-
题名基于机器学习与步态特征辅助的行人导航方法
被引量：10
- 1
-
-
作者
钱伟行
周紫君
谢非
陈欣
王融
刘文慧
-
机构
南京师范大学电气与自动化工程学院
南京航空航天大学自动化学院
-
出处
《中国惯性技术学报》
EI
CSCD
北大核心
2019年第4期433-439,447,共8页
-
基金
国家自然科学基金（61601228,61703208,61803208）
江苏省自然科学基金（BK20161021,BK20180726）
-
文摘
针对微惯性测量组件(MIMU)足部安装的穿戴式导航系统,在包含惯性传感器信息超量程的行进中无法有效进行定位与导航的问题,提出了一种基于虚拟惯性测量组件(VIMU)与步态特征辅助修正惯导系统的行人导航方法。以相同频率采集人体腿部与足部的MIMU数据作为训练样本,通过视觉几何组-长短期记忆混合(VGG-LSTM)神经网络模型拟合两个部位MIMU信息之间的非线性映射关系,构建足部VIMU与虚拟惯性导航系统(VINS);基于人体各步态相位中足部姿态具有高度重复性的特征,对足部VINS姿态信息进行误差修正,并结合足部磁传感器信息确定人体运动的航向信息。实验结果表明,结合零速修正(ZUPT)方法,所提出的VINS构建与误差修正方法可有效提高足部MIMU超量程时行人导航系统性能的可靠性,其高过载运动中的定位误差约为总行进距离的2.5%。
-
关键词
行人导航
机器学习
虚拟惯导系统
步态相位识别
步态特征辅助
-
Keywords
pedestrian navigation
machine learning
virtual inertial navigation system
gait phase recognition
gait feature assistance
-
分类号
U666.1
[交通运输工程—船舶及航道工程]
-
-
题名基于多源生物信号的下肢步态相识别
被引量：7
- 2
-
-
作者
张启忠
席旭刚
罗志增
-
机构
杭州电子科技大学智能控制与机器人研究所
-
出处
《计量学报》
CSCD
北大核心
2018年第6期895-901,共7页
-
基金
国家自然科学基金(61671197)
浙江省自然科学基金(LY17F030021)
浙江省公益技术研究项目(LGF18F010006)
-
文摘
为提高人体下肢步态相识别的准确性,研究了融合表面肌电信号(s EMG)、膝关节角度和足底压力信号的人体下肢步态相识别方法。首先,将s EMG信号进行小波包分解提取多尺度能量和多尺度模糊熵特征;然后,对提取的s EMG信号特征值采用主成分分析(PCA)方法进行降维处理,并与足底压力特征值和膝关节能量特征值构成一组特征向量;最后,将特征向量输入粒子群优化最小二乘支持向量机(PSO-LSSVM)对人体下肢运动信息进行步态相识别。实验结果表明,所提方法相较于其他方法有较高的识别准确率和有效性。
-
关键词
计量学
肌电信号
步态相识别
特征提取
粒子群优化
最小二乘支持向量机
模式识别
-
Keywords
metrology
sEMG signal
gait phase recognition
feature extraction
particle swarm optimization
least square support vector machine
pattern recognition
-
分类号
TB973
[一般工业技术—计量学]
-
-
题名基于足底压力传感器的不控制减重比例下步态相位识别
被引量：6
- 3
-
-
作者
宋广玥
宋智斌
项忠霞
-
机构
天津大学机械工程学院机构理论与装备设计教育部重点实验室
-
出处
《工程设计学报》
CSCD
北大核心
2019年第3期260-266,共7页
-
基金
国家自然科学基金资助项目(51475332)
天津市自然科学基金资助项目(17JCZDJC30300)
-
文摘
下肢外骨骼机器人是帮助下肢运动功能障碍患者步行训练的新手段,能够减轻医护人员的劳动强度,它常采用减重方式完成辅助训练。然而,对于地面行走减重外骨骼机器人系统而言,其减重比例随步态及穿戴方式变化而变化,因此不控制减重比例下的步态相位识别具有重要意义。通过搭建基于Arduino Mega2560板卡和单侧鞋内8个薄膜式压力传感器的足底压力采集系统,分别采集了正常行走、不控制减重比例减重带减重状态下行走时的足底压力信息,并采用神经网络算法进行步态相位识别。结果表明:在减重状态下行走与正常行走相比,左右脚压力值均出现明显下降且两侧具有对称性;足底每个压力传感器处的压力减小比例不同;采用神经网络算法对正常行走时步态相位总体识别率达到96.8%,对减重行走时步态相位总体识别率达到94.8%。研究结果表明该足底压力采集系统可以有效测量减重行走时的足底压力,为在地面不控制减重比例下减重带减重的外骨骼机器人控制策略的制定提供一定支持。
-
关键词
步态相位识别
足底压力
减重
神经网络
-
Keywords
gait phase recognition
plantar pressure
body weight support
neural network
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TP212
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于XGBoost的下肢步态相位识别研究
被引量：2
- 4
-
-
作者
苏鸿
马超
苏鹏
高经纬
-
机构
北京信息科技大学现代测控技术教育部重点实验室
北京信息科技大学机电系统测控北京市重点实验室
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2023年第3期95-101,共7页
-
基金
国家自然科学基金(52005045)项目资助。
-
文摘
针对下肢外骨骼应用中的难点问题,开展了基于XGBoost算法,利用单个IMU采集的运动姿态数据对步态相位进行识别的研究。首先,采集了6种不同步态下的足部运动数据,然后将每种步态划分为4个相位;在此基础上,以足部运动数据作为训练集,然后应用XGBoost算法进行步态相位识别的分析。建立模型的过程中通过贝叶斯优化算法进一步对模型中涉及的参数进行优化。计算显示,模型的测试集平均正确率为89.26%,精度为89.64%,召回率为89.26%,F1值为89.10%;结果分析表明该模型能够实现较好的步态相位识别。
-
关键词
下肢运动姿态
步态相位识别
XGBoost
贝叶斯优化
-
Keywords
lower movement posture
gait phase recognition
XGBoost
Bayesian optimization
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
TN98
[自动化与计算机技术—控制科学与工程]
-
-
题名下肢外骨骼康复机器人步态相识别
- 5
-
-
作者
高贯斌
肖纯杰
那靖
邢亚珊
陆声
-
机构
昆明理工大学机电工程学院
云南省智能控制及应用重点实验室
云南省第一人民医院
云南省数字骨科重点实验室
-
出处
《信息与控制》
CSCD
北大核心
2024年第1期47-57,共11页
-
基金
云南省科技厅生物医药重大专项(202102AA310042)
云南省科技厅基础研究专项重点项目(202001AS070028)
-
文摘
外骨骼机器人作为一种新型的康复设备,在脊髓损伤患者的康复训练中具有广阔的应用前景。其中,人体步态相识别是实现外骨骼机器人穿戴者运动意图识别和准确控制的关键之一。首先,针对脊髓损伤患者康复训练中摆腿触地过程无法自主锁定膝关节的问题,设计了一款绳驱下肢外骨骼康复机器人。该款外骨骼机器人通过足底开关传感器和膝关节编码器来采集患者步态信息,并在一个步态周期内不同的步态相对膝关节进行锁定或放松。其次,通过对人体行走步态的研究和脊髓损伤患者康复训练中锁膝和松膝的需求分析,提出了一种基于足底与地面接触过程信息的步态相分类方法。由于脊髓损伤患者的足底接触过程不可控且不稳定,将膝关节摆角和摆动速度信息引入步态相识别中,提出了融合脚与地面接触信息、膝关节摆角及摆动速度信息的步态相识别方法。最后,基于采集到的志愿者步态数据,进行了步态相识别方法的实验验证。结果表明,所提方法的平均步态相识别率达到99.906%,并且当足底开关传感器发生故障或未正常触发时,锁膝相和松膝相的正确识别率仍然分别达到94.488%和91.853%,从而验证了所提方法的有效性和容错能力。
-
关键词
脊髓损伤
外骨骼
康复训练
步态相识别
-
Keywords
spinal cord injury
exoskeleton
rehabilitation training
gait phase recognition
-
分类号
TP242.3
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于SVM-KNN的人体步态相位识别
被引量：3
- 6
-
-
作者
张语萌
李志俊
步子豪
陶加贝
-
机构
武汉理工大学自动化学院
-
出处
《科技视界》
2019年第28期23-24,26,共3页
-
文摘
本文对各种常用分类器进行优缺点分析,最后选择了基于阈值分割的SVM-KNN方法识别步态相位,并与SVM、KNN方法进行比较。
-
关键词
外骨骼机器人
步态相位识别
SVM-KNN
阈值分割
-
Keywords
Exoskeleton robot
gait phase recognition
SVM-KNN
Threshold segmentation
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于隐马尔可夫模型的助行器依赖人群步态相位识别
被引量：1
- 7
-
-
作者
姜涛
葛艳红
-
机构
武汉理工大学物流工程学院
-
出处
《计算机应用与软件》
北大核心
2022年第1期65-70,106,共7页
-
基金
中国残联研究课题残疾人辅助器具专项(CJFJRRB01-2019)。
-
文摘
步态相位识别为老年人步态异常变化监测、跌倒风险预测和康复训练评估等提供了一种方便有效的方法。将激光测距仪安装在助行器上来获取双腿的运动信息,以无须穿戴、活动范围自由的方式对助行器依赖人群进行步态相位识别。针对使用激光传感器识别腿部时衣物因素对腿部数据段分割的影响,提出基于IEPF的数据段再分割方法。为了去除身高、步速等个体差异性对激光传感器测得腿部数据的影响,对测量值序列进行识别周期划分,在每个识别周期内对测量数据进行归一化,再进行特征提取,并基于隐马尔可夫模型建立步态相位识别模型。实验结果表明,该方法可以有效且稳定地进行步态相位识别。
-
关键词
助行器
激光测距仪
步态相位识别
分割
隐马尔可夫模型
-
Keywords
Mobility aids
Laser range finder
gait phase recognition
Segmentation
Hidden Markov model
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于足底压力与支持向量机的步态相位识别研究
- 8
-
-
作者
陈晓
倪洁
马闯
钮建伟
-
机构
军事科学院系统工程研究院军需工程技术研究所
北京科技大学机械工程学院
-
出处
《智能安全》
2022年第1期69-74,共6页
-
基金
国防科技创新特区(17-163-12-ZT-002-123-01)
-
文摘
随着两足机器人、人工假肢技术以及为行走困难病人康复设计的康复训练机器人的发展,在线的步态相位识别方法越来越重要.本文提出的基于足底压力与支持向量机(SVM)的步态相位识别算法主要由五部分组成,即数据采集、数据预处理、特征提取、训练分类器和分类识别.实验表明:该方法能够对运动中的步态相位进行准确的判断.
-
关键词
步态相位识别
特征提取
支持向量机
足底压力
-
Keywords
gait phase recognition
feature extraction
support vector machine
plantar pressure
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于可穿戴惯性传感技术的人体步态阶段识别
- 9
-
-
作者
陈斯琪
寇俊辉
陈小路
吴铭渝
付国荣
郭良杰
-
机构
中国地质大学(武汉)工程学院
湖北省自然灾害应急技术中心
烟台汽车工程职业学院
岩土钻掘与防护教育部工程研究中心
-
出处
《安全与环境工程》
CAS
CSCD
北大核心
2024年第4期11-19,36,共10页
-
基金
湖北省安全生产专项资金科技项目(SJZX20230904)
武汉市科技局知识创新专项曙光计划项目(2022020801020209)
中央高校基本科研业务费专项资金项目。
-
文摘
为了实现基于可穿戴惯性传感技术的人体步态阶段识别,开发了基于特征选择的人体步态阶段识别模型、基于时间比例优化的人体步态阶段识别模型和基于机器学习多数据类型、多特征、多分类器的人体步态阶段识别模型,并对比了3种模型的步态阶段识别效果。结果表明:基于特征选择的人体步态阶段识别模型的平均识别准确率为73.66%;基于时间比例优化的人体步态阶段识别模型的平均识别准确率为90.96%;利用脚背处俯仰角数据和加速度数据训练得到的基于机器学习的人体步态阶段识别模型的平均识别准确率分别为97.04%、86.80%;针对不同的步态阶段和使用场景,可差异化选择不同的识别方法以获得理想的识别效果;综合采用时间比例优化算法和机器学习方法可以获得较高的综合识别准确率。该研究可为进一步开展基于可穿戴式传感器的人体行为相关研究提供参考。
-
关键词
人体步态阶段识别
可穿戴惯性传感技术
特征选择
时间比例优化
机器学习
-
Keywords
human gait phase recognition
wearable inertial sensing technology
feature selection
time pro-portion optimization
machine learning
-
分类号
X912.9
[环境科学与工程—安全科学]
-
