浙江省自然科学基金(Y1090761)
- 作品数：3 被引量：33H指数：3
- 相关作者：罗志增佘青山孟明高云园更多>>
- 相关机构：杭州电子科技大学更多>>
- 发文基金：浙江省自然科学基金国家自然科学基金国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术自然科学总论更多>>
- 基于多源信息融合的膝上假肢步态识别方法被引量：18
- 2010年
- 为了实现膝上假肢的有效控制,提出基于多源信息融合的步态识别方法。首先通过搭建人体下肢多源运动信息系统获取下肢表面肌电信号、腿部角度信号和足底压力信号。针对获取的信息,采用基于小波变换的空域相关滤波对肌电信号进行消噪并提取信号特征;选择大小腿、膝关节角度作为腿部角度信号特征;将足底压力信号通过阈值法提取有效特征。在特征提取基础上,分别利用BP神经网络和有限状态机对下肢运动信息进行步态识别,并将识别结果进行融合。实验验证了该方法在平地行走、上下楼梯模式下步态识别准确率均达到95%以上。
- 高云园佘青山孟明罗志增
- 关键词：表面肌电信号足底压力信息融合步态识别
- HMM在下肢表面肌电信号步态识别中的应用被引量：13
- 2011年
- 提出了一种基于隐马尔可夫模型(HMM)的分类方法,利用下肢表面肌电信号(SEMG)进行人体步态状态的识别.对每通道的SEMG信号按时间分段后,对每段数据提取4个时域特征来描述信号特点.根据对步态周期中状态的划分确定了HMM的结构,将HMM的状态与步态状态一一对应,并利用改进的Baum-Welch算法估计HMM参数,然后通过使用Viterbi算法寻找最佳状态序列来将给定时刻的数据段对应到相应的步态状态,最终实现步态状态识别.实验结果表明HMM在时序变化信号的分类方面具有独特优势.
- 孟明佘青山罗志增
- 关键词：隐马尔可夫模型表面肌电信号步态识别参数估计
- 下肢EMG的小波支持向量机多类识别方法被引量：6
- 2010年
- 针对下肢肌电信号(EMG)的多运动模式分类问题,提出了一种基于小波支持向量机(WSVM)的多类识别方法.在小波框架理论和SVM核方法的基础上,构造基于二叉树结构的WSVM多类分类器,采用多尺度分析对下肢EMG进行消噪处理和特征提取,将特征向量输入WSVM多类分类器.以水平行走为例对支撑前期、支撑中期、支撑末期、摆动前期和摆动末期等5个细分运动模式进行分类,并与传统的神经网络和高斯核SVM分类器进行比较.实验结果验证了所提方法的有效性.
- 佘青山高云园孟明罗志增
- 关键词：肌电信号小波变换小波支持向量机
