仪器仪表学报

作者：张金艺1，秦政1，林羽晨1，姜玉稀2

单位：张金艺1，秦政1，林羽晨1，姜玉稀2,（1． 上海大学 特种光纤与光接入网重点实验室上海200444； 2．上海三思系统集成研究所上海201100）,

关键词：关键词：伴随型机器人;同步运动;步态时相检测;贝叶斯信息准则;概率生成模型

基金：*基金项目：十三五国家重点研发计划(2017YFB0403500)、上海市教委重点学科(J50104)项目资助

摘要：在面向伴随型机器人的研究中,步态时相检测是保持人机同步运动的关键。然而,提高检测精度需要收集和分析更多步态时相信息,这导致检测延时冗长,无法满足实时性需求。针对此问题提出一种面向伴随型机器人同步运动的递进式步态时相检测算法,主要依托惯性测量单元和贝叶斯信息准则构建概率生成模型的物理层和决策层,对步态时相进行初步的快速检测;当检测达不到判决阈值时,在决策层中引入记忆网络,预测下一段时间的步态时相参数,从而为概率生成模型提供更多的决策信息,并依据多次判决结果递进地完成步态时相精准的增量检测。实验结果表明:算法的步态时相检测准确率达97?8%;决策时间为28?3ms,相较于自适应贝叶斯算法降低了约30%。

来源：2020年第1期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2020年第1期