随着医疗技术水平的发展和应用,微创手术变得越来越普遍,而且更多的应用于医学临床上。如今,机器人系统已经引入到微创手术当中,手术的稳定性、准确性、可控性都得到了极大地提高。微创手术机器人目前已经成为医疗机器人研究领域的热点,国内外的一些研究机构和大学均取得了一定的成就。由于微创手术机器人系统需要外科手术医生的参与,而外科医生手部的震颤会对手术的稳定性和准确性造成影响,所以为了有效地抑制震颤信号,保证微创手术的质量,本文提出了一种新型的基于时间序列支持向量机的震颤滤波器。1、本文分析了主从式机器人的运动学模型和震颤抑制策略。指出了神经网络、加权频率傅里叶线性组合器、带限傅里叶线性组合器、支持向量机等震颤抑制算法的优缺点。2、针对微创手术机器人采样样本的有限性特征,本文选择了基于小样本、高维空间的支持向量机(SVM)理论,并对震颤滤波器的物理模型、数学模型进行了分析。考虑到不同的震颤信号拥有不同的频率和振幅,针对不同的震颤信号设计了不同的学习权重。针对低频的震颤信号,提出了基于时间序列的线性学习权重函数,针对高频的震颤信号,提出了基于时间序列额高斯学习权重函数。基于支持向量机理论,基于时间序列的支持向量机能够很好地解决小规模采样数据、高维输入空间的非线性系统问题。3、由于基于时间序列的支持向量机没有统一的参数调整方法,为了有效地抑制震颤,提高震颤滤波器的准确性,减少人为经验的干扰,本文引入了微粒群算法,利用微粒群算法对震颤滤波器的参数进行寻优,通过参数微粒化、微粒更新,利用适应度函数找出最佳的参数匹配组合。4、本文针对所提的震颤滤波器和参数寻优后的震颤滤波器,分别利用了不同的震颤信号进行仿真实验,验证震颤滤波器的性能。通过实验仿真发现,震颤滤波器具有良好的震颤抑制效果。