基于GWO-SVM的下肢假肢穿戴者骑行相位识别

摘要：

针对下肢假肢穿戴者骑行相位识别的问题,提出基于灰狼算法优化的支持向量机(GWO-SVM)分类模型.建立下肢多源信息系统,采集膝关节、踝关节的加速度信号以及膝关节角度信号.应用奇异值分解,对采集到的信号进行降噪处理.在对信号进行降噪处理之后,为了避免单一信号不确定的影响,从数据冗余角度,选取各信号的特征点,开展归一化处理,组成多维特征向量,作为SVM分类模型的输入.为了能够进一步提高分类精度,加强全局优化能力,利用GWO算法对核参数进行优化.通过与PSO-SVM分类模型、GA-SVM分类模型对比表明,基于GWO优化的SVM分类模型对骑行相位的识别率为94％,高于其他方法优化的SVM分类模型.

关键词：下肢假肢、骑行运动、相位识别、灰狼优化(GWO)、支持向量机(SVM)

所属期刊栏目：55

分类号：TP242(自动化技术及设备)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金

在线出版日期：2021-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：648-657