仪器仪表学报

作者：盛敏，刘双庆，王婕，苏本跃

单位：盛敏,安庆师范大学数学与计算科学学院安庆246133；安徽省智能感知与计算重点实验室安庆246133,,刘双庆,安庆师范大学数学与计算科学学院安庆246133；安徽省智能感知与计算重点实验室安庆246133,,王婕,安徽省智能感知与计算重点实验室安庆246133；安庆师范大学计算机与信息学院安庆246133,,苏本跃,安徽省智能感知与计算重点实验室安庆246133；安庆师范大学计算机与信息学院安庆246133,

关键词：运动意图识别;惯性传感器;高斯混合隐马尔可夫模型;模式转换;摆动相

基金：国家自然科学基金（11471093）、教育部“云数融合科教创新”基金（2017A09116）、安徽省科技重大专项（18030901021）、安徽省高校优秀拔尖人才培育项目（gxbjZD26）资助

传统下肢假肢运动意图识别方法常使用多模态传感器信号，带来一定的复杂性以及模式转换识别一般带有滞后性，提出了基于数据驱动下的智能下肢假肢运动意图识别方法。在对单侧下肢截肢者运动模式进行了重定义后，仅使用惯性传感器，采集健肢侧处于摆动相的时序数据。选择高斯混合?隐马尔可夫模型作为分类器，对下肢假肢的运动意图进行识别。实验结果表明，该算法在模式空间中的一组基模式：平地行走、上坡、下坡、上楼和下楼5种稳态模式中，识别率达到98?99%，在包含5种稳态模式和8类转换模式的13类运动模式中的识别率可达到96?92%。所提出的方法可以在下肢假肢运动意图识别性能上有较大提升，帮助单侧下肢截肢者实现自然、流畅、稳定的行走。

来源：2019年第5期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2019年第5期