1.一种基于渐进无迹卡尔曼滤波网络的人体上肢姿态估计方法，其特征在于：包括以下步骤：步骤1)数据采集：搭建一套采集系统，通过视觉捕捉系统获取人体上肢运动关节的角度信息，使用肌电手环对小臂在运动过程中的肌电信号进行采集；

步骤2)建立sEMG信号与上肢关节角度之间的模型：

xk＝f(xk‑1)+wk‑1  (1)

zk＝h(xk)+vk  (2)

步骤3)构建由LSTM估计参数的无迹卡尔曼滤波体系，利用LSTM神经网络学习系统的量测方程h(·)、系统噪声Qk和量测噪声Rk；采用UT变化，利用加权统计线性回归近似非线性方程的后验均值 和方差Pk|k‑1；

步骤4)根据UT变换和量测噪声Rk，求得量测变量的一步预测 方差Pzz,k|k‑1以及互协方差Pxz,k|k‑1；

步骤5)根据UKF的计算步骤计算卡尔曼增益，根据k时刻的量测值zk，求出k时刻的状态估计 和估计方差Pk|k；

所述的UKF中加入一种带有自适应测量更新的渐进UKF滤波方法，提高系统的稳定性；

人为增大测量噪声的协方差解决稳定性和滤波精度之间的矛盾，根据k时刻的量测值zk，求出k时刻的状态估计和估计方差。

2.如权利要求1所述的一种基于渐进无迹卡尔曼滤波网络的人体上肢姿态估计方法，其特征在于：在所述步骤1)中，用A、B、C表示人体肘部关节点的标号，其中AB表示实验者大臂，BC表示实验者小臂，上肢肘关节的关节角度为夹角θ。

3.如权利要求1所述的一种基于渐进无迹卡尔曼滤波网络的人体上肢姿态估计方法，其特征在于：所述步骤1)中，所述的视觉捕捉系统由12个摄像头组成，肌电手环的采样频率为200Hz。

4.如权利要求1或2所述的一种基于渐进无迹卡尔曼滤波网络的人体上肢姿态估计方法，其特征在于：在所述步骤2)中， 和 分别为k时刻n维上肢关节状态向量和m维的sEMG信号量测向量，f(·)和h(·)为系统非线性状态方程和量测方程，wk和vk分别是均值为零的系统噪声和量测噪声，且相应的协方差Qk和Rk为互不相关的高斯白噪声。

5.如权利要求1所述的一种基于渐进无迹卡尔曼滤波网络的人体上肢姿态估计方法，其特征在于：所述步骤3)中，所述的LSTM估计参数的无迹卡尔曼滤波体系，利用LSTM神经网络对UKF部分模型进行学习，从训练数据中直接得到量测噪声、系统噪声以及量测函数。