增强型外骨骼是为人体运动提供辅助的可穿戴机械设备,在长时间、大负载的工作中,能增强人体机能,降低代谢消耗。本文聚焦军事领域单兵增强型外骨骼人机交互系统,对人体运动意图的感知与预测方法进行创新性研究。首先,本文通过肌电传感器获取表面肌电信号。由于信号夹杂大量的干扰噪声,通过一定的预处理方法完成信号的滤波与正则化。并根据肌电传感器可能存在的旋转偏移问题,提出了一种基于极坐标系下活跃极角的偏移校正方法。其目的在于解决当电极贴片在首次定位时,与原始位置存在偏移导致的估计精度下降问题。实验表明,使用校正后的表面肌电信号进行意图信息的预测具有更高的准确性。其次,在数据预处理方面,由于各肌电信号数据间存在耦合性关系,各通道间的相关性较大,因此通过主成分分析方法降维,将存在相关性的原变量转换为一组线性不相关的变量,有效地降低网络的输入数据量,降低计算复杂度,提高响应时间。然后,提出了一种基于骨骼肌模型推导的人体运动意图估计模型,人体的意图信息包含上肢三个自由度的关节角度与角速度。其中估计函数使用具有自回归与时间序列特性的NARX神经网络。由于NARX神经网络的递归式结构,可能导致对序列的预测中的误差积累,会使模型预测精度受到影响。因此结合无迹卡尔曼滤波算法实现闭环结构,实时地估计状态量。最后,实验验证整体算法的可行性与准确性。动作捕捉系统Motion Analysis与MYO臂环作为实验设备,预设计一组手臂动作,作为实验的数据采集与验证的基础。与反向传播前馈式神经网络的估计结果进行比较,对于按照预先设定轨迹的运动来说,角度估计的均方误差值小于3.86度,对角速度估计的均方误差小于4.02度/秒。结果证明本文提出的意图识别算法能够有效地提高识别精度,减小对关节角度和角速度估计的实时误差。