表面肌电关节连续运动估计的研究进展

TN911.7; 表面肌电信号(surface electromyography,sEMG)是一种非侵入式的生物电信号,用于捕捉运动过程中肌肉活动的变化.因其与运动密切相关,所以广泛应用于智能辅助康复设备的研发过程中,为康复者提供支持和帮助.康复训练涉及到复杂的立体运动,而基于sEMG的关节连续运动估计是一种通过分析运动期间的sEMG来估计关节角度或力矩的方法,它能够有效缓解康复机器与人体之间的适应性不足的问题,并提供更安全的辅助,从而显著改善康复效果.介绍了关节连续运动估计的现状,然后根据不同的研究方法将现有的sEMG关节连续运动估计模型分为基于生物力学的肌肉骨骼模型和基于机器学习的回归模型...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 60; no. 14; pp. 26 - 36
Main Authors 马一凡, 魏德健, 冯妍妍, 于丰帆, 李振江
Format Journal Article
LanguageChinese
Published 山东中医药大学 智能与信息工程学院,济南 250355 15.07.2024
Subjects
回归模型
surface electromyography signaling(sEMG)
continuous movement of joints
关节连续运动
肌肉骨骼模型
musculoskeletal models
表面肌电信号(sEMG)
regression models
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2312-0288

Cover

More Information
Summary:TN911.7; 表面肌电信号(surface electromyography,sEMG)是一种非侵入式的生物电信号,用于捕捉运动过程中肌肉活动的变化.因其与运动密切相关,所以广泛应用于智能辅助康复设备的研发过程中,为康复者提供支持和帮助.康复训练涉及到复杂的立体运动,而基于sEMG的关节连续运动估计是一种通过分析运动期间的sEMG来估计关节角度或力矩的方法,它能够有效缓解康复机器与人体之间的适应性不足的问题,并提供更安全的辅助,从而显著改善康复效果.介绍了关节连续运动估计的现状,然后根据不同的研究方法将现有的sEMG关节连续运动估计模型分为基于生物力学的肌肉骨骼模型和基于机器学习的回归模型,分别对相关模型进行总结分析;分析了当前所面临的挑战,并展望了未来的研究趋势.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2312-0288