共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
3.
4.
对截肢者下肢运动意图的准确识别是提高下肢假肢人机交互性能,降低假肢使用者运动能耗的关键。基于健康受试者在不同运动模式的下肢表面肌电信号(sEMG)和由六自由度惯性测量单元(IMU)采集到的角速度信号、加速度信号等运动学信号设计了一种面向下肢假肢的运动意图识别方法,并通过髋截肢者的健侧肌电和两侧下肢的运动学数据对上述方法进行可行性和有效性验证。结果表明,该方法能在健康受试者的多源传感信息中选出最适于分类的最小特征子集,并在精细K最近邻(KNN)分类器中实现对站、平地走、上下楼梯、上下斜坡这6种不同运动意图高达99.2%的识别准确率;同时在髋截肢者这一类高位截肢患者的多源传感信息中依然能筛选出最小特征子集并实现高达99.8%的识别精度。实验结果说明了所提出方法的有效性和普遍适用性。 相似文献
5.
6.
7.
面向人体惯性运动捕捉系统,提出一种基于长短期记忆网络(LSTM)的人体运动模式识别方法。设计1个包含2层LSTM层的深度学习神经网络对人体三维加速度信息进行自动特征提取并对多类运动模式进行时序建模,从而实现对运动模式的快速实时识别。实验基于WISDM公开数据集,对人体右腿前口袋部位的三维加速度信息进行分析。验证模型识别人体慢跑、步行、坐、站、上楼、下楼运动过程的准确率为97.5%,并通过对比实验验证了该方法的有效性, 为基于移动设备及可穿戴设备的人体运动识别研究提供了一个可行的方法。 相似文献
8.
9.
针对人体下肢运动状态识别精度低的问题,提出了一种基于足底压力的下肢运动状态识别预测方法。以EMED足底压力平板采集的不同步速下各40组足底压力数据为试验样本,通过分析足底压力特征参数,构建步态相位,建立足底步态周期关系,以及步态位移模型。下肢运动是非线性运动,采用步态周期模型结合粒子滤波算法实现足底压力预测。先对粒子群初始化获取先验概率密度函数,对预测压力进行估计,其次对状态向量检验,使用多元线性回归推导出预测足底压力。实验结果表明,在不同步态速度下,粒子滤波算法性能好,精确度达到97%以上,从而证明了足底压力预测方法的有效性。补充不同年龄、性别、体重的实验者的足底压力数据进行分析,预测精度均在97.5%以上,验证了预测算法的稳定性和精准性。 相似文献
10.
针对单一传感器在人体运动姿态监测中误差较大的问题,提出了一种基于加速度传感器和陀螺仪数据融合的人体运动模式识别方法;该方法使用陀螺仪输出的人体运动信息对加速度传感器采集到的姿态角信息进行修正,采用卡尔曼滤波算法实现多传感器信息的融合,有效提高了姿态角度测量的准确度;根据人体日常的活动状态构建了基于人体姿态角度特征的隐马尔可夫模型实现人体运动模式的识别;实验表明,该方法比采用单一传感器方法识别的准确率高,可以有效区分不同的日常活动行为。 相似文献