近年来,由于传统手术的诸多限制,人们把目光转向了精度和灵敏性较高的机械臂上,研制出微创手术机器人,使用微创手术机器人进行的手术创伤小、出血量少、恢复期短,因此虽然一台手术机器人手术的费用高昂,但是其相对于传统手术的优势使得其备受医生和患者的青睐。目前,投入使用最多的是美国intuitive公司的Da Vinci手术机器人,其多自由度的主控台使得医生能够最大限度的进行各种高难度的动作。手术机器人的使用给医生和患者带来诸多方便,但是其仍存在很多问题,比如力反馈的问题以及手术机器人前端控制器信号中由于医生手部的抖动以及机械间摩擦产生的噪声问题。根据先验知识,医生手部的抖动信号的频率一般在6～14Hz,而自主性运动信号一般集中在1～2Hz的低频信号中,本文首先使用不同频率的正弦信号模拟医生的手部自主运动和抖动,使用高斯白噪声模拟器械之间由于摩擦引起的噪声进行分析,通过对上述信号使用小波滤波进行预滤波、再使用自适应滤波方法对其进行处理。仿真实验结果表明,小波变换能够实时的滤除大部分噪声,提高含噪信号的信噪比,为自适应滤波方法提供期望信号,将其滤波后信号经过自适应滤波器后误差率大幅下降。验证了使用小波滤波和自适应滤波相结合的方式对手术机器人前端控制器信号进行滤波的可行性。由于卡尔曼滤波器具有可以实时滤波的特性,本文采用卡尔曼滤波器对含有不同方差的高斯白噪声的正弦信号模拟的含噪信号进行滤波,使用均方根误差和误差率作为其评价指标。仿真结果表明方差越大的含噪信号,即信噪比越低的信号,其滤波效果越差,时延越长。本文使用简易的装置作为手术机器人实验系统前端控制器,采集实验人员的手部运动信号,采用小波滤波器对其进行分析和预滤波,尽可能还原实验人员手部的自主运动信号,提高手术机器人实验系统前端控制器信号的信噪比,为自适应滤波器和卡尔曼滤波器提供输入信号。通过自适应滤波和基于时间序列的卡尔曼滤波器对经过小波滤波的实际信号进行处理。在自适应方法中,采用小波滤波后的信号作为自适应滤波器的期望信号,手术机器人实验系统前端控制器作为输入信号,采用LMS自适应滤波算法进行滤波。在基于时间序列的卡尔曼滤波过程中,首先检验通过小波滤波后的高信噪比的手术机器人实验系统前端控制器信号的平稳性,对其一阶差分信号建立ARMA模型,将ARMA模型转化为状态空间方程进行卡尔曼滤波,最终再转化为经过滤波后的手术机器人实验系统前端控制器信号。实验结果表明,使用小波滤波预滤波后的信号再使用自适应滤波和基于时间序列的卡尔曼滤波器可以实时有效的滤除前端控制器中的噪声,且基于ARMA模型的卡尔曼滤波法能够滤除更多的高频成分,对噪声信号进行更大程度的抑制。