时变肌电协同解码器

下肢模式识别精度近翻倍

将肌电协同特征从静态空间拓展到动态时变维度，显著提升下肢运动模式的可分性，让肌电接口对动态动作更敏感。

陈宇浩 · Ning, Sun · Tuanjie, Liang · Qiong, Wang · Lili, Liu · Ji, Run · 刘天

IEEE Transactions on Instrumentation and Measurement 2025

参数信息

分类准确率（机器学习）

93 %

分类准确率（深度学习）

97 %

技术优势

准确率显著提升

时变特征在多种分类器上均优于空间特征，最高达到97%的准确率，证明动态信息对运动模式识别至关重要。

无需复杂硬件

该方法仅依赖常规肌电采集，通过算法提取时变协同特征，即可实现高性能识别，便于集成到现有系统。

适用多种算法

在四种常见机器学习算法上均取得优异表现，说明该方法具有通用性，可灵活选择分类器。

应用场景

• 下肢外骨骼控制：实时准确识别下肢运动意图，使外骨骼随穿戴者自然切换动作。
• 动力假肢：区分不同运动模式，让假肢在行走、上下楼等场景无缝切换。
• 可穿戴肌电接口：提升可穿戴肌电接口对动态动作的敏感性，实现更直观控制。
• 人机协作机器人：提供可靠的运动模式识别，使机器人能预判人体动作意图并协同响应。
• 康复训练：在康复训练中量化运动模式变化，评估患者恢复进程。