基于GWO-SVM的下肢假肢穿戴者骑行相位识别

• 作者: 高新智 刘作军 张燕 陈玲玲
• 来源期刊: 浙江大学学报（工学版）
• 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)
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 计算机技术、电信技术|Computer Technology, Telecommunication Technology
• 页码范围: 648-657
• 页数: 10页
• 分类号: TP242
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2021.04.006

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.