HMM在下肢表面肌电信号步态识别中的应用

• 作者: 佘青山 孟明 罗志增
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 隐马尔可夫模型 表面肌电信号 步态识别 时域特征 参数估计
• 年，卷（期）: 2011,（z2）
• 所属期刊栏目: 机器人传感技术、多传感器集成与信息融合
• 页码范围: 176-179
• 分类号: TP391.4
• 语种: 中文

摘要

提出了一种基于隐马尔可夫模型(HMM)的分类方法,利用下肢表面肌电信号(SEMG)进行人体步态状态的识别.对每通道的SEMG信号按时间分段后,对每段数据提取4个时域特征来描述信号特点.根据对步态周期中状态的划分确定了HMM的结构,将HMM的状态与步态状态一一对应,并利用改进的Baum-Welch算法估计HMM参数,然后通过使用Viterbi算法寻找最佳状态序列来将给定时刻的数据段对应到相应的步态状态,最终实现步态状态识别.实验结果表明HMM在时序变化信号的分类方面具有独特优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗志增	杭州电子科技大学智能控制与机器人研究所	164	2539	28.0	39.0
2	孟明	杭州电子科技大学智能控制与机器人研究所	34	381	11.0	18.0
3	佘青山	杭州电子科技大学智能控制与机器人研究所	38	366	11.0	18.0