时频广义 S 变换和 VL-MOBP 神经网络在人体动作识别中的应用

针对仿生假肢动作识别问题,提出基于时频广义 S 变换和 VL-MOBP 神经网络的下肢动作识别方法。 首先用时频广义 S 变换对年龄在 20~ 40 岁,身高在 170~ 185 cm,体重在 50~ 75 kg 的 22 名男性测试者下肢 4 种表面肌电信号和膝盖弯曲度信号 进行多分辨率分析,得到在时间和频率分辨率较好情况下信号时频累计特性曲线,然后提取时频累计特性曲线幅值的均值和标 准差作为特征向量,用 VL-MOBP 神经网络对人体下肢的行走、站立及静坐 3 种动作进行识别。 实验结果表明,提出的下肢动作 识别方法能够取得很好的识别效果,平均识别准确度达 96. 67%,高出小波变换约 56%,高出短时傅里叶变换约 36%,验证了该 方法在动作识别中的有效性。