下肢外骨骼机器人可用于增强人体肌能和辅助下肢康复训练，逐渐成为机器人领域的研究热点。下肢外骨骼机器人是存在人机强耦合的系统，人机交互技术是其关键技术之一。现有的下肢外骨骼机器人的人机交互系统还存在运动意图识别准确率低、可靠性差等问题，限制了下肢外骨骼机器人的应用推广。为此，本文基于表面肌电信号提出了两种人体下肢运动意图识别模型，即：基于支持向量机（Support Vector Machine，SVM）的下肢动作模式识别模型和基于K近邻（K-Nearest Neighbor，KNN）回归的下肢关节角度安全估计模型。进而，基于下肢动作模式识别模型，开发了人体下肢运动意图在线识别系统，并开展下肢外骨骼机器人的人机交互实验，验证了本文方法的有效性。本文主要创新工作如下：

1.基于SVM的下肢动作模式识别。本文研究的下肢动作包含单关节动作和多关节动作两大类。其中，单关节动作包含髋屈曲、髋伸展、膝屈曲、膝伸展、踝拓屈、踝背屈六种动作；多关节动作包含屈膝伸踝、屈膝屈踝、屈髋伸踝、屈髋屈膝四种动作。本文采集了下肢八组肌群的表面肌电信号，设计滤波器对表面肌电信号进行滤波处理、滑动窗分段后，提取表面肌电信号的三种特征：平均绝对值、过零点和波形长度。应用SVM分类模型来建立下肢动作模式识别模型，并优化模型中径向基核函数参数和惩罚因子。实验表明，该模型对于单关节动作识别准确率约达97.94\%，多关节动作识别准确率约达97.42%。

2. 基于KNN回归的下肢关节角度安全估计。针对现有基于sEMG估计下肢关节角度的估计准确率低、估计结果未考虑使用者的安全等问题，提出了基于KNN回归的下肢关节角度安全估计模型。该方法通过比较测试样本和训练样本之间的
马氏距离，选择K个最近邻点，并加权计算近邻点的关节角度作为测试样本的关节角度预测值。实验表明，髋关节、膝关节、踝关节角度估计结果的均方根误差分别约为4.1°、5.0°、3.5。在噪声污染、电极掉落情况下，对KNN回归模型的安全性进行了讨论。

3. 基于sEMG的下肢外骨骼机器人的人机交互。基于上述的下肢动作模式识别模型，开发了下肢运动意图在线识别系统。该系统实现了人体下肢动作模式准确、快速的在线识别。实验表明：该系统对于单关节动作识别准确率约达96.66\%，单关节动作识别时间约为130ms，多关节动作识别准确率约达100\%，多关节动作识别时间约为80ms。进而，基于下肢运动意图在线识别系统开展下肢外骨骼机器人的人机交互实验。系统在线识别人体下肢运动意图，并基于识别结果控制下肢外骨骼机器人运动，实现对被试下肢动作的复现。