实现人机协作,使得人机之间的交互活动更加自然柔顺,是目前机器人研究中的重要方向。人体的自然柔顺运动特性为人机协作机器人仿人运动的研究提供了一个完美的参考对象。人体关节运动具有非线性时变特性,如何定性和定量的对于人体关节的运动信息进行分析和估计,是实现机器人仿人运动控制的前提和基础。本文针对肌肉驱动的上肢肘关节的运动状态进行分析研究,通过滤波算法估计肘关节运动状态信息,为机器人跟踪人体关节运动状态奠定基础。本文基于人体神经信号对肌肉力或力矩的分析,建立了以肱二头肌和肱三头肌为主要作用下的人体肘关节运动的神经肌肉骨骼模型,从而实现从神经信号中提取肘关节运动状态信息的目的。由于肌肉驱动下的肘关节的连续运动具有柔顺性,关节的柔顺性取决于肌肉的柔顺特性,为此对人体肘关节处肌肉的柔性特征指标---刚度进行分析研究,实现对肘关节的关节刚度值的量化计算。针对引起肘关节运动过程中的肌肉群,搭建了表面肌电信号和关节角度的采集平台,通过设计信号采集实验方案,实现了对表面肌电信号和肘关节角度的信息采集,为后续估计算法有效性的验证提供参考。针对已经建立的肘关节正向动力学模型,建立了对应的状态空间模型,通过实验测得的实验数据为参考值,通过LM(Levenberg-Marquard)算法对状态空间模型中的未知参数进行了识别。基于状态空间模型,采用扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法和无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法,用于估计人体肘关节运动的角位移和角速度,结果表明两种算法用于肘关节运动状态的估计具有较好的效果,并将两种滤波算法的估计结果进行了比较,结果表明UKF的估计效果优于EKF。对肘关节的刚度参数与运动状态进行了联合估计,通过与UKF算法进行比较分析,可知联合估计方法在估计的准确度上得到了进一步的提高。