下肢外骨骼机器人在人们日常辅助、军事以及医疗康复等领域担任的角色越来越重要。目前,很多外骨骼机器人都存在动作僵硬、步态过于机械、对人体关节限制过多等问题,这会导致穿戴者的不适,甚至受到身体损伤。表面肌电信号是指肌肉活动时从人体皮肤表面检测到的一种生理电信号,可以更迅速、更精准地反映人体的运动意图。基于表面肌电信号技术的外骨骼机器人的研究也因此在国内外成为热点。在人体日常多种步态中,跨越障碍时的表面肌电信号呈现出强非线性和非稳定性,使得下肢越障步态下的关节预测比无障碍步态更加困难。针对这些问题,本文进行了基于表面肌电信号的人体越障步态下肢关节角度预测研究:首先,通过生物学理论和实验分析在无障碍步行和越障两种步态时下肢参与运动的肌肉,并通过实验分别测试在两种步态下,相关肌肉的表面肌电信号强弱程度,选取两种步态的特征肌肉。依据特征肌肉数目选取传感器,搭建表面肌电信号和关节角度信号的采集系统。然后,分别测试不同快慢程度时各肌肉的表面肌电信号,并分析下肢动作快慢对表面肌电信号的影响;测试不同越障高度时各肌肉的表面肌电信号,并分析下肢用力大小对表面肌电信号的影响。接着,针对人体越障步态表面肌电信号出现高频、无规律波动的问题,提出了将表面肌电信号先经过小波变换预处理,而后再提取特征值的方法,并对多种不同高度的越障步态进行特征值提取。最后,构建BP和RBF两种神经网络的预测模型,将“未经小波变换”和“经小波变换后”提取的特征值作为输入值分别对下肢两个关节角度进行预测。预测结果表明:预测耗时方面,BP神经网络用时小于RBF网络,在实时性上更具优势;准确性方面,在无障碍步态中两种神经网络准确率差异不明显,但在越障步态下,RBF神经网络的预测准确性高于BP神经网络,且更为稳定。表面肌电信号经过小波变换处理后提取的特征值,对RBF神经网络有着明显的优化效果,此效果在越障步态工况下更加显著,准确率最高达到了膝关节96%、踝关节98%。使用小波变换提取特征值的RBF神经网络的预测结果,能够满足人体日常越障步态的需要。