基于MPSO-BP神经网络方法的人体步态识别

• 作者: 孙楠 王玉成 赵汉宾 骆敏舟
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 步态识别 步态相位 神经网络 粒子群算法
• 年，卷（期）: 2017,（21）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 121-125
• 页数: 5页
• 分类号: TP242.
• 字数: 2876字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1605-0090

摘要

为提高人体下肢步态相位识别准确率以实现外骨骼机器人控制,采用一种改进的粒子群优化MPSO-BP神经网络方法识别不同运动模式下的人体步态相位.通过自适应调整学习因子构造MPSO-BP神经网络分类器,以多种传感信息组成的特征向量样本集训练神经网络分类器,用于识别人体下肢在平地行走、上楼梯和起坐三种典型运动模式下的步态相位.实验结果表明,MPSO-BP神经网络分类器能有效识别三种不同运动模式的步态相位,识别准确率均达到96％以上,识别性能优于传统的BP神经网络模型和粒子群优化神经网络模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙楠	常州大学机械工程学院	12	125	5.0	11.0
3	骆敏舟	中国科学院合肥物质科学研究院先进制造技术研究所	50	787	13.0	26.0
4	王玉成	中国科学院合肥物质科学研究院先进制造技术研究所	9	13	2.0	3.0
7	赵汉宾	中国科学院合肥物质科学研究院先进制造技术研究所	4	16	2.0	4.0