10.16451/j.cnki.issn1003-6059.201808008
基于步态子空间的无监督双足步行状态辨识
在利用足压信息对人体步行状态的辨识中,由多传感器阵列采集获得的双足压力信号存在冗余度高、关联性弱、噪声干扰强等问题.为了辨识人体下肢运动状态,文中提出基于奇异值分解与模糊C均值聚类的步行状态辨识.首先采用奇异值分解的方法,融合足压多源观测数据,提取关于步态的特征信号.然后再将特征信号以向量形式张成步态信息子空间,并基于模糊C均值聚类算法对特征点进行聚类处理.因为特征点与信号采样序列一一映射,故聚类结果在时域上形成对步态运动过程的阶段划分.实验表明,文中方法可以有效辨识人体下肢的5种典型运动状态.
足压信号、奇异值分解(SVD)、特征提取、模糊C均值聚类(FCM)、步态辨识
31
TP242(自动化技术及设备)
国家自然科学基金项目61741101;安徽省自然科学基金项目1608085QF154;安徽省科技攻关项目1604a0902125;安徽工程大学引进人才科研启动基金项目2015YQQ005
2018-09-26(万方平台首次上网日期,不代表论文的发表时间)
共10页
763-772