【目的】研究利用上肢表面肌电（surface electromyography，sEMG）信号进行关节角度连续预测的方法，探讨提高sEMG信号控制智能假肢的精度。【方法】采集14名健康右利手受试者上肢7块肌肉的表面肌电信号，提取sEMG信号的时域特征值，采用Vicon运动捕捉系统同步采集受试者上肢的三维运动学数据，计算肘关节角度。搭建了具有注意力机制和残差模块的长短期记忆网络（Long Short-term Memory with an attention mechanism and residual blocks，AR-LSTM）作为预测模型来连续估计肘关节角度，并与长短期记忆网络、卷积神经网络、多层感知器等神经网络进行了比较，并通过计算均方根误差、拟合优度和平均绝对百分比误差来评估每个神经网络预测关节角度序列的准确性。【结果】AR-LSTM均方根误差、拟合优度和平均绝对百分比误差分别为7.939°、0.921和5.554%，优于其他常规预测模型。【结论】AR-LSTM能够有效提高sEMG的关节角度连续解码的精度。研究结果表明了本文搭建的基于sEMG信号的关节角度预测模型可以应用于智能假肢控制，并提高角度控制的精度。

1 实验和方法
1.1 实验对象
1.2 实验设备和信号处理
1.3sEMG信号预处理与特征提取
2 算法介绍
2.1 AR-LSTM神经网络
2.2评价指标
3 结果
3.1 不同速度下肘关节角度预测结果
3.2 不同模型性能比较
4 讨论
5 结论