文献类型：期刊文章

作　　者：刘磊[1,2] 杨鹏[2,3] 刘作军[2,3]

机构地区：[1]郑州轻工业学院建筑环境工程学院,郑州450002 [2]河北工业大学控制科学与工程学院,天津300130 [3]智能康复装置与检测技术教育部工程研究中心,天津300130

出　　处：《浙江大学学报（工学版）》

基　　金：国家自然科学基金资助项目(61174009;61203323);天津市自然科学基金项目资助项目(13JCQNJC03400);2016年度河南省高等学校重点科研项目(16B413006)

年　　份：2017

卷　　号：51

期　　号：3

起止页码：562-571

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI(收录号：20172303738454)、IC、INSPEC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为进一步提升人体步态识别的准确率,参考人体步态特点,选择下肢表面肌电信号(SEMG)、髋关节角度、膝关节角度作为步态识别信息源,提出一种基于多核相关向量机(MKRVM)的人体步态识别方法.该方法以多源信息特征值作为多核相关向量机的输入,通过实验对不同信号选取合适的核函数,利用萤火虫优化(GSO)算法确定核函数参数,输出为不同步态的概率.利用训练好的模型直接对新样本进行分类,将概率最高的步态模式作为识别结果.实验结果表明,该方法对于平地行走、上楼、下楼、上坡、下坡等步态的平均识别率为94.64%,优于单核支持向量机(SVM)等方法.

关 键 词：下肢表面肌电信号(SEMG)  关节角度 多核学习(MKL)  多核相关向量机(MKRVM)  步态识别  萤火虫优化(GSO)算法  

分 类 号：TP391]