采用核主成分分析和相关向量机的人体运动意图识别

摘要：

针对人体步态识别率低的问题,提出了一种将核主成分分析(KPCA)和相关向量机(RVM)相结合的步态识别方法.首先,选择表面肌电信号(sEMG)作为步态识别信息源,提取表面肌电信号的小波包能量特征.然后,采用核主成分分析方法降维特征值去除冗余的信息,得到能反映步态特征的特征值.最后,利用相关向量机对步态特征向量进行分类,识别平地行走、上楼、下楼、上坡、下坡5种步态.通过分析不同受试者步态识别结果,验证了该方法的可行性和实用性,并和BP(反向传播)神经网络、SVM(支持向量机)等方法比较,结果表明该方法分类时间为2.6609×10?4 s,识别正确率为96.67%,是一种有效的步态识别方法.

关键词：表面肌电信号、核主成分分析、相关向量机、运动意图识别

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61203323;河南省高等学校重点科研项目16B413006;河北省自然科学基金F2015202150,F2017202119;河南省科技厅重点科研项目162300410070

在线出版日期：2017-10-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：661-669