1.1 研究目的及意义

人类在日常的社会活动中，受各种外界或因素的影响，肢体部分会受到一定程度的损伤，这对人们的行动能力产生了极为消极的影响。亦或是由于人类年龄的增长，各种生理机能会衰退老化，伴随而来的便是肢体行动的不便与困难，如:站立、坐卧、行走等。对于受这些内外因素而造成的种种影响，通过科技手段来进行修复或缓解来进行治疗成为了人们的夙愿。如今，最好的康复手段就是利用运动辅助性器械来帮助他们完成各种各样的大量的、重复的运动，继而引导并增强其自主反应。这为康复训练辅助设备的诞生创造了条件，尤其是仿生假肢，外骨骼机器人及医疗康复机器人是目前国内外相关研究的热点。

康复机器人从最初的被动模式开始发展，而近年的医学实验表明，主动模式的康复训练方式对于人体的运动和知觉恢复作用更为明显，训练效果也更加显著。所谓主动模式，即对康复人员的运动意图进行估计，继而通过该意图实现对机器人或假肢的行为控制。从神经元传输到相关组织或器官的生物电信号载有人类行为信息，能够反应人类的运动意图。通过对生物电信号进行解码，我们就可以识别出人的行为意图，继而可以使机器理解人类的行为意图。表面肌信号蕴含着丰富的信息且目前对于表面肌信号的采集技术十分成熟，因此受到众多研究者的青睐。而在通过表面肌信号识别运动意图的方法中，关节连续运动量估计对实现机器人运动的连续控制较为有价值。

肌肉协同理论认为: “在人类运动过程中，中枢神经系统将多个运动器官自由度组合起来形成具有柔性耦合、特殊功能及低维度特征的控制单元，这些控制单元被称为协同元(synergy)。”通过肌肉协同分析，各肢体动作可分解为不同基本动作，而不同的基本动作是由多个协同元在中枢神经系统发出的不同激活指令下协同作用产生，因此通过对协同元以及激活指令的量化分析，可简化中枢神经系统对运动器官的控制，完成对人体行为运动的建模和分析。在本次课题设计中，正是基于肌肉协同理论，提取腕关节运动过程中多个协同元对应的激活系数，完成激活系数与腕关节角度的关系映射，继而完成对腕关节运动的角度估计。利用这个估计可以对康复机器人实现连续控制，实现机器人实时的平滑的类人运动。

1.2 国内外研究现状

1.2.1肌肉协同理论研究现状

肌肉协同理论认为，人体中枢系统并非对人体自由度进行独立控制，而是将多个肌肉—骨骼自由度组合成控制单元实施控制从而完成肢体动作。近年来肌肉协同理论已经逐渐受到了国内外研究者的热切关注。

2014年，Muceli S等人基于肌肉协同理论运用非负矩阵分解将多通道的EMG信号降维得到的激活系数直接应用于假肢的多自由度同时控制，并通过实验验证了该算法对于肌电信号采集时通道配置、电极位置偏移均有较好的鲁棒性。然而单纯的用激活系数作为对假肢控制参数仍具有一定的误差。

2015年， Atoufi B等人针对七类腕关节/手部动作及七个不同施力水平，利用LDA分类器对比了肌肉协同分析与绝对值特征MAV两种算法的识别精度。其结果显示肌肉协同仅在识别施力水平的精确度上稍逊色于MAV，且存在一些情况识别率高于MAV。

2016年，杜奇政等人提出了一种基于肌肉协同理论和支持向量回归的激活模型，运用NMF分解和非负最小二乘算法提取出激活系数，并通过激活模型映射完成对上肢关节角度的连续估计，但该算法仅做了离线验证并没有应用于实际外部设备的控制。