基于长短期记忆模型的外骨骼实时步态分类

发布时间：2021-06-19 14:50

　　外骨骼机器人作为一种创新的辅助技术正在蓬勃发展,它可以帮助偏瘫患者康复以再次行走。针对外骨骼机器人,提出了一种基于表面肌电图（sEMG）信号的长短期记忆模型（LSTMM）来识别4种不同的步态阶段。其中包括脚跟着地（HS）、脚掌着地（FF）、脚尖着地（HO）以及脚部抬起（SW）,该模型仅需要6个sEMG信号。本研究使用Vicon-nexus（VN）验证了sEMG数据采集系统的可用性,避免了复杂的传感器系统,并确保了步态相位分类的准确性。最后,结果表明:当使用6个sEMG信号时,用于步态相位分类的LSTMM的精度为91.44%,优于其他算法。在用于不同人群时,对于步态阶段分类具有明显更高的预测精度和更好的鲁棒性。 

【文章来源】：广西大学学报(自然科学版). 2020,45(05)北大核心

【文章页数】：9 页

【部分图文】：

基于sEMG的步态阶段分类的主要流程

本文使用了Biometrics表面肌电图(sEMG)信号采集系统,通过DataLOG数据采集存储器存储和分析收集的参数。图3展示了sEMG信号采集设备以及采集的位置(腓肠肌,胫骨前肌,股二头肌,股内肌,股直肌和股外侧肌)。采集位置根据国际电生理学和运动机能学学会(ISEK)的标准。图3 Biometrics设备及sEMG信号采集位置

Biometrics设备及sEMG信号采集位置

【参考文献】：
期刊论文
[1]基于BP神经网络的表面肌电信号模式分类的研究[J]. 王人成,黄昌华,李波,金德闻,张济川.  中国医疗器械杂志. 1998(02)



本文编号：3238017