基于改進隱馬爾科夫模型的人體步態(tài)自適應識別.pdf

1、人體步態(tài)識別技術(shù)是指利用運動學、信號處理、模式識別等理論去分析處理傳感設備獲得人體運動學、動力學和生理學等步態(tài)信號的技術(shù)。它在仿人機器人、人機耦合機器人（外骨骼和假肢等）、醫(yī)學診斷和康復治療、運動分析、身份識別等領(lǐng)域得到了廣泛的應用。
　　步態(tài)信號具有準周期性，步態(tài)階段之間的轉(zhuǎn)換可以看做一條馬爾科夫鏈。這種性質(zhì)使得隱馬爾科夫模型(Hidden Markov Model, HMM)在步態(tài)階段識別中得到了廣泛的應用。但是，隱馬爾科夫模

2、型應用在步態(tài)階段識別中存在兩個不足。一是模型基于統(tǒng)計特征構(gòu)造駐留時間分布函數(shù)，不能很好地描述步態(tài)階段的時間特性；二是模型參數(shù)固定，未針對具體使用場景進行自適應處理。這些不足限制了步態(tài)階段識別的效果。
　　本文使用大腿上的加速度信號進行步態(tài)階段識別。通過對傳統(tǒng)隱馬爾科夫模型的改進和優(yōu)化，提高了模型對步態(tài)階段識別的準確性和對步態(tài)數(shù)據(jù)的適應性。
　　具體工作如下：1，對采集的運動步態(tài)數(shù)據(jù)進行了預處理和特征提取。預處理主要包括去噪和

3、平滑。特征提取主要包括步態(tài)窗口劃分和按窗口提取特征。2，討論了隱馬爾科夫模型原理。分析了其應用于步態(tài)階段識別的不足，并指明了改進方向。3，在隱馬爾科夫模型中引入時間參數(shù)，用駐留時間分布函數(shù)來代替自轉(zhuǎn)移概率，使其能夠更好的描述運動步態(tài)階段。4，針對隱馬爾科夫模型無法適應不同的穿戴者、不同的運動狀態(tài)、不同的運動環(huán)境的缺陷進行改進。使用自適應算法修正模型參數(shù)，提高步態(tài)階段識別模型的魯棒性。5，針對自適應過程中參考模型單一的問題進行改進，提出將