1. 研究目的与意义（文献综述）

1.1 研究目的及意义

进入二十一世纪以来，随着社会工业化的高速发展，人们生活变得更加便利的同时，也产生了很多不利因素。世界上每年由于交通事故、火灾等造成肢体创伤甚至残疾的人数逐年递增。人类借由身体器官、四肢感受外部信息，进行日常活动。如果肢体受到影响，肢体上的残疾给他们的日常活动带来不便。当今社会，残疾人士对于生活质量提升的要求也十分迫切，各种残疾病人辅助器具是帮助他们改善状况、补偿功能最直接有效的手段之一，因此研究易于使用的智能假肢、康复机器人来弥补残疾人丧失的肢体功能是一项造福社会和人类的事业，而智能假肢、康复机器人等事实上是一种人机接口。

hmi是human machine interface 的缩写，“人机接口”，也叫人机界面。人机界面（又称用户界面或使用者界面）是系统和用户之间进行交互和信息交换的媒介， 它实现信息的内部形式与人类可以接受形式之间的转换。凡参与人机信息交流的领域都存在着人机界面，广泛应用与康复机器人的研究与开发。

2. 研究的基本内容与方案

本文拟设计一个基于semg信号的踝关节屈/伸自由度角度预测系统，该系统预测的角度控制脚踝康复机器人。对semg信号进行预处理以滤除噪声，并提取特征以获得肌肉激活信息，进而利用narx神经网络建立激活信息与待估计角度之间的映射关系即激活模型，有效实现人体运动过程中踝关节屈/伸自由度角度的实时预测。

1.对信号的预处理常采用的时频域处理方法（如小波去噪，希尔伯特黄等）能够有效去除频域干扰，滤波效果理想，但是计算复杂，不利于信号的实时分析。为保留表面肌电信号的有用信息，尽可能消除各类噪声影响，原信号首先使用带通滤波器进行滤波并整流。经过带通滤波后的 semg 保留了信号主要频段，消除了干扰频段的噪声影响，低频是产生基线漂移的主要原因，通过低通滤波器进行滤波和整流，能够消除基线漂移。

2.肌肉激活度提取：肌肉协同元及其激活系数序列是由肌肉激活度分解而来，而肌肉的激活度并不能直接提取。有研究表明表面肌电信号的一些时域特征和肌肉激活度是近似的线性关系，因此本文通过表面肌电信号的时域分析来提取肌肉激活度。时域特征分析由于提取方法简单且计算量小，被广泛用于肌电信号处理中。为了确定最佳的肌电时域特征作为肌肉激活度进行肌肉协同分析，并考虑到nmf算法对于待分解矩阵非负性的约束，常用的方法有：均方根、均方值、积分肌电值（integrated emg, iemg）、对数特征（log）、波形长度（wave length, wl）、willison 幅值（willison amplitude, wamp）、过零点数（zero crossing, zc）、符号改变率（slope sign change, ssc）。

3. 研究计划与安排

（1）第1－4周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

（2）第5－6周：熟悉掌握基本理论，完成英文资料的翻译，熟悉相关工具软件的使用。

（3）第7－9周：实现eeg信号分类算法。

4. 参考文献（12篇以上）

[1] 桂奇政，孟明，马玉良，罗志增. 基于肌肉协同激活模型的上肢关节运动连续估计[j]. 仪器仪表学报，2016, 37(6): 1405-1412.

[2] jiang n., rehbaum h., vujaklija i., et al. intuitive, online, simultaneous, and proportional myoelectric control over two degrees-of-freedom in upper limb amputees[j]. neural systems and rehabilitation engineering, ieee transactions on, 2014, 22(3): 501-510.

[3] castro m. c. f., colombini e. l., junior p. t. a., et al. semg feature evaluation for identification of elbow angle resolution in graded arm movement[j]. biomedical engineering online, 2014, 13(1): 155.