Real-Time Prediction of Elbow Motion Through sEMG-Based Hybrid BP-LSTM Network

基于表面肌电信号的BP-LSTM混合模型肘部运动实时预测

马艺源, 陈怀远, 陈卫东

（上海交通大学 自动化系；医疗机器人研究所，上海 200240） 

摘要：面对数量庞大的运动功能障碍群体，康复机器人越来越受到关注。为了促进用户意图在机器人辅助康复过程中的主动参与，建立人体运动预测模型至关重要。本文建立了一个基于长短期记忆网络（LSTM）的混合预测模型。该模型使用表面肌电信号（sEMG）作为输入，并成功应用于肘关节运动的提前预测。该模型包含两个子模型：反向传播神经网络和长短期记忆网络。首先，反向传播神经网络基于肌电信号对肘关节运动进行初步预测，然后，长短期记忆网络对这一预测进行修正以提高模型准确性。该模型使用时间序列数据作为输入，包括通过电极测量的表面肌电信号和来自惯性测量单元的连续的角度信号。使用离线和在线实验对所建立的混合模型进行了训练和验证。在离线和在线实验中，预测角度和实际角度之间的平均均方根误差分别为3.52°和4.18°，相关系数均在0.98以上。

关键词：运动预测，表面肌电信号，长短期记忆网络，反向传播神经网络

 点击分享码全文pdf浏览： https://rdcu.be/dOSJ5

Ma, Y., Chen, H. & Chen, W. Real-Time Prediction of Elbow Motion Through sEMG-Based Hybrid BP-LSTM Network. J. Shanghai Jiaotong Univ. (Sci.) (2024). https://doi.org/10.1007/s12204-024-2581-y 

《上海交通大学学报（英文版）》是由教育部主管、上海交通大学主办的自然科学综合性学术期刊，被 EI、Scopus等检索系统收录。主要刊登反映基础理论和工程领域实验研究的最新成果，如电子工程和自动化、计算机和通信工程、船舶海洋和建筑工程、材料科学与工程以及生物医学工程等。从 2021 年开始，《上海交通大学学报（英文版）》主要刊登医工交叉研究和人工智能及其在工程中的应用成果。 

英文版主页：https://xuebao.sjtu.edu.cn/sjtu_en/EN/1007-1172/home.shtml

英文版 on Springer：https://link.springer.com/journal/12204