基于CNN-Mogrifier LSTM的人体运动模式识别算法

随着传感器、微电子等技术的发展,通过可穿戴式传感器对人体的运动模式进行识别,具有广泛的应用价值,如何提高识别的准确率,具有重要研究意义。考虑到人体下肢运动的特点,本文提出了一种基于CNN和Mogrifier LSTM的人体运动模式识别算法,先利用CNN提取原始数据的局部相关特征,再使用Mogrifier LSTM代替全连接层,挖掘局部相关特征的前后依赖关系,对行走、跑步、上楼梯、下楼梯、上坡和下坡六种常见的运动模式进行识别。实验结果表明,相比于传统LSTM算法,Mogrifier LSTM的准确率提升了1.03%,将CNN和Mogrifier LSTM相结合后,准确率进一步提升了1.17%,达到了98.18%,证明了算法的优越性。     

膝关节外骨骼综合测试系统设计与实现

膝关节外骨骼系统是一种人体膝关节助力设备,其主要作用为可以使穿戴者在行走、奔跑、爬坡等运动过程中获得膝关节部位的助力扭矩,提升穿戴者的行动及负载能力;根据膝关节外骨骼系统的产品特点,对膝关节外骨骼的测试需求进行了研究,得到常规数据、助力效率、舒适度、寿命测试、关节驱动特性等5种测试需求;后基于测试需求,对一种膝关节外骨骼综合测试系统进行了架构设计,并对各种测试科目包括常规数据测试、助力效率、穿戴舒适度、使用寿命、关节驱动特性等进行测试方法研究.经实际应用试验表明,该测试系统可满足膝关节外骨骼设备的测试需求.