轻量化肌电信号解码在手部康复训练中的应用研究
何穆演 李爱延 肖铭扬 姜睿 郭汝芯 姚宇峰^{（通讯作者）}

广州新华学院，广东东莞，512330；

摘要：伴随着脑卒中等神经系统疾病的发病，对手部功能障碍患者的康复意愿增强，表面肌电信号（sEMG）是体现肌肉活动状态的非侵入性生物电信号，成为主动康复训练的主要交互媒介。传统的深度学习模型参数数量庞大、计算量大，很难在嵌入式康复设备中实现解码。构建基于轻量化transformformer架构的肌电信号解码模型，引入注意力机制提升特征提取，并结合模型压缩减小计算量，设计开发融合软硬件的手部康复训练系统，实现意图识别、机器人辅助训练、数据反馈的闭环性，实验结果表明，轻量化模型在保持高准确率的同时降低推理延迟，提高了人机交互的流畅度，为穿戴式康复设备的小型化智能化提供技术支撑。

关键词：轻量化模型；表面肌电信号；Transformer；手部康复训练；人机交互

参考文献

[1]赵晨阳,赵涛,杨虹,等.钢结构桥梁参数化建模与模型数据轻量化技术研究[J].价值工程,2026,45(09):102-106.

[2]胡鸣韬,徐钟昊,陈思芸.基于表面肌电信号的撕裂动作典型肌群负荷特征研究[J].科学技术创新,2026,(01):59-62.

[3]方子康,韩建军,肖彦,等.基于双掩码自监督Transformer的表单数据插补模型[J/OL].计算机科学,1-9[2026-03-20].https://link.cnki.net/urlid/50.1075.tp.20260317.1755.007.

[4]王清波,杨攀,高云,等.结合健侧手图像运动识别的手部可穿戴康复训练系统设计[J].中国医疗器械信息,2026,32(01):50-53+77.DOI:10.15971/j.cnki.cmdi.2026.01.008.

[5]肖锟,郭伶凤,敖思魁,等.尺度空间特征下人机交互多姿态三维手势智能识别[J].现代电子技术,2026,49(06):189-193.DOI:10.16652/j.issn.1004-373x.2026.06.028.