对椎弓根进行钻钉道操作是脊柱手术中的关键操作之一,此操作需要医生手持骨钻在椎弓根上进行钻孔以植入螺钉。在钻孔的过程中,医生需要凭借自己的经验来对骨钻在椎弓根中的状态进行判断,当骨钻角度发生偏转或者钻透椎弓根时,会对周围的血管、神经和脊髓等造成损伤,给患者带来瘫痪甚至死亡等后果,因而手术过程中的风险较大。近年来,骨科手术机器人的应用越来越广泛,一些手术中复杂以及难度较大的操作已经可以由机器人辅助完成,对椎弓根钻孔状态的感知可以通过CT图像和力感知实现,进一步降低了手术中出错的几率,减少对外科医生手术操作技能的要求。针对脊柱手术机器人钻钉道的操作,本文提出了基于多源信息的机器人状态感知方法。针对钻钉道操作过程中椎骨段会产生振动以及声音频率的不同,分别提出了基于振动和声音信号的骨层状态感知方法。在对振动信号进行处理的过程中,对椎骨段进行建模并简化振动模型,使用非接触式激光位移传感器对振动信号进行采集后,使用快速傅里叶以及小波变换对振动信号进行时频变换并使用谐波能量比的方法对谐波量进行处理以得到感知结果。在对声音信号的处理过程中,对声音信号的产生机理进行介绍后,从时域和频域对声音信号的能量特征进行了分析,并在频域的基础上提出了基于频率分布的方法用于实现对声音信号的处理,并通过多种不同的骨样本验证了所提方法的有效性。由于声音信号变化灵敏而力信号变化较为缓慢,将声音与力信号进行融合分析,根据不同的融合层次与方法选取合适的处理方法,在特征层对简单凸组合算法、广义伪贝叶斯融合方法以及交互式多模型融合方法对声音与力信号进行数据融合与结果比较分析,实验发现融合后的声力融合特征曲线较单一曲线有着更好的识别效果。在决策层使用支持向量机和将支持向量机与D-S证据理论结合对声音与力信号的特征量进行训练与识别,达到了88%的识别率。通过使用不同的猪扇骨将振动信号与融合信号进行对比,同时采用猪脊柱骨和牛脊柱骨进行多参数下的实验,对所提识别方法的有效性进行了验证与比较。