随着人工智能的迅速发展，近年来人机交互技术被广泛应用于民生领域，为改善脑卒中等疾病患者的康复治疗质量，智能康复器械已成为当前研究的重点。利用表面肌电信号解码患者的运动意图并控制康复机械手运动实现主动康复治疗，在康复治疗领域具有重大的研究意义。本作品针对目前国内的肌电信号采集设备不易于携带且精度偏低的问题，基于ADS1292R设计了便携式、可穿戴的肌电信号采集装置，提取平均绝对值、均方根、波形长度三种时域特征组合作为分类器的输入，并利用BP神经网络来对双通道肌电信号的三时域特征组合进行模式识别，实现了四种手势动作分类准确率高达97.5%。经测试验证，本作品实现了对表面肌电信号的数据采集、特征提取和模式识别，集成了数据活动段检测、网络训练参数显示、蓝牙通讯等功能，实现了对康复机械手的准确随动控制。
钟小聪,王启松,刘丹,雷钦尧,孙金玮.基于表面肌电信号的可穿戴智能康复机械手设计[J].科研仪器案例成果数据库,2022,(0).
