1.一种基于MIMU/sEMG融合的大腿运动姿态测量方法，其特征在于，包括：至少采集大腿运动的角速度信息和加速度信息；

采集大腿处肌肉的表面肌电信息；

根据惯性导航原理对所述角速度信息和加速度信息进行惯性导航解算，对所述表面肌电信息进行特征提取，结合角速度信息，采用机器学习的方式构建表面肌电信息-大腿转动关节角的预测模型，引入表面肌电信息输出的大腿转动关节角信息作为外观测信息，构建基于外观测反馈补偿的Kalman滤波估计模型。

2.根据权利要求1所述的基于MIMU/sEMG融合的大腿运动姿态测量方法，其特征在于，所述表面肌电信息-大腿转动关节角的预测模型算法包括：s1、对表面肌电信息进行特征提取、低通滤波和归一化处理，对角速度信息进行归一化处理；

s2、利用广义回归神经网络对表面肌电信息和角速度信息进行迭代训练，得到新的广义回归神经网络；

s3、新的广义回归神经网络对大腿运动时的测试数据进行训练预测，得到大腿转动关节角的预测数据；

s4、对预测数据进行平滑滤波处理，获得大腿转动关节角的预测结果。

3.根据权利要求2所述的基于MIMU/sEMG融合的大腿运动姿态测量方法，其特征在于，步骤s1中，提取表面肌电信号的均方根RMS为特征参数，并将其转化为振幅特征曲线：其中，sEMG(k)表示采集到第k个表面肌电信号的幅值，n表示采集到表面肌电信号的个数；

对公式(1)进行低通滤波处理得：

F(k)＝RMS(k)*ε+F(k-1)*(1-ε)       (2)其中，ε为周期因子。

4.根据权利要求2所述的基于MIMU/sEMG融合的大腿运动姿态测量方法，其特征在于，步骤s2中，广义回归神经网络包括输入层、模式层、求和层以及输出层，其中：输入层：X＝[x1,x2,...,xn]T为输入，其输出设为Y＝[y1,y2,...,yn]T，x和y均为随机数；

模式层：联合概率密度函数f(x,y)服从正态分布，已知x的观测值为X，对于X条件下y的预测输出为：求和层：采用高斯核函数作为传递函数，设f(x,y)服从正态分布，则其中，Xi和Yi均为样本观测值；n为样本容量，d为样本维数，σ为光滑因子，用 代替式(3)中的f(X,Y)，可得：输出层：令 设 则有：

5.根据权利要求1所述的基于MIMU/sEMG融合的大腿运动姿态测量方法，其特征在于，Kalman滤波估计模型建立方法包括：建立的Kalman滤波估计的状态方程为：

状态量为：X＝[δVeδVnδVuφeφnφu]T，δVe为东向速度误差，δVn为北向速度误差，δVu为天向速度误差，φe为东向失准角，φn为北向失准角，φu是天向失准角， 为X的微分，W为激励噪声矢量，F为状态转移矩阵，如下：其中：

滤波估计的观测方程为：

Z＝HX+V(9)

Z为Kalman滤波估计的观测矢量，Z＝[δVe δVn δVu φn]T，[δVe δVn δVu]T＝VSINS-VOUT，VSINS为惯性导航解算获得的东、北、天三个方向的速度，VOUT为外观测提供的东、北、天三个方向的速度，φn为惯性导航解算获得的俯仰角与大腿转动关节角预测的差值，V为观测噪声矢量，H为系统观测矩阵，如下：

6.根据权利要求5所述的基于MIMU/sEMG融合的大腿运动姿态测量方法，其特征在于，利用Kalman滤波算法进行姿态估计，步骤如下：(1)根据前一时刻状态量 以及一步状态转移矩阵Φk,k-1计算预测值(2)根据前一时刻的一步预测均方误差Pk-1、一步状态转移矩阵Fk,k-1、系统噪声方差阵Qk-1以及系统噪声驱动阵Γk-1计算一步预测均方误差Pk/k-1，(3)根据一步预测均方误差Pk/k-1、滤波观测阵Hk以及测量噪声序列的方差阵Rk计算滤波增益值Kk：(4)根据一步预测值 观测量Zk、滤波观测阵Hk以及滤波增益值Kk计算滤波估计的状态估计(5)根据滤波增益值Kk、滤波观测阵Hk、一步预测均方误差Pk/k-1以及测量噪声序列的方差阵Rk计算均方差Pk：返回(1)，进行下一时刻Kalman滤波估计，实现大腿运动姿态的估计。

7.一种基于MIMU/sEMG融合的大腿运动姿态测量装置，其特征在于，包括：MIMU模块，至少采集大腿运动的角速度信息和加速度信息；

sEMG模块，采集大腿处肌肉的表面肌电信息；

处理模块，根据惯性导航原理对所述角速度信息和加速度信息进行惯性导航解算，对所述表面肌电信息进行特征提取，结合角速度信息，采用机器学习的方式构建表面肌电信息-大腿转动关节角的预测模型，引入表面肌电信息输出的大腿转动关节角信息作为外观测信息，构建基于外观测反馈补偿的Kalman滤波估计模型。

8.根据权利要求7所述的基于MIMU/sEMG融合的大腿运动姿态测量装置，其特征在于，所述处理模块包括控制芯片模块和上位机，所述控制芯片模块与上位机之间通过无线方式通信，所述MIMU模块和sEMG模块分别与控制芯片模块之间连接。

9.根据权利要求8所述的基于MIMU/sEMG融合的大腿运动姿态测量装置，其特征在于，所述MIMU模块采用MPU9250，所述sEMG模块采用myoware，所述控制芯片模块采用ATmega328。

10.根据权利要求8所述的基于MIMU/sEMG融合的大腿运动姿态测量装置，其特征在于，还包括可捆绑于大腿上的绑带，所述控制芯片模块、MIMU模块和sEMG模块设置于绑带上。