為解決非理想條件下的表面肌電穩(wěn)定識別，如新動作、肌肉疲勞與電極偏移等干擾，中國科學院沈陽自動化研究所研究員趙新剛團隊提出了一種自適應混合分類器。相關成果發(fā)表在Ieee Transactions on Neural Systems and Rehabilitation Engineering上。

　　在非理想條件下的表面肌電識別方面，針對日常十個動作的分類，該團隊實現(xiàn)了92%的準確率，遠高于前人研究。這項在表面肌電信號識別方面的研究成果，將推動肌電假肢、肌電康復手在臨床方面的應用與推廣，并對殘疾人士起著非常重要的幫助作用。

　　據(jù)報道，2019年我國各類殘疾人士已經(jīng)超過1億人口。其中三分之一為肢體殘疾。他們急需大量的康復理療師或者機器人康復系統(tǒng)，以幫助他們恢復或增強肢體功能。近來，基于表面肌電信號的人體運動意圖識別，被認為是實現(xiàn)假肢與康復手自然控制的重要途徑。

　　然而，在科學研究與臨床應用之間存在著很大的差距。其中一個重要的因素在于，實驗室下的表面肌電識別過于簡單，且不受各類日常干擾影響。因此，該研究團隊針對臨床應用中的各類干擾問題，提出了一種自適應混合分類器，用于應對新動作、肌肉疲勞與電極偏移等干擾問題。首先，提出了基于一類LDA算法的混合分類器；該分類器能夠識別新動作，并增量式更新分類模型；其次，設計了一個在線評估因子，可自更新模型應對肌電信號變化；最后，提出一種識別策略，減少新動作、肌肉疲勞與電極偏移的干擾。實驗結果表明，該方法能夠應對肌電信號中的非理想變化，并且取得了比前人突出的識別效果。

　　該研究得到國家自然科學基金和機器人學重點實驗室的支持。

　　沈陽自動化所在面向康復應用的表面肌電識別方面取得進展