.png){kind=icon}
返回
A Surface Electromyography-Driven State-Space Model for Joint Angle Estimation
.png){kind=icon}
PRE
AI
DOI：10.1109/JSEN.2024.3503689.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于表面肌电信号 (sEMG) 的连续运动关节角度估计在外骨骼机器人应用中起着至关重要的作用。为了使用sEMG信号估计关节角度，可以将基于Hill的肌肉模型 (HMM) 结合到前向动力学算法中。然而，获得肌肉参数仍然具有挑战性，并且强非线性开环系统可能导致显著的累积误差。为了解决这些问题，本文应用了一种新颖的闭环sEMG驱动的状态空间模型来估计连续运动过程中人体上肢的肘关节角度。人体关节的正向运动学与HMM集成在一起，并引入了基于扭矩的肌肉骨骼参数估计 (TBMPE)，以通过利用角速度作为成本函数来得出更准确的状态转换函数。利用sEMG特征构造观测函数，设计sEMG驱动的闭环状态空间模型。随后，引入粒子滤波 (PF) 算法来稳定估计强非线性模型内的关节角度。实验基于六名健康受试者的肘关节进行。实验结果表明，所提出的新模型的平均均方根误差 (RMSE) 为0.09的情况下，有负载和无负载。估计结果优于同类算法，证明了该方法的有效性。
Keyword:
Hidden Markov models
Muscles
Estimation
Force
Computational modeling
Elbow
Sensors
Robot sensing systems
Exoskeletons
Cost function
Muscle model
particle filter (PF)
state-space model
surface electromyography (sEMG)
期刊
IF:
4.5
论文数:
2.1W
被引数:
7.3W
机构
引用论文
.png){kind=icon}
Simultaneous and Continuous Estimation of Shoulder and Elbow Kinematics from Surface EMG Signals
OAAI
OAAI分享收藏分享收藏Bootstrap based goodness of fit tests for the generalized poisson model基于Bootstrap的广义泊松模型拟合优度检验
PREAI
分享收藏
查看更多内容