13、基于肌电信号的手写建模与医疗机器人研究

基于肌电信号的手写建模与医疗机器人研究

1. 基于肌电信号的手写建模

1.1 手写模型概述

在利用肌电信号（EMG）来表征手写的研究中，有多种不同的模型被提出。这些模型旨在通过分析前臂肌肉的肌电信号，来实现对不同类型手写内容的建模，如数字、几何形状和阿拉伯字母等。

1.2 不同手写模型分析

• KF模型 ：该模型基于卡尔曼滤波器（KF），利用八个EMG通道来重现数字0 - 9。它是一个较为复杂的模型，需要估计48个参数，并且需要设定特定的假设条件，这些条件在实时开发中可能难以满足。此外，该模型由两个子模型融合而成，导致计算时间较长，估计数据与期望数据之间存在显著误差。
• ZK模型 ：基于神经网络方法，使用三个EMG信号来估计一些几何形状。其结果可以接受，但模型仍需改进。由于只有一个隐藏层，该模型在训练过程中的计算时间适中。
• MKS模型 ：Manabu等人在2003年提出，用于对阿拉伯字母和几何形状的手写进行建模，仅使用从前臂肌肉记录的两个EMG信号。然而，该模型在准确性和计算时间方面存在一定的局限性。

1.3 区间观测器模型优势

与上述手写模型不同，基于区间观测器的建模方法具有显著优势。它减少了输入数量，仅使用最活跃的前臂肌肉的两个EMG信号，并且能够生成简单和复杂的书写，特别是包含组合运动的连笔阿拉伯字母。该模型还减少了对新数据进行参数调整的需求，在单作者和多作者验证中都显示出良好的准确性。

1.4 手写