在二十世纪八十年代之前，中风偏瘫留下的行动不便、卧床等后遗症一直困扰着人们，在病后恢复方面一直没有较好的解决方案，对于手术截肢也只能安装假肢，对患者的日常活动造成了极大不便。腿部和脚部不便可以使用轮椅代替人体行走功能，但是对于上肢运动功能受损患者来说没有可代替的选择。人体上肢是人体从事多数日常活动的身体部位，上肢运动功能受损会导致人们无法正常进行大部分日常活动，因此解决上肢运动功能受限以及康复问题叩待解决。二十世纪八十年代以后，智能假肢、康复机器人、可穿戴设备^[2]等医疗康复设施在美国开始起步研究，经过数十年的发展，现在已经越来越智能化，给患者带来了福音。

传统的假肢控制等医疗设备基于程序控制的人机交互方式，这种方式制约了医疗康复智能的发展，也难以应用于直接与人体直接接触的医疗康复设备。程序控制基于事先进行编程，患者被动的接受假肢控制，不能发挥患者的主观意愿，所以现代医疗康复设备需要主动接受患者的意愿来做出相关动作。随着医学的发展，人们发现表面肌电信号（sEMG）抗干扰性好且易获取，且包含丰富的运动控制信息^[2]，肌电信号可以不依赖大幅度的肢体动作和体力消耗而实现对设备的控制，因此目前被广泛应用于智能假肢设备中。

前期的医疗康复设备主要通过表面肌电信号（sEMG）对人体动作进行分类，通过提取表面肌电信号（sEMG）中的特征信号，然后对人体动作进行分类，对分类结果应用于假肢控制。分类预测模型虽然可以实现人体对于假肢的主动控制，但是存在一定的局限性。分类预测模型只能预测少数不连续肢体动作，并且只能对少数肢体动作有较高的识别准确率，不能解决连续肢体动作识别问题。如果增加分类模型，也无法在当前动作识别的过程中对下一步动作的预测，即不能做到连续肢体动作的预测^[2]。为了实现机器人关节像人体关节一样活动自如，因此康复机器人、智能假肢设备与人体的高匹配度成为康复医疗设备研究的重点。

1.2 国内外研究现状

在前期，通过表面肌电信号（sEMG）识别人体意图的的方式主要是对人体动作进行分类，先提取肌电信号的特征，然后构建分类模型，根据肌电信号的特征对人体行为进行识别。基于分类模型的识别方法只能对分散动作进行识别，难以对连续动作进行识别，无法实现机器关节如同人体关节一样自由活动^[2]。