使用EMG信号在线估计肘关节角度的分层投影回归

外骨骼为老年人和残疾人提供了很大的便利，可以扩大他们的活动范围并对某些体育活动做出React。 源自神经肌肉系统的肌电图（EMG）信号为进入人机界面提供了重要途径。 一方面，EMG信号可用于实时估计人体的运动意图，例如当前关节角度状态。 但是，另一方面，从皮肤表面即时捕获的大量EMG数据的过程对最新技术提出了挑战。 由于其不稳定和随机性，很难从原始EMG信号中提取出有价值且稳定的特征。 本文研究了高维EMG信号的学习过程，并采用了一种分层机制，该机制将原始数据投射到较低的特征空间中，以实现从EMG信号到人体运动状态的局部精细映射。 这种分层投影的回归算法逐步构建了一个基于树的知识库，其组成部分表示局部回归模型。 这些组件将被有效地在线检索，并有助于估计运动状态。 进行了大量实验以评估这种新颖算法的准确性。