【论文阅读】A survey of sensor fusion methods in wearable robotics

摘要

由于缺少必须的传感器信息融合算法来提供最优辅助或是对使用者目的的扰动或改变的快速反应，现代穿戴式机器人还没有足够智能来完美地满足使用者的需求。传感器信息融合技术例如意图预测已经被强调作为外骨骼机器人和假肢的一个主要挑战。为了更好地测试这个领域的优缺点，这篇论文将对现有的穿戴式机器人的传感器融合方法进行综述，包括固定式的外骨骼康复机器人和便携式的活动假肢和全身外骨骼机器人。传感器融合技术最初被应用在个体感应模式（主要是肌电，脑电和力学传感器），然后出现了4种方法结合多种模态。每种方法的优缺点将被比较，并给出未来传感器融合技术的建议。

1.绪论

过去的几十年间穿戴式机器人发展迅猛，并且证明了他们在军事，医疗，工业方面帮助人们的能力。也许穿戴机器人最出名的例子就是混合助力臂（HAL），但是功率稍小的矫正器械也同样重要。更进一步的，动力假肢也是一种穿戴式机器人。
现有的穿戴式机器人面临着来自硬件和软件方面的许多挑战。一个主要的挑战就是机器人通常缺乏理解穿戴者动作和意图的能力。因此，它不能很好地帮助穿戴者，并且外骨骼机器人和假肢都存在这个问题。为了克服这个挑战，工程人员们使用了大量传感器和推理方法来获得有关穿戴者意图的信息。
在许多情况下，使用的传感器一般位于穿戴式机器人内部，例如关节角度传感器。更多的一体化生物电传感器，例如肌电和脑电或者可替换的力学传感器安装于不被可穿戴机器人覆盖的身体部分。最近有一种融合多种信息，结合不同类型的传感器信号来获得使用者更加全面描述的趋势。但是信息融合需要新的融合算法。
这篇文章对穿戴式机器人的传感器融合算法进行了综述，包括了矫正器械（例如外骨骼）和假肢。融合算法意在帮助工程人员将原始传感器数据转化为使用者的动作信息和电机意图，并且融合算法主要分为两类。第一类是单峰系统，信号多样但是来自于同一种传感器（传感器有许多但都属于同一类）。第二种为多峰系统，需要将来自不同种类的信号结合起来。尽管没有关于多峰系统传感器融合的细节综述，已经有很多关于单峰系统的综述。我们尝试超越这些综述，通过回顾不同信号不同设备的算法，尤其是那些在不同研究方向上各有所长的领域。
需要说明的内容很多，我们从以下几点切入。

1. 传统控制策略例如阻抗控制被大量提到，尽管他们在其他出版物里被大量的回顾，不过总体来说他们没有使用传感器信息融合算法。
2. 不是每一个例子设计的每一个算法都会提及，如果大量例子只提到一个算法，那只讨论最重要的那一个。
3. 只讨论和穿戴设备有关的传感器融合方法。
4. 只讨论实时系统。

第二章讨论一般术语，第三章讨论单峰系统，第四章讨论多峰系统，第五章讨论各个传感器融合算法优缺点，不论何种模态。第六章对穿戴式机器人进行总结讨论。

2.一般术语