基于多路sEMG时序分析的人体运动模式识别方法
针对主动康复训练中人体运动识别问题,提出了一种基于多路表面肌电(Surface electromyogram, sEMG)时序特征的人体运动模式识别方法.设计评估类周期sEMG信号波形相似度的方法来对多路sEMG信号进行特征选择;以二维科荷伦自组织竞争网络(Self-organization mapping net, SOM)对多路信息进行编码;最后,建立描述各运动过程多路sEMG时序特征的隐马尔科夫模型(Hidden Markov model, HMM),基于最大似然估计法对多模型匹配进行综合判决获取识别结果.并在对下肢踏车、椭圆、步行运动模式的识别实验中,相对于经典线性及非线性算法,识别率由72.5%和88.33%提高到91.67%,验证了本文方法的有效性.
康复训练、表面肌电、人体运动意图识别、自组织神经网络、隐马尔科夫模型
O45;P31
国家自然科学基金61305140,61225017,61175076,61203342;国家国际科技合作专项2011DFG13390资助@@@@Supported by National Natural Science Foundation of China61305140,61225017,61175076,61203342;the International S & T Cooperation Project of China2011DFG13390
2014-06-18(万方平台首次上网日期,不代表论文的发表时间)
共12页
810-821