發(fā)布時(shí)間：2018-06-14 21:34

  本文選題：表面肌電信號(hào) + 智能假肢��； 參考：《自動(dòng)化學(xué)報(bào)》2017年03期

【摘要】：表面肌電信號(hào)隨著時(shí)間的變化而改變,這將影響運(yùn)動(dòng)模式的分類精度.傳統(tǒng)人體下肢假肢運(yùn)動(dòng)模式的識(shí)別算法不能保證在整個(gè)肌電控制時(shí)間內(nèi)達(dá)到對(duì)運(yùn)動(dòng)模式的有效識(shí)別.為了解決這些問(wèn)題,本文提取步態(tài)初期200 ms的信號(hào)的特征值,將無(wú)監(jiān)督和有監(jiān)督的Kohonen神經(jīng)網(wǎng)絡(luò)算法應(yīng)用到大腿截肢者殘肢側(cè)的步態(tài)識(shí)別中,并與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了對(duì)比.結(jié)果表明,有監(jiān)督的Kohonen神經(jīng)網(wǎng)絡(luò)算法將五種路況下步態(tài)的平均識(shí)別率提高到88.4%,優(yōu)于無(wú)監(jiān)督的Kohonen神經(jīng)網(wǎng)絡(luò)算法和BP神經(jīng)網(wǎng)絡(luò).
[Abstract]:The surface EMG signal changes with time, which will affect the classification accuracy of motion mode. The traditional motion pattern recognition algorithm of human lower limb prosthesis can not guarantee the effective recognition of motion pattern in the whole EMG control time. In order to solve these problems, the signal eigenvalues of 200ms in the initial gait are extracted, and the unsupervised and supervised Kohonen neural network algorithm is applied to the gait recognition of the left limb of the thigh amputee, and compared with the traditional BP neural network. The results show that the supervised Kohonen neural network algorithm increases the average gait recognition rate to 88.4 under five road conditions, which is superior to the unsupervised Kohonen neural network algorithm and BP neural network algorithm.
【作者單位】： 河北工業(yè)大學(xué)控制科學(xué)與工程學(xué)院;智能康復(fù)裝置與檢測(cè)技術(shù)教育部工程研究中心;
【基金】：河北省青年自然基金(F2016202327) 河北省高等學(xué)校科學(xué)技術(shù)研究項(xiàng)目(Q2012079,ZC2016020) 中國(guó)科學(xué)院人機(jī)智能協(xié)同系統(tǒng)重點(diǎn)實(shí)驗(yàn)室開放基金資助~~
【分類號(hào)】：R318;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張?jiān)��?姜樹明;魏志強(qiáng);張建峰;許世杰;;基于步態(tài)的身份識(shí)別研究綜述[J];山東科學(xué);2012年03期

2 王云;趙秀萍;宋軍;;運(yùn)用常用軟件對(duì)模糊監(jiān)控錄像中步態(tài)周期的研究[J];科技信息;2014年03期

3 王運(yùn)成;;基于動(dòng)態(tài)二維圖像序列的三維步態(tài)識(shí)別方法[J];科技通報(bào);2013年10期

4 陳心浩;黃正華;高智勇;朱小祥;;基于特征融合的步態(tài)識(shí)別研究[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

5 王立;;步態(tài)識(shí)別及其在智能視頻監(jiān)控中的應(yīng)用[J];淮北煤炭師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年03期

6 李瀚霖;許林娜;王嘉楠;;步態(tài)識(shí)別在煤礦井下人員特征提取中的應(yīng)用[J];科技致富向?qū)?2011年24期

7 陳璇;吳清江;路遠(yuǎn);;角度與動(dòng)態(tài)時(shí)間歸一化的步態(tài)識(shí)別[J];華僑大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

8 林敏;鄭繼紹;;靜態(tài)特征和動(dòng)態(tài)特征融合的步態(tài)識(shí)別[J];貴州大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年03期

9 程瓊;付波;;基于Hilbert-Huang描述子的步態(tài)識(shí)別方法[J];武漢大學(xué)學(xué)報(bào)(理學(xué)版);2008年01期

10 鄒晶晶;;基于不變矩和SVM的步態(tài)識(shí)別[J];山西科技;2008年05期

相關(guān)會(huì)議論文 前8條

1 鄧玉春;劉世平;;自動(dòng)步態(tài)識(shí)別方法研究綜述[A];2007通信理論與技術(shù)新發(fā)展——第十二屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2007年

2 何衛(wèi)華;李平;文玉梅;葉波;袁海軍;;運(yùn)用下肢關(guān)節(jié)角度信息進(jìn)行步態(tài)識(shí)別[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

3 肖軍;蘇潔;鄭波;賈鵬宇;;智能仿生腿在不同路況下的步態(tài)識(shí)別系統(tǒng)研究[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

4 張聰;明東;萬(wàn)柏坤;;基于小波描述子和人體骨架模型的多視角融合步態(tài)識(shí)別[A];天津市生物醫(yī)學(xué)工程學(xué)會(huì)第29屆學(xué)術(shù)年會(huì)暨首屆生物醫(yī)學(xué)工程前沿科學(xué)研討會(huì)論文集[C];2009年

5 朱京紅;方帥;高明;方杰;;基于人工免疫模型的步態(tài)識(shí)別方法[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

6 葉波;文玉梅;李平;;基于核主元分析和支持向量機(jī)的步態(tài)識(shí)別算法[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

7 王科俊;閻濤;呂卓紋;;基于耦合度量學(xué)習(xí)的特征級(jí)融合方法及在步態(tài)識(shí)別中的應(yīng)用[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第三分冊(cè)）[C];2013年

8 王科俊;賁f[燁;;基于線性插值的特征模板構(gòu)造的步態(tài)識(shí)別算法框架[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

相關(guān)重要報(bào)紙文章 前2條

1 編譯 劉東征;新型“步態(tài)密碼”給手機(jī)加把鎖[N];北京科技報(bào);2005年

2 若水;分析步態(tài)識(shí)別身份[N];光明日?qǐng)?bào);2003年

相關(guān)博士學(xué)位論文 前10條

1 劉磊;基于多源信息的步態(tài)識(shí)別算法研究[D];河北工業(yè)大學(xué);2015年

2 余杰;基于視頻的人體目標(biāo)跟蹤與識(shí)別技術(shù)研究[D];電子科技大學(xué);2016年

3 賁f[燁;基于人體運(yùn)動(dòng)分析的步態(tài)識(shí)別算法研究[D];哈爾濱工程大學(xué);2010年

4 曾瑋;基于確定學(xué)習(xí)理論的人體步態(tài)識(shí)別研究[D];華南理工大學(xué);2012年

5 張?jiān)��?基于序列統(tǒng)計(jì)特性的步態(tài)識(shí)別算法研究[D];山東大學(xué);2010年

6 趙國(guó)英;基于視頻的步態(tài)識(shí)別[D];中國(guó)科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2005年

7 薛召軍;基于小波變換和支持向量機(jī)相結(jié)合的步態(tài)識(shí)別新方法研究[D];天津大學(xué);2007年

8 胡榮;人體步態(tài)識(shí)別研究[D];華中科技大學(xué);2010年

9 顧磊;基于圖像序列的人體步態(tài)識(shí)別方法研究[D];南京理工大學(xué);2008年

10 劉海濤;基于立體視覺(jué)的步態(tài)識(shí)別研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 陳夏輝;步態(tài)識(shí)別的若干關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2015年

2 王奎;一種基于特征曲線匹配的快速步態(tài)識(shí)別方法研究[D];大連海事大學(xué);2015年

3 楊亞洲;基于人體輪廓特征的步態(tài)識(shí)別技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

4 馬曉龍;基于MIMU的單兵室內(nèi)導(dǎo)航算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

5 衣美佳;步態(tài)識(shí)別關(guān)鍵技術(shù)研究[D];南京郵電大學(xué);2015年

6 楊楠;基于視觸覺(jué)多特征融合的步態(tài)識(shí)別方法研究[D];河北工業(yè)大學(xué);2015年

7 周浩理;復(fù)雜背景下多特征融合的人體步態(tài)識(shí)別研究[D];海南大學(xué);2016年

8 李雪燕;視頻監(jiān)控中人體步態(tài)識(shí)別方法研究[D];長(zhǎng)春工業(yè)大學(xué);2016年

9 潘秀芳;基于手機(jī)的步態(tài)識(shí)別研究[D];燕山大學(xué);2016年

10 羅璨;存在干擾因素情況下的步態(tài)識(shí)別統(tǒng)動(dòng)力學(xué)初步探索[D];蘇州大學(xué);2016年

，

本文編號(hào)：2019028