1.一种基于肌肉协同激活模型的手部关节运动连续估计方法，其特征在于，该方法包括以下步骤：步骤一,肌电信号的采集

针对手部开/合，腕关节背屈/掌屈、桡屈/尺屈、内旋/外旋四个自由度运动的连续估计，肌电信号的采集分为训练阶段和估计阶段的采集；其中训练阶段sEMG数据集来源于独立动作和组合动作产生的肌电信号，其中独立动作指每个自由度的独立动作详见于表1，组合动作是指两个不同自由度动作组合的同步运动；估计阶段的sEMG数据是实时在线手部动作产生的肌电信号；

肌电电极的放置：在靠近肘关节的前臂长度1/3处，沿手臂圆周均匀粘贴8个表面肌电电极，电极方向与肌肉纤维方向平行；

表1独立动作列表

序号 动作 简称

1 掌屈 F

2 背屈 E

3 桡屈 R

4 尺屈 U

5 内旋 P

6 外旋 S

7 握手 C

8 伸手 O

步骤二,计算协同元矩阵

(一)计算肌肉激活水平

首先对采集的训练阶段独立动作产生的sEMG进行去基准处理，也就是减去肌肉放松状态下的肌电信号的均值；接着对去基准后的sEMG进行全波整流和低通滤波处理，对处理后的sEMG计算均方根特征，最后利用每个通道特征的最大值对每个通道特征进行归一化处理得到肌肉激活水平矩阵f(E)N×T，其中N为肌电信号通道个数，T为样本的时间序列长度；

(二)建立肌肉协同模型

根据肌肉协同理论，肌肉的激活水平表示为肌肉协同元和激活系数的线性组合：即对给定肌肉激活水平矩阵f(E)N×T，可以分解为协同元矩阵WN×K和激活系数矩阵HK×T，其中N为肌电信号通道个数，T为样本的时间序列长度，K为肌肉协同元的个数，Wi是一个大小为N×1维的向量，即为一个协同元,Hi为第i个协同元的激活系数序列；

通过非负矩阵分解算法计算协同元矩阵转化成如下的优化问题：s.t.f(E)N×T≥0,WN×K≥0,HK×T≥0其中 表示Frobenius范数；

(三)计算协同元矩阵

对于每一个独立的动作分别都有且只有一个协同元作用，当某个独立动作对应的协同元激活时，其余动作的协同元的激活系数值为0，对每个独立动作产生的肌肉激活水平分别用NMF算法矩阵分解得到独立动作协同元Wi，并分别用Wi中的最大值来归一化该协同元；

手部关节有8个独立的动作，故共有8个协同元作用，即K为8；8个独立动作协同元可以组合得到协同元矩阵：WN×K＝[WF WE WR WU WP WS WC WO]其中独立动作协同元Wi对应到表1中独立动作1到8，i＝F,…,O；

步骤三，提取激活系数

首先参照步骤二中计算肌肉激活水平的处理方法从sEMG中计算肌肉激活水平矩阵f(E)N×T，利用步骤二中计算的协同元矩阵WN×K，反过来求激活系数矩阵HK×T；采用非负最小二乘算法来提取激活系数，即求解如下模型：s.t.f(E)N×T≥0,WN×K≥0,HK×T≥0步骤四，肌肉协同激活模型的训练和估计；

选用支持向量回归算法将激活系数映射到关节角度；

基于肌肉协同激活模型的手部关节运动连续估计方法分为训练阶段和估计阶段；

在训练阶段，采集sEMG训练数据集和对应关节的角度，其中sEMG训练数据采集参照步骤一，同时采用三维动作捕捉系统同时采集手部关节的四个自由度方向的运动角度；按照步骤二计算出协同矩阵WN×K，然后从独立动作和组合动作产生的sEMG训练数据集中按照步骤三计算出激活系数HK×T，并对激活系数利用每个通道的最大值进行归一化处理，以其为SVR算法的输入，以四个自由度方向对应的角度值为目标值进行训练；SVR的核函数选为径向基核函数；惩罚系数取值区间为[100,300],不敏感损失函数的取值区间为[0.01,1]，核函数的参数取值区间为[0,100]，利用基于人工蜂群优化的参数寻优方法确定SVR参数；

在估计阶段，按照步骤三从肌电电极实时采集的肌电信号中提取激活系数归一化后输入到SVR中，输出则为估计的角度值，用角度值控制假手运动；对估计的角度值用滑动平均滤波器进行了处理，当估计的角度超过实际关节角度最大值，将此时的角度赋予实际关节角度最大值。