使用改进的卡尔曼滤波器实现灵巧仿生臂的直观神经肌电控制

背景：多关节假肢能够执行灵巧的手部动作。然而，临床上可用的控制策略无法为用户提供实时、直观、独立且成比例的多自由度（DOFs）控制。新方法：我们详细介绍了使用改进的卡尔曼滤波器（MKF）来提供对六自由度假肢（如 DEKA “LUKE” 臂）的直观、独立且成比例的控制。输入特征包括从 Utah 倾斜电极阵列记录的神经放电率和肌内肌电（EMG）记录的平均绝对值。临时性修改包括在卡尔曼滤波器输出上设置阈值和非单位增益。结果：我们证明了神经和 EMG 数据可以有效地结合。我们还强调，可以通过优化修改来显著提升相对于未修改卡尔曼滤波器的性能。阈值显著减少了非预期运动并促进了对不同自由度的更独立控制。增益显著大于一并用于放大参与者的发力。最佳修改可以离线快速确定并转化为在线的功能性改善。使用便携式可带回家的系统，参与者执行了各种日常生活活动。与现有方法的比较：与模式识别不同，MKF 允许用户连续调节其力输出，这对于精细灵巧性至关重要。MKF 还具有计算效率高且能在五分钟内完成训练的特点。结论：MKF 可用于探索灵巧假手长期居家控制所带来的功能和心理益处。