在康复医疗领域,康复机器人正在逐渐取代康复医师帮助肢体瘫痪的患者进行康复训练,在中风康复领域的价值也越发明显。人机接口技术是上肢康复机器人系统的重要组成部分,这种技术是利用传感器采集人体生理信号,通过生理信号获取人体的活动意图,并将其转换成机器的控制指令。人机交互技术应用在康复训练中能够帮助患者提高训练的积极性,提高康复训练的效果。表面肌电信号(surface electromyography,sEMG)和脑电信号(electroencephalography,EEG)是上肢康复机器人中最常用的生物电信号,它们蕴含了丰富的生理信息。本文目的在于研究基于s EMG和EEG的上肢康复机器人人机交互技术,包括上肢肘关节4种动作的运动模式识别和运动想象推和拉的脑电信号模式识别,以及在PC端设计开发上位机系统。研究的主要内容有:(1)采用健侧带动患侧训练模式,采集健侧肘关节运动时上臂的肌电信号,通过5阶带通滤波器对信号进行滤波,通过滑动平均和阈值法检测有效动作,然后提取动作的时域特征,再利用线性判别式分析(LDA)对特征矩阵进行降维,最后通过动态自适应学习速率改进的BP神经网络对运动模式进行识别,肘关节运动模式的平均识别率达到了99.8%。(2)在动画刺激下采集用户想象推和拉的脑电信号,提取alpha和beta频段的平均带宽能量,将其作为脑电想象动作的特征,通过BP神经网络进行分类,想象推和拉动作的识别率最高达到80%。(3)基于MFC框架开发了基于sEMG和EEG的上肢康复上位机软件。实现肘关节运动的在线识别与运动指令发送,对在线识别效果进行了统计,识别率达到了95.9%,验证了本课题的可行性;对运动想象动作实现在线读取、训练以及匹配度测试,输出信号的能量以及想象动作与训练数据的匹配度,当满足设定匹配度时即发送控制指令给康复机器人。本课题基于sEMG和EEG对中风病人上肢康复人机接口技术进行研究,实现了肘关节运动模式的在线识别以及运动想象在线训练与匹配。将肘关节运动模式运用于上肢康复训练中,在线识别率达到了95.9%,满足上肢康复训练的基本需求;将运动想象用于上肢康复训练,对中风患者的脑功能重建有一定的帮助。