利用多源信息和极限学习机的人体运动意图识别

• 作者: 刘磊 宋寅卯 曹祥红 杨鹏
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: 智能假肢 步态识别 极限学习机 多源信息融合 髋关节运动信号
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 传感器信号处理
• 页码范围: 1171-1177
• 页数: 7页
• 分类号: TP183
• 字数: 4957字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2017.08.007

摘要

快速准确的步态识别是实现智能假肢灵活控制的基础与前提,步态(平地行走、上下楼梯和上下坡)的有效识别是关键.为了克服由单一信息源无法辨识复杂多步态的难题,搭建人体步态多源运动信息系统获取髋关节角度信号、加速度信号和足底压力信号,利用足底压力信号将人体步态划分为4个片段,并根据人体步态的特点确定了4个片段下髋关节角度、髋关节加速度信号的特征值,采用核主成分分析(KPCA)对原始特征的组合进行融合,得到信息互补的特征值,最后利用极限学习机(ELM)进行识别,实验结果表明该方法对平地行走、上楼、下楼、上坡、下坡5种步态的平均识别率达到96.78％,平均识别时间0.52 s,明显高于BP、支持向量机(SVM)等方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨鹏	河北工业大学控制科学与工程学院	162	1021	16.0	23.0
3	刘磊	郑州轻工业学院建筑电气与智能化系	37	266	10.0	15.0
5	宋寅卯	郑州轻工业学院建筑电气与智能化系	87	620	13.0	20.0
10	曹祥红	郑州轻工业学院建筑电气与智能化系	32	103	6.0	8.0