基于LSTM深度学习模型的智能下肢假肢运动意图识别

• 作者: 刘双庆
• 来源期刊: 合肥学院学报（综合版）
• 学科: 工学
• 关键词: 长短时记忆网络 运动意图识别 单惯性传感器
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 计算机与电子
• 页码范围: 96-104
• 页数: 9页
• 分类号: TP212.9
• 字数: 5514字
• 语种: 中文

摘要

传统下肢假肢运动意图识别常用多模态传感器采集残肢侧运动信息,通过手动提取特征,带有一定的复杂性以及转换模式识别具有滞后性.提出了一种基于端到端的深度学习智能下肢假肢运动意图识别方法,重新定义了单侧下肢截肢者的运动模式,采用单惯性传感器,采集健肢侧位于摆动相的时序数据,选用长短时记忆神经网络自动提取特征,并对下肢假肢运动意图进行识别.实验结果表明,5类稳态模式:平地行走、上楼、下楼、上坡和下坡的识别率为98.17％,加入8类转换模式后,识别率达到96.68％.提出的方法在下肢假肢识别性能上有较大提升,帮助截肢者实现流畅、稳定的行走,同时也验证了长短时记忆网络的泛化能力较强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘双庆	安庆师范大学数学与计算科学学院	4	0	0.0	0.0