摘要:手臂、手和指尖的活动功能和感觉信息的丧失妨碍了患者的日常生活活动 (ADL)。现代仿生假手可以弥补失去的功能并实现多自由度 (DoF) 运动。然而,由于传感器有限和缺乏稳定的分类算法,市售的假手通常具有有限的自由度。本研究旨在提出一种通过表面肌电图 (sEMG) 估计手指关节角度的控制器。用于训练的 sEMG 数据是使用商用 EMG 传感器 Myo 臂带收集的。提取时域中的两个特征并将其输入到具有外生输入的非线性自回归模型 (NARX) 中。使用 Levenberg-Marquardt 算法对 NARX 模型进行预选参数训练。与目标相比,模型输出的回归相关系数 (R) 在所有测试对象中均大于 0.982,信号范围为 [0, 255] 的任意单位时均方误差小于 10.02。研究还表明,所提出的模型可用于日常生活运动,具有良好的准确性和泛化能力。