针对仿真参与者在长时间佩戴虚拟现实头盔时会出现失去方向、恶心呕吐等仿真病的问题。产生仿真病的原因很多,其中,视觉延迟是产生仿真病最重要的原因。本文以减小仿真过程中产生的视觉延迟为目标,从提高头部运动预测精确性的角度出发,建立精确的头部运动模型,提出和比较三种有效的预测算法(基于CV和CA模型的卡尔曼滤波头部运动预测算法和基于sEMG的头部运动时延补偿算法),并得到预测算法的相关结果。论文主要工作有:(1)对sEMG信号进行了概述,并阐述了sEMG信号的产生原理和特点。对虚拟座舱环境下人体头部的运动特性和相关骨骼肌肉进行了研究。对视觉延迟进行了概述,并阐述了视觉延迟产生的原因。(2)对头部运动实验进行设计,确定实验运动类型。利用肌电仪和陀螺仪分别采集了576组肌电数据和432组惯性数据。(3)建立CV模型和CA模型,并对两种算法(基于CV模型的卡尔曼滤波头部运动预测算法和基于CA模型的卡尔曼滤波头部运动预测算法)的预测效果进行比较。(4)设计sEMG信号预测头部运动可行性实验,对sEMG信号进行预处理和特征提取,将提取的特征量输入前向神经网络进行训练,并将训练后得到的角加速度输入卡尔曼滤波器进行预测。建立基于sEMG的头部运动时延补偿模型,并对两种算法(基于CA模型的卡尔曼滤波头部运动预测算法和基于sEMG的头部运动时延补偿算法)的预测效果进行比较。