發(fā)布時(shí)間：2018-01-22 18:18

  本文關(guān)鍵詞： 智能假肢 步態(tài)識(shí)別 極限學(xué)習(xí)機(jī) 多源信息融合 髖關(guān)節(jié)運(yùn)動(dòng)信號(hào)　出處：《傳感技術(shù)學(xué)報(bào)》2017年08期 　論文類型：期刊論文

【摘要】：快速準(zhǔn)確的步態(tài)識(shí)別是實(shí)現(xiàn)智能假肢靈活控制的基礎(chǔ)與前提,步態(tài)(平地行走、上下樓梯和上下坡)的有效識(shí)別是關(guān)鍵。為了克服由單一信息源無法辨識(shí)復(fù)雜多步態(tài)的難題,搭建人體步態(tài)多源運(yùn)動(dòng)信息系統(tǒng)獲取髖關(guān)節(jié)角度信號(hào)、加速度信號(hào)和足底壓力信號(hào),利用足底壓力信號(hào)將人體步態(tài)劃分為4個(gè)片段,并根據(jù)人體步態(tài)的特點(diǎn)確定了4個(gè)片段下髖關(guān)節(jié)角度、髖關(guān)節(jié)加速度信號(hào)的特征值,采用核主成分分析(KPCA)對(duì)原始特征的組合進(jìn)行融合,得到信息互補(bǔ)的特征值,最后利用極限學(xué)習(xí)機(jī)(ELM)進(jìn)行識(shí)別,實(shí)驗(yàn)結(jié)果表明該方法對(duì)平地行走、上樓、下樓、上坡、下坡5種步態(tài)的平均識(shí)別率達(dá)到96.78%,平均識(shí)別時(shí)間0.52 s,明顯高于BP、支持向量機(jī)(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.
【作者單位】： 鄭州輕工業(yè)學(xué)院建筑電氣與智能化系;河北工業(yè)大學(xué)控制科學(xué)與工程學(xué)院;智能康復(fù)裝置與檢測(cè)技術(shù)教育部工程研究中心;
【基金】：國家自然科學(xué)基金項(xiàng)目(61203323,61503118) 河南省高等學(xué)校重點(diǎn)科研項(xiàng)目(16B413006) 河北省自然科學(xué)基金項(xiàng)目(F2015202150,F2017202119) 河北省高等學(xué)校科學(xué)技術(shù)研究項(xiàng)目(QN2015068) 河南省科技廳重點(diǎn)科研項(xiàng)目(162300410070)
【分類號(hào)】：TP183;TP212.9
【正文快照】： 3.智能康復(fù)裝置與檢測(cè)技術(shù)教育部工程研究中心,天津300130)根據(jù)2010年6月9日世界衛(wèi)生組織發(fā)布的《世界殘疾報(bào)告》,全球下肢截肢約為237萬人(包含膝上截肢者134萬人),造成下肢截肢的主要原因是疾病和外傷。穿戴高性能的智能假肢是截肢者重返社會(huì)的重要保證。智能化、功能更加完

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 田廣;徐奕;楊小康;;步態(tài)識(shí)別在智能視頻監(jiān)控系統(tǒng)中的應(yīng)用前景[J];電視技術(shù);2011年15期

2 張磊;劉冀偉;;基于貝葉斯網(wǎng)絡(luò)的步態(tài)識(shí)別[J];微計(jì)算機(jī)信息;2006年26期

3 薛召軍;李佳;明東;萬柏坤;;基于支持向量機(jī)的步態(tài)識(shí)別新方法[J];天津大學(xué)學(xué)報(bào);2007年01期

4 王云;趙秀萍;宋軍;;運(yùn)用常用軟件對(duì)模糊監(jiān)控錄像中步態(tài)周期的研究[J];科技信息;2014年03期

5 韓鴻哲;王志良;劉冀偉;李正熙;陳鋒軍;;基于線性判別分析和支持向量機(jī)的步態(tài)識(shí)別[J];模式識(shí)別與人工智能;2005年02期

6 謝林海;劉相濱;;基于不變矩特征和神經(jīng)網(wǎng)絡(luò)的步態(tài)識(shí)別[J];微計(jì)算機(jī)信息;2007年19期

7 申少昊;夏利民;孫正軍;;基于遺傳模糊分類的步態(tài)識(shí)別[J];計(jì)算機(jī)科學(xué);2009年01期

8 王立;;步態(tài)識(shí)別及其在智能視頻監(jiān)控中的應(yīng)用[J];淮北煤炭師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年03期

9 劉燕;李月香;;基于加速度計(jì)的步態(tài)數(shù)據(jù)無線采集系統(tǒng)設(shè)計(jì)[J];單片機(jī)與嵌入式系統(tǒng)應(yīng)用;2009年05期

10 魯繼文;張二虎;薛延學(xué);;基于獨(dú)立成分分析和信息融合的步態(tài)識(shí)別[J];模式識(shí)別與人工智能;2007年03期

相關(guān)會(huì)議論文 前1條

1 肖軍;蘇潔;鄭波;賈鵬宇;;智能仿生腿在不同路況下的步態(tài)識(shí)別系統(tǒng)研究[A];2007中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

相關(guān)博士學(xué)位論文 前1條

1 曾瑋;基于確定學(xué)習(xí)理論的人體步態(tài)識(shí)別研究[D];華南理工大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 張鵬;耦合度量學(xué)習(xí)理論及其在步態(tài)識(shí)別中的應(yīng)用研究[D];山東大學(xué);2016年

2 周潔;基于姿態(tài)與壓力信息的步態(tài)識(shí)別方法[D];西南交通大學(xué);2016年

3 陳慶峰;基于確定學(xué)習(xí)理論的步態(tài)分析及在神經(jīng)退行性疾病分類中的應(yīng)用[D];華南理工大學(xué);2016年

4 范珊珊;基于MEMS傳感器的步態(tài)識(shí)別算法研究及實(shí)現(xiàn)[D];南京郵電大學(xué);2016年

5 姚健;基于足底壓力測(cè)量的步態(tài)識(shí)別與預(yù)測(cè)[D];西南交通大學(xué);2017年

6 劉相鋒;基于步態(tài)識(shí)別的交通線路監(jiān)控[D];北京交通大學(xué);2012年

7 劉曉晶;傳感器通道中步態(tài)識(shí)別算法的研究[D];天津大學(xué);2006年

8 翟文婷;利用加速度傳感器實(shí)現(xiàn)人體步態(tài)識(shí)別[D];沈陽工業(yè)大學(xué);2013年

9 袁娜;基于概率神經(jīng)網(wǎng)絡(luò)的步態(tài)識(shí)別[D];河北工業(yè)大學(xué);2014年

10 王國艷;非剛體運(yùn)動(dòng)模型在步態(tài)檢測(cè)中的應(yīng)用研究[D];天津大學(xué);2006年

，

本文編號(hào)：1455412