1. 研究目的与意义（文献综述）

1.1 研究目的及意义

在复杂的社会活动过程中，多种因素会导致人类的肢体受到损伤，给人们的行动能力带来消极影响。同时，伴随着年龄的增长，人体机能逐渐衰老退化，其重要标志之一是起立、坐卧、行走方面的困难。对于行动不便的人群，最好的康复手段是有一种运动辅助性的器械，来帮助他们完成大量的重复运动并引导其做出自主反应，这使得康复训练辅助设备应运而生，其中仿生假肢、外骨骼机器人及医疗康复机器人是目前国内外研究的热点。

相比于过去采用被动训练方式的康复机器人，现在国内外的研究重点更集中于需要待康复人员自主反应的主动训练方式。实验表明，主动康复训练方式促进运动知觉作用更加明显，训练效果更加显著。要训练待康复人员的自主反应，首先就要识别其运动意图，并通过该意图实现对机器人或假肢的控制。人体生物电信号是载有人的行为信息的神经元传输到相关组织/器官时所激发的电位和，能够反应人的运动意图。通过解码人体生物电信号以识别人的行为，进而赋予机器人理解人的意图的能力。目前受到科研人员广泛关注的生物电信号包括肌电信号(electromyography, emg)、脑电信号(electroencephalography, eeg)等。由于表面肌电(surface emg, semg) 蕴含信息丰富，采集技术成熟，并且是无创采集，因而受到众多研究者的青睐。通过semg 精确识别出人的运动意图，通常包括离散动作模态分类和关节连续运动量估计。模态分类只能预测少数离散肢体动作，应用预测结果控制机器人，机器人无法完成类人的连续平滑运动，而保证人机运动连续匹配是实现多种服务机器人安全控制的前提。因此，与模态分类相比，关节连续运动估计对实现机器人运动的连续控制更有价值。

2. 研究的基本内容与方案

本文主要研究基于肌肉协同分析的膝关节角度预测系统。在深入研究肌肉协同提取方法和角度预测模型的基础上，设计出一套基于肌肉协同分析的膝关节角度预测系统，有效实现人体运动过程中膝关节角度的实时预测。论文阐述系统的整体设计方案，通过matlab验证肌肉协同提取算法和角度预测模型的可行性，最后在vs系统中实现预测角度和实际角度的实时显示。

研究过程中着重解决以下问题：

1. 信号采集：肌肉选择，通道选取，传感器分布
2. 信号预处理算法
3. 特征提取算法与选择何种特征
4. 根据肌肉协同理论，采用何种算法分解出协同元和对应激活系数
5. 如何建立激活系数到膝关节角度的映射模型
6. 系统界面的搭建

首先筛选合适的受试人群进行semg信号的采集；随后在matlab平台上完成对系统的仿真：对采集的信号进行预处理，应用基于小波变换与重构的去噪方式完成去噪，然后对信号进行时域特征提取以及特征选择，根据肌肉协同分析法并通过非负矩阵分解(non-negative matrix factorization ,nmf)将选择好的特征信号解耦提取出协同元矩阵和激活系数矩阵。最后构建映射激活系数到膝关节角度的神经网络模型，利用建立的模型从采集的表面肌电信号得到膝关节角度的连续估计。系统流程框图如图1所示。

3. 研究计划与安排

第1－3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。

第4－5周：了解表面肌电信号的采集和处理方法，研究肌肉协同分析方法，完成英文资料的翻译，熟悉开发环境。

第6－9周：研究角度预测方法，基于肌肉协同分析设计出膝关节角度预测系统，并在matlab中实现各算法，进行系统的可行性验证。

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].2016,37(6):1405-1412.

[2] 李飞.基于表面肌电信号的小儿脑瘫步态肌肉协同分析[d].合肥:中国科学技术大学,2014:6-8.

[3] 丁其川,熊安斌,赵新刚,等.基于表面肌电的运动意图识别方法研究及应用综述[j].2016,42(1):13-25.