曹梦琳，陈宇豪，王珏，刘天

1.生物医学信息工程教育部重点实验室，西安交通大学生命科学与技术学院健康与康复科学研究所，陕西西安市 710049；2.国家医疗保健器具工程技术研究中心，广东广州市 510500；3.神经功能信息学与康复工程民政部重点实验室，陕西西安市710049

可穿戴外骨骼机器人得到广泛研究，但帮助肢体运动障碍者进行运动功能重建的电刺激设备存在功能单一、人机交互性不强的缺点，而现代人机交互技术正由机器人被动接受指令向机器人主动识别人的行为意图方向改变。现代化的可穿戴外骨骼机器人通过收集和分析相关信息，获取人的运动意图，制定有效控制策略。准确实时识别人体运动意图是实现完美人机交互和佩戴舒适的关键[1]。

目前，外骨骼机器人通常基于力和角度传感器获得的数据、脑电图(electroencephalography,EEG)信号或表面肌电图(surface electromyography,sEMG)信号识别运动意图。从力和角度传感器获得的数据实时性较差，而EEG 和sEMG 在动作产生前就会生成。EEG 信号微弱，受噪声和伪迹影响较大。骨骼肌运动产生的肌电信号反映特定肌群的活动，使用sEMG进行运动意图识别可以缩短信息延迟[2‑3]。由于包含丰富的信息、成熟的采集技术和无创性，基于sEMG的人体运动意图识别将成为主流[4‑5]。

基于sEMG 的运动意图识别方法可分为3 类：基于肌肉骨骼模型的运动意图识别、基于传统机器学习的运动意图识别，以及基于深度学习的运动意图识别。肌肉骨骼模型以肌肉的生物力学建立sEMG和关节力矩、角速度或角加速度之间的函数，这种方法的优势是可以解释运动产生的过程[3,6]；……