多重分解肌电特征

连续估计精度显著提升

融合变分模态分解与小波包变换，从多频尺度挖掘肌电中更丰富的运动信息，解决了时域特征丢失有效成分的问题。

Liqun, Wen · Xu, Jiacan · Li, Donglin · Xinglong, Pei · 王建辉

Biomedical Signal Processing and Control 2023

技术优势

多频尺度提取信息

结合VMD和WPT从多频尺度提取隐藏的运动信息，弥补时域特征丢失的有效成分。

解决数据不同步

采用BiLSTM网络建立sEMG与关节角度之间的回归模型，处理输入输出数据不完全同步的问题。

估计性能显著提升

实验结果表明，所提特征和回归模型能显著提升连续运动估计的性能。

应用场景

• 康复机器人肌电控制：为康复机器人提供更准确的连续运动意图，提升人机协作的柔顺性。
• 外骨骼意图识别：使外骨骼能够实时跟随穿戴者的连续关节运动，增强助力效果。
• 人机交互连续估计：为自然、快速、准确的人机交互提供连续运动估计基础。