近年来,遥操作系统可以辅助操作者远程地完成操作任务,其具备远程操作、主从跟踪和手眼协同等优点。这些优势使得遥操作系统在工业领域、医疗领域、航天领域、深海探测领域以及太空领域等等有着广阔地应用前景。然而遥操作系统应用的发展受到其精确性、实时性、可靠性和安全性的制约。其中在主端设备的控制过程中,操作者手臂产生的震颤会影响从端机械臂的精确性以致于影响遥操作系统的精确性、安全性和可靠性。因此在遥操作中如何消除生理震颤对从端机械臂控制的干扰就成了关键问题。在医学领域中,生理震颤被定义为一种正常运动中固有的非平稳、粗糙的和不可避免的低频振动。不同于病理震颤,生理震颤的频率存在于所有的的正常人日常行为中,一般频率范围在一定的频段中,比如:频段8-15Hz。遥操作系统由操作者在主端设备输入操作信号并通过一定通讯方法把信号发送从端的机械臂中执行操作。在这个过程中,操作者手部存在不可避免的生理震颤干扰信号最终会导致从端机械臂末端的震颤。针对上述问题,本文研究在遥操作中消除生理震颤的方法包括震颤补偿的数学模型以及针对生理震颤的预测估计算法。本论文使用一种新型的神经网络架构——宽度学习系统(Broad Learning System,BLS)作为算法的基本架构,这种系统通过宽度式的结构拓展以提高系统的性能,具备快速和高效的优势。本文基于这种新型的神经网络架构来进行算法上的改进并应用于震颤的拟合和估计,利用前N时刻的震颤值来预测估计下一时刻的震颤值。在信号补偿的模型,把估计预测到的震颤值对实际受干扰的信号进行补偿从而消除生理震颤对遥操作精确性、安全性和可靠性的影响。本文首先有机地结合了小波神经网络和宽度学习系统提出一种小波宽度学习系统来拟合和估计震颤值。进一步,考虑到四元数算法具有利用多维信号中不同维度之间耦合性的作用,本文结合四元数神经网络的计算方法提出一种四元数宽度学习系统利用多维信号之间的耦合信息以提高系统性能。前面的工作在时域和频域甚至是四元数域对数据进行特征表达和提取,在进一步的工作中我们引入了模糊域创新性地提出一种轻量级的三域模糊小波宽度学习系统。仿真部分中,我们取一段震颤时间序列信号来测试和比较新算法的性能。最终我们从结果中可以验证新方法的有效性。