如今,随着人口老龄化与脑血管疾病造成的偏瘫患者的逐年增加,能为穿戴者提供诸如运动辅助、康复训练等功能的外骨骼机器人成为研究的热点,但人与外骨骼机器人的交互需要机器人主动理解人的运动意图,传统基于程式控制的人机交互方式无法满足需求。表面肌电（sEMG）信号作为肌肉运动时皮肤表面产生的电信号,包含丰富的人体运动信息,但从sEMG信号中解码人体运动意图的技术仍有待进一步研究。本文以关节角度表征膝关节运动意图,建立下肢sEMG信号与运动信息采集平台,在完成sEMG信号处理的基础上,针对下肢运动频率变化与sEMG信号时域特征不稳定性导致的预测精度下降问题,分别提出角度预测模型以实现下肢运动意图的识别。具体工作如下:（1）下肢sEMG信号与运动信息采集软硬件平台建立。硬件上:在研究人体膝关节运动机理的基础上,利用差分贴片电极,A/D转换电路板,Arduino Mega 2560控制板建立了三通道下肢sEMG信号采集平台;下肢运动信息选用六轴姿态陀螺仪传感器进行采集。软件上:采用MATLAB Arduino支持包与Arduino控制板进行通信,在MATLAB中编写M文件完成sEMG信号采集;膝关节运动角度可以在上位机软件上实时显示并记录。最后,设计实验方案并利用上述平台完成了 sEMG信号与膝关节角度数据的采集。（2）基于经验模态分解与改进小波阈值降噪的sEMG信号联合消噪算法设计。首先,针对sEMG信号的产生超前于肌肉实际运动的情况,采用TKEO进行sEMG信号的起点检测。接着,针对经验模态分解消噪方法会丢失信号高频部分细节问题,提出基于EMD与小波阈值消噪相结合的消噪方法,并改进了小波阈值消噪中的阈值函数,结合了传统软硬阈值函数的优势提出的等轴双曲阈值函数,并仿真验证了提出的消噪算法的有效性。最后,建立肌肉激活度模型,得到sEMG信号—肌肉激活度的映射关系。（3）基于频率估计的膝关节角度预测器设计。针对偏瘫康复不同阶段需要不同频率的训练运动的实际场景以及现有的角度估计模型在下肢运动频率变化情况下预测精度下降的问题,提出基于频率估计的膝关节角度预测器。最后,同步采集了四位受试人员两种运动频率下的八组sEMG信号与关节角度,利用MATLAB对提出的膝关节角度预测器进行了仿真验证。（4）基于知识库与特征匹配的膝关节角度预测器设计。首先,研究发现sEMG信号特征相对稳定,由其构建的特征向量存在不稳定性情况,这将影响角度预测器长时间下的预测精度。接着,针对这一问题,先采用K均值与高斯混合模型（GMM）相结合的方法对特征空间进行聚类,对各聚类集群中的特征分别训练其局部角度预测器。然后,在线预测过程中先进行特征匹配,得到匹配集群的局部角度预测器进行膝关节角度预测。最后,进行仿真实验,验证了提出的基于知识库与特征匹配的膝关节角度预测器有效性。