基于柔性惯性与表面肌电融合的肢体运动意图预判与动态捕捉系统设计.docxVIP

PAGE2

基于柔性惯性与表面肌电融合的肢体运动意图预判与动态捕捉系统设计

摘要

动作捕捉技术在人机交互、康复医学、虚拟现实等领域需求日益增长，但传统刚性惯性传感器穿戴不适、光学方案部署复杂、单一肌电或惯性方案在动态补偿与延迟控制方面存在明显局限。本课题设计了一种融合柔性惯性测量单元（IMU）与表面肌电（sEMG）信号的肢体运动意图预判与动态捕捉系统。系统利用肌电信号产生领先于动作数十毫秒的生理提前量，结合IMU位姿数据，通过意图预测算法与动作补偿滤波器，实现对肢体动作的低延迟、高精度捕捉。论文遵循工程化设计流程，依次完成需求分析、总体架构设计、传感器融合模块详细设计、系统实现与功能性能测试。核心创新在于：设计了一种基于肌电起始特征与惯性姿态预测的混合意图预判模型，以及一种适应柔性传感器变形噪声的自适应扩展卡尔曼滤波补偿算法。测试结果表明，系统对抬手、握拳、转腕等典型动作的意图识别延迟低于80ms，动态跟踪角度误差小于3°，实现了低延迟高保真肢体动态捕捉，为可穿戴人机接口提供了新的设计方案。

关键词：动作捕捉；柔性惯性传感器；表面肌电；意图预判；传感器融合；低延迟

第一章绪论

1.1研究背景

随着人机交互技术向自然化、可穿戴化方向演进，准确、实时地捕捉人体肢体运动姿态成为虚拟现实、远程控制、智能假肢和运动功能评估等领域的关键共性需求。现有主流动作捕捉方案普遍存在穿戴不适、