11、基于多阵列电极的表面肌电信号运动估计

基于多阵列电极的表面肌电信号运动估计

1. 引言

在操控多自由度机器人时，现有的人类接口难以实现充分的操控。虽然可以通过运动捕捉测量身体动作来操作机器人，但运动部分必须在相机视野内，例如抓取物体时手指可能会被遮挡。

人体中活动较为积极的部位之一是手指，它能完成抓握物体、书写等多种动作。产生这些动作的肌肉大多位于前臂，但前臂同时包含与手腕和手指运动相关的肌肉，因此很难从表面传感器信号中分离出与手腕和手指运动相关的肌肉活动。接下来将介绍一种能同时高精度估计手腕和手指运动的设备以及运动估计算法。

2. 人类接口

在控制机器人时，有多种控制手指运动的方式：
- 按钮控制 ：预先编程，通过按下按钮来控制手指的抓握和张开。
- 单自由度控制 ：使用操纵杆或其他方式，连续控制所有手指以相同方式运动，连续控制手指的张开角度。
- 多自由度控制 ：连续且独立地控制所有手指关节的角度，若要独立控制，需要15个设备。

人类接口位于人类和机器（如机器人）之间，具有特定功能。以电脑鼠标为例，输入是手部的左右、前后移动，通过传感器检测，在电脑屏幕上体现为左右、上下移动，这涉及约90度的坐标变换。人类接口的功能是通过放大或缩小手部动作，将其转换为屏幕上符合操作者意图的光标移动。

在控制假肢手时，如果能从人体使用肌肉移动手指的内部模型中提取相同功能并应用到人类接口中，就可以像控制自己的手一样控制假肢手。人类接口的输入是与手部运动相关的肌肉活动。

前臂上有许多与手腕和手指运动相关的肌肉，与