肌电信号(EMG)是人体自主运动时肌肉活动发放的生物电信号,它反映了肌肉的运动状态。表面肌电信号(SEMG)是用使用方便且无痛苦的表面电极测得的肌电信号。利用表面肌电信号作为假肢控制信号的方法已在当代假肢的控制中占了绝对的优势。国内有很多研究专注于对表面肌电信号进行模式识别,从而区分肢体不同的运动模式,实现多自由度假肢的控制。但是,在单个运动模式中,假肢的运动状态如运动速度、运动幅度和手臂位置等却无法控制。这主要是由于肌电信号产生机理的复杂性及肌电信号和人体自主运动控制体系的复杂关系,使得表面肌电信号和手臂运动状态的关系难以确定。为解决上述问题,本文提出了通过神经网络对表面肌电信号进行肘关节角预测的方法。本课题得到了国家自然科学基金(项目号:50375108)和天津市自然科学基金(项目号:033601611)的资助。实验中,健康受试者分别在铅垂面和水平面上作自由的手臂屈伸运动。与手臂屈伸运动有关的肱二头肌和肱三头肌的表面肌电信号被检测,并通过A/D转换采入计算机中留作后续处理。运动时的肘关节角可以由测得的手腕加速度换算得到。本文提出了一个新的换算方法来完成肘关节角的获取。建立了一个三层的BP人工神经网络,用改进后的反向传播算法进行神经网络的训练,用表面肌电信号的瞬时RMS值作为神经网络的输入,实际角度值作为神经网络的目标输出。训练后的神经网络可以用目标输出和实际输出构成的最优回归直线来评价。同时求出目标输出和实际输出之间的相关系数。最后,用神经网络预测的角度来控制在用户图形界面中建立的虚拟手臂,模拟真实手臂的运动。实验结果表明:建立的神经网络模型可以很好地反映表面肌电信号和肘关节角之间的关系。在所有的10组测试样本中(水平面或铅垂面),实际关节角曲线和预测关节角曲线的相关系数都大于0.9。可见,网络较准确地从表面肌电信号中预测出了不同的肘关节角度。