基于表面肌电的意图识别方法在非理想条件下的研究进展

在基于表面肌电信号(Surface electromyography,sEMG)的意图识别研究领域,目前大多数的研究主要集中在提高肌电识别的准确性方面.然而,在实际应用中,基于sEMG识别的交互系统往往受到诸多非理想因素干扰,肌电识别的准确性大大降低.本文主要关注在非理想条件下肌电识别的鲁棒性研究,首先详细归纳了肌电识别方法受到的非理想干扰因素(如电极偏移、个体性差异、肌肉疲劳、肢体姿态或其他综合性干扰),总结了当前研究的抗干扰方法;随后讨论了非理想干扰因素研究现状中的主要问题;最后在构建肌电数据集、探索深度学习和迁移学习以及肌电分解研究等方面,对未来的关键技术进行了展望.

可穿戴便携式康复外骨骼机器人的开发

近年来,康复机器人辅助中风病人的康复治疗吸引了越来越多的关注。相对于传统的由康复师进行的中风治疗,康复机器人进行的治疗更为精确,且不受康复师主观因素的影响,能够显著提高康复治疗的效果。本文介绍了一个拥有5自由度上肢与4自由度下肢的可穿戴便携式康复外骨骼机器人。机器人的所有自由度都由患者的肌电信号驱动,帮助患者进行失能肢体的康复训练。该机器人可穿戴和便携的特性为患者行走功能的康复提供了新的手段。康复过程中,患者的所有康复运动数据(包括患者的表面肌电信号数据和每个关节的运动数据)都可以被采集,便于在线分析和离线记录。