近日，中國科學(xué)院沈陽自動化研究所（下簡稱“沈陽自動化所”）關(guān)于表面肌電信號分析的兩篇綜述文章分別被自動化學(xué)報英文版和自動化學(xué)報中文版錄用。兩項研究系統(tǒng)性地總結(jié)了表面肌電識別領(lǐng)域的關(guān)鍵問題和難點問題，為開展人機融合智能研究奠定良好的基礎(chǔ)。

表面肌電意圖識別技術(shù)是人機融合智能技術(shù)發(fā)展的重要支撐技術(shù)，在智能假肢、康復(fù)機器人等領(lǐng)域具有重要的應(yīng)用價值。然而在實際應(yīng)用中常常受到電極偏移、個體性差異、肌肉疲勞、肢體姿態(tài)或其他綜合性干擾等多種因素的影響，使得表面肌電識別技術(shù)難以推廣使用。如何克服上述因素影響是目前急需解決的關(guān)鍵問題。

沈陽自動化所醫(yī)療康復(fù)機器人團隊在深入分析的基礎(chǔ)上，提出了非理想肌電的概念，建立了非理想肌電分析的框架體系，在構(gòu)建肌電數(shù)據(jù)集、探索深度學(xué)習(xí)和遷移學(xué)習(xí)方法，以及肌電分解技術(shù)研究等方面，對未來的關(guān)鍵技術(shù)進行了展望，文章被《自動化學(xué)報》中文版錄用。針對電極偏移這一難點問題，團隊提出了一種自適應(yīng)矯正方法，可以估計出環(huán)形傳感器偏移的角度，將動作估計精度提高了35.72%，相應(yīng)成果收錄在IEEE J. Biomed. Health Inform。

同時，科研團隊融合深度學(xué)習(xí)的特征提取能力和模型泛化能力，對動作分類、角度估計、力估計、多模態(tài)信息融合、個體性差異以及魯棒性等問題結(jié)合深度學(xué)習(xí)方法進行了系統(tǒng)性的總結(jié)，分析了目前主要的問題及對應(yīng)的解決方案，并展望了未來研究方向,文章發(fā)表于IEEE/CAA J. Autom. Sinica。

與人共融是機器人技術(shù)發(fā)展的重要特征，將人的智能與機器人的智能相融合推動了與人共融機器人的發(fā)展。長期以來，課題組致力于人機融合智能領(lǐng)域的理論研究和應(yīng)用實踐，是國內(nèi)最早利用表面肌電進行人體連續(xù)運動意圖估計的團隊之一，首次提出基于運動單元分解的運動意圖識別方法，開發(fā)了手部康復(fù)系統(tǒng)、踝關(guān)節(jié)康復(fù)系統(tǒng)、上/下肢外骨骼康復(fù)機器人等系統(tǒng)并結(jié)合患者開展臨床試驗，研究成果先后發(fā)表在了IEEE Trans. Ind. Electron, IEEE Trans. Neural Syst. Rehabil. Eng等頂級國際學(xué)術(shù)期刊上。

上述研究得到了國家自然科學(xué)基金委、中國科學(xué)院和機器人學(xué)國家重點實驗室的大力支持。