外骨骼機器人作為一種創(chuàng)新的輔助技術正在蓬勃發(fā)展,它可以幫助偏癱患者康復以再次行走。針對外骨骼機器人,提出了一種基于表面肌電圖（sEMG）信號的長短期記憶模型（LSTMM）來識別4種不同的步態(tài)階段。其中包括腳跟著地（HS）、腳掌著地（FF）、腳尖著地（HO）以及腳部抬起（SW）,該模型僅需要6個sEMG信號。本研究使用Vicon-nexus（VN）驗證了sEMG數據采集系統的可用性,避免了復雜的傳感器系統,并確保了步態(tài)相位分類的準確性。最后,結果表明:當使用6個sEMG信號時,用于步態(tài)相位分類的LSTMM的精度為91.44%,優(yōu)于其他算法。在用于不同人群時,對于步態(tài)階段分類具有明顯更高的預測精度和更好的魯棒性。 

【文章來源】：廣西大學學報(自然科學版). 2020,45(05)北大核心

【文章頁數】：9 頁

【部分圖文】：

基于sEMG的步態(tài)階段分類的主要流程

本文使用了Biometrics表面肌電圖(sEMG)信號采集系統,通過DataLOG數據采集存儲器存儲和分析收集的參數。圖3展示了sEMG信號采集設備以及采集的位置(腓腸肌,脛骨前肌,股二頭肌,股內肌,股直肌和股外側肌)。采集位置根據國際電生理學和運動機能學學會(ISEK)的標準。圖3 Biometrics設備及sEMG信號采集位置

Biometrics設備及sEMG信號采集位置

【參考文獻】：
期刊論文
[1]基于BP神經網絡的表面肌電信號模式分類的研究[J]. 王人成,黃昌華,李波,金德聞,張濟川.  中國醫(yī)療器械雜志. 1998(02)



本文編號：3238017