利用多源信息和极限学习机的人体运动意图识别

发布时间：2018-01-22 18:18

本文关键词： 智能假肢步态识别极限学习机多源信息融合髋关节运动信号　出处：《传感技术学报》2017年08期 　论文类型：期刊论文

【摘要】：快速准确的步态识别是实现智能假肢灵活控制的基础与前提,步态(平地行走、上下楼梯和上下坡)的有效识别是关键。为了克服由单一信息源无法辨识复杂多步态的难题,搭建人体步态多源运动信息系统获取髋关节角度信号、加速度信号和足底压力信号,利用足底压力信号将人体步态划分为4个片段,并根据人体步态的特点确定了4个片段下髋关节角度、髋关节加速度信号的特征值,采用核主成分分析(KPCA)对原始特征的组合进行融合,得到信息互补的特征值,最后利用极限学习机(ELM)进行识别,实验结果表明该方法对平地行走、上楼、下楼、上坡、下坡5种步态的平均识别率达到96.78%,平均识别时间0.52 s,明显高于BP、支持向量机(SVM)等方法。
[Abstract]:Fast and accurate gait recognition is the basis and premise of intelligent prosthesis flexible control, gait (walking on flat ground). In order to overcome the problem that complex multi-gait can not be identified by a single information source, a human gait multi-source motion information system is built to obtain hip angle signals. Acceleration signal and plantar pressure signal were used to divide human gait into 4 segments and the angle of hip joint was determined according to the characteristics of human gait. The eigenvalue of the acceleration signal of hip joint is fused by KPCA-based kernel principal component analysis (KPCA), and the complementary eigenvalue of information is obtained. Finally, the recognition is carried out by the extreme learning machine (ELM). The experimental results show that the average recognition rate of five gait is 96.78 and 0.52 s, which is obviously higher than that of BP. Support Vector Machine (SVM) and other methods.
【作者单位】：郑州轻工业学院建筑电气与智能化系;河北工业大学控制科学与工程学院;智能康复装置与检测技术教育部工程研究中心;
【基金】：国家自然科学基金项目(61203323,61503118) 河南省高等学校重点科研项目(16B413006) 河北省自然科学基金项目(F2015202150,F2017202119) 河北省高等学校科学技术研究项目(QN2015068) 河南省科技厅重点科研项目(162300410070)
【分类号】：TP183;TP212.9
【正文快照】： 3.智能康复装置与检测技术教育部工程研究中心,天津300130)根据2010年6月9日世界卫生组织发布的《世界残疾报告》,全球下肢截肢约为237万人(包含膝上截肢者134万人),造成下肢截肢的主要原因是疾病和外伤。穿戴高性能的智能假肢是截肢者重返社会的重要保证。智能化、功能更加完

【相似文献】