基于表面肌電信號(hào)的人體行走模式識(shí)別.pdf

1、隨著人們生活水平的不斷提高和科學(xué)技術(shù)的快速發(fā)展，針對(duì)殘障、病痛、年老人士的假肢、康復(fù)訓(xùn)練系統(tǒng)、外骨骼助行器等機(jī)械設(shè)備的研究也進(jìn)一步深入。為了保證這些外部機(jī)械裝置的安全穩(wěn)定性和舒適智能性，行走模式識(shí)別的研究變得尤為關(guān)鍵。表面肌電信息相對(duì)運(yùn)動(dòng)信息更能反映人體運(yùn)動(dòng)意圖，具有顯著優(yōu)勢(shì)。本課題提取步態(tài)初期下肢表面肌電信號(hào)的時(shí)域特征值，提出基于閾值分割的支持向量機(jī)-K近鄰（SVM-KNN）算法，對(duì)行走模式進(jìn)行識(shí)別，為機(jī)械裝置提供準(zhǔn)確的控制信息源。本

2、論文針對(duì)平地行走、上樓梯、下樓梯、上斜坡、下斜坡五種行走模式進(jìn)行識(shí)別。具體的研究?jī)?nèi)容如下：
　　首先選定下肢肌肉群組，采集五種典型行走模式的表面肌電信號(hào)信息。通過(guò)對(duì)不同步態(tài)的肌電信息進(jìn)行比較分析，提出利用移動(dòng)窗的方法處理臀中肌表面肌電信號(hào)，確定特征提取初始時(shí)刻，進(jìn)行時(shí)域特征提取，構(gòu)建特征向量。
　　其次提出基于閾值分割的SVM-KNN分類算法，對(duì)下肢不同肌肉組合的特征向量進(jìn)行識(shí)別，識(shí)別率達(dá)到94％以上。利用該分類方法對(duì)連續(xù)不