction and powerful denoising for human–machine interfaces.
[11]Esposito, D., Centracchio, J., Bifulco, P. et al .(2023). A smart approach to EMG envelope extraction and powerful denoising for human–machine interfaces. Sci Rep 13, 7768.
[12]Ozgünen KT, Celik U, et al.(2010). Determination of an Optimal Threshold Value for Muscle Activity Detection in EMG Analysis. J Sports Sci Med. 9(4),620-8.
[13]葉明杰，2005，手臂運動之肌電訊號特性分析與應用，國立交通大學，碩士論文。
[14]王宇涵、彭賢德，2014，不同阻力與加壓負荷對神經肌肉功能的影響，運動表現期刊，1(1)，頁15-19。
[15]許立德，2019，穿戴裝置在運動期間的即時肌肉檢測疲勞，朝陽科技大學，碩士論文。
[16]黃凱鈺，2017，等長收縮與等張收縮訓練對學生體適能教學在學習態度與效應探討之研究－以屏東縣某國中為例，高苑科技大學，碩士論文。
[17]劉威廷，2009，以PPG實現多訊息生理參數之測量與評估，逢甲大學，碩士論文。
[18]黃羽羽，2022，代謝當量與血液指標中之代謝、發炎與免疫因子之探討，國立臺北護理健康大學，碩士論文。
[19]陳盈穎，2022，使用不同槓鈴於側登階、弓箭步和單腿蹲之肌電圖分析，高雄醫學大學，碩士論文。
[20]Epley Formula。
https://www.vcalc.com/wiki/vCalc/Epley-Formula-1-rep-max
[21]吳炯男，2004，可攜式無線生理訊號量測系統之實現，南台科技大學，碩士論文。
[22]蔡承峰，2018，不同負重器材對於蹲舉和弓箭步下肢肌電圖的影響，國立臺灣體育運動大學，碩士論文。
[23]趙英傑，2016，超圖解物聯網IOT實作入門，旗標科技股份有限公司。
[24]趙英傑，2021，超圖解ESP32深度實作，旗標科技股份有限公司。
[25]樂鑫科技，2022，ESP32-C3物聯網工程開發實戰，電子工業出版社。
[26]黃怡婷、余姿諭、鄭智修，2022，動態與靜態伸展對於腓腸肌肌肉性質與運動表現的立即性影響，臺灣體育學術研究，(72)，頁15-28。
[27]Carvalho, C.R., Fernández, J.M., del-Ama, A.J. et al.(2023) .Review of electromyography onset detection methods for real-time control of robotic exoskeletons. J NeuroEngineering Rehabil 20, 141 .
[28]S. Higashi, D. Goto, S. Okada, N. et al.(2019) Development of wearable EMG measurement system on forearm for wrist gestures discrimination. IEEE 1st Global Conference on Life Sciences and Technologies, 250-251.
[29]T.J. Walters, et al.(2013).Validation of a portable EMG device to assess muscle activity during free-living situations.Journal of Electromyography and Kinesiology, 23(5) 1012-1019.
[30]淘晶馳資料中心。http://wiki2.tjc1688.com/index.html
[31]Surface ElectroMyoGraphy for the Non-Invasive Assessment of Muscles http://www.seniam.org/
[32]ESP32C3 Hardware Reference。
https://docs.espressif.com/projects/esp-idf/en/latest/esp32c3/hw-reference/index.html