基于表面肌電信號的人體行走模式識別.pdf

1、隨著人們生活水平的不斷提高和科學(xué)技術(shù)的快速發(fā)展，針對殘障、病痛、年老人士的假肢、康復(fù)訓(xùn)練系統(tǒng)、外骨骼助行器等機械設(shè)備的研究也進一步深入。為了保證這些外部機械裝置的安全穩(wěn)定性和舒適智能性，行走模式識別的研究變得尤為關(guān)鍵。表面肌電信息相對運動信息更能反映人體運動意圖，具有顯著優(yōu)勢。本課題提取步態(tài)初期下肢表面肌電信號的時域特征值，提出基于閾值分割的支持向量機-K近鄰（SVM-KNN）算法，對行走模式進行識別，為機械裝置提供準(zhǔn)確的控制信息源。本

2、論文針對平地行走、上樓梯、下樓梯、上斜坡、下斜坡五種行走模式進行識別。具體的研究內(nèi)容如下：
　　首先選定下肢肌肉群組，采集五種典型行走模式的表面肌電信號信息。通過對不同步態(tài)的肌電信息進行比較分析，提出利用移動窗的方法處理臀中肌表面肌電信號，確定特征提取初始時刻，進行時域特征提取，構(gòu)建特征向量。
　　其次提出基于閾值分割的SVM-KNN分類算法，對下肢不同肌肉組合的特征向量進行識別，識別率達到94％以上。利用該分類方法對連續(xù)不