通過表面肌電信號（sEMG）實現人機自然交互是新一代機器人亟需的關鍵技術。中國科學院沈陽自動化研究所機器人學研究室研究員韓建達、副研究員趙新剛指導的醫療康復機器人方向組，長期開展多學科交叉研究，在生物電信號處理方面取得了一系列創新性成果，拓展了表面肌電信號理論研究的深度與實際應用的廣度。

　　近日，國內外知名期刊連續刊載了沈陽自動化所醫療康復機器人方向組在肌電信號分析與應用領域的最新研究成果。針對高維sEMG數據高斯混合模型建模問題，項目組創新提出了一種“降維—擴維”高斯混合模型（GMM）建模方法，通過將降維GMM擴展為全維GMM，并以此估計在線sEMG的數據丟失，解決了sEMG數據丟失情形下的容錯分類問題。該研究成果被IEEE Transactions on Industrial Electronics（SCI一區，IF：6.5）錄用。

　　針對傳統基于sEMG的動作分類方法僅能識別人體有限離散動作模式的問題，項目組深入研究了基于sEMG的人體關節連續運動估計方法，提出一種分層投影回歸算法克服了sEMG非平穩性對連續估計的影響，實現了對肘關節角度連續的估計，相關成果刊登于Neural Computing & Applications（23:1129–1138，2013；SCI，IF：1.763）；進一步，通過剖析運動產生的生理機理，構建了由肌肉活躍度到關節運動量的“生理—運動”狀態方程模型，并創新提出了一種利用sEMG特征構造量測反饋方程的方法，有效地抑制了連續運動估計的累積誤差。該研究成果被IEEE Transactions on Industrial Electronics（SCI一區，IF：6.5）接收。

　　隨后，項目組將sEMG的應用拓展到醫療診斷領域，通過sEMG量化評估針刺信號對面部神經麻痹的康復療效，該成果已被SCIENCE CHINA Information Sciences錄用。此外，項目組又從更微觀的尺度分析肌肉控制以及運動產生的機理，提出一種sEMG運動單元分解方法，以識別更精確的運動意圖，該成果發表于的國際知名會議IFAC世界大會（每三年召開一次）（Classification of Gesture based on sEMG Decomposition: A Preliminary Study, 2014, 2969-2974）。

　　沈陽自動化所方向組提出的方法和模型，構成了對表面肌電信號分析與應用的較完備技術系統，有力推動了基于表面肌電的人機交互技術的研究進展。

　　上述研究得到了國家自然科學基金委，中國科學院、遼寧省、機器人學國家重點實驗室的大力支持。