表面肌电信号是一种来自人体本身的生理信号,可以用于对人体的运动意图进行连续估计。目前,基于表面肌电信号的人体运动连续估计仍与实际测量所得的结果存在着一定的偏差,其原因可能是在复杂任务中,任务因素如运动速度、肢体位姿、外部负载等变化会导致肌电信号的模式发生了改变,确认不同因素的影响程度将有助于调整实验流程,提高估计效果;同时也有可能因为表面肌电信号本身的不平稳性导致估计结果波动,使用更好的预处理方法能有助于降低这种不平稳性;另外,由于日常生活活动的复杂性,仅做出运动估计尚不能满足实际需求,可能还需要对人体与环境的交互力作出估计,更有利于机器设备实现更柔顺的控制。本文的目的是探讨以上问题,主要内容如下:(1)研究任务因素对人体运动连续估计效果的影响。研究中以肘关节屈伸运动为例,探究在改变运动速度、末端负载和改变手臂位姿的情况下,基于表面肌电信号的人体运动连续估计效果的变化情况。分析结果发现,运动速度对估计效果有显著影响,但另外两种因素并不显著影响结果,该结果为后续实验设计提供指导。(2)构建基于贝叶斯滤波的表面肌电信号预处理方法,并分析该方法在人体运动连续估计上的表现。其实验结果表明,该方法能有效地降低肌电信号特征值的波动程度,同时也在保证连续估计的误差基本不变的前提下,提高连续估计结果的平稳性。(3)构建基于表面肌电信号的运动和连续估计方法,并以使用上肢钻孔这一动作为例进行实验验证。实验中使用基于贝叶斯滤波的表面肌电信号预处理方法处理信号,利用非负矩阵分解方法解耦肌电信号耦合关系,然后再用神经网络算法估计前臂旋转角和交互力。实验证明了仅使用相关肌肉的表面肌电信号,能有效地同时估计出人体的位置和交互力的控制意图。