文献类型：期刊文章

作　　者：刘晓光[1,2] 李奂良[1,2] 娄存广[1,2] 梁铁[1,2] 王立玲[1,2] 刘秀玲[1,2] 王洪瑞[1,2]

LIU Xiao-guang;LI Huan-liang;LOU Cun-guang;LIANG Tie;WANG Li-ling;LIU Xiu-ling;WANG Hong-rui(College of Electronic and Information Engineering,Hebei University,Baoding,Hebei,071002,China;Key Laboratory of Digital Medical Engineering of Hebei Province,Baoding,Hebei,071002,China)

机构地区：[1]河北大学电子信息工程学院生物医学工程系,河北保定071002 [2]河北省数字医疗工程重点实验室,河北保定071002

出　　处：《现代生物医学进展》

基　　金：国家自然科学基金项目(61473112;61673158);国家重点研发计划项目(2017YFB1401200);河北省博士后基金(B2019005001)。

年　　份：2020

卷　　号：20

期　　号：2

起止页码：385-390

语　　种：中文

收录情况：AJ、CAB、CAS、EBSCO、IC、PROQUEST、RCCSE、UPD、ZGKJHX、普通刊

摘　　要：目的:针对老人易跌倒和跌倒过后可能产生严重后果这一现实问题,通过将表面肌电信号和加速度融合,进一步优化采用支持向量机分类器下的包含跌倒在内的几种不同动作的分类效果。方法:提出基于表面肌电和加速度信号融合的跌倒识别算法,首先采集股直肌,股内侧肌,胫骨前肌和腓肠肌的表面肌电信号以及位于腰部的三轴加速度信号作为实验数据,然后利用滑动窗口法提取表面肌电和加速度信号的均方根值,最后针对人体日常活动和跌倒的运动特征,构建了支持向量机的分类器。结果:实验数据共计320组数据,包括3种日常活动和向前跌倒,其中160组数据作为训练集,另外160组数据作为测试集。对4种动作进行识别实验,算法的准确度为93.23%、灵敏度为92.4%、特异度为100%,达到了良好的分类效果。结论:基于支持向量机的表面肌电信号和加速度融合的跌倒识别算法分类效果良好,对于老人跌倒防护具有现实意义。

关 键 词：跌倒识别  表面肌电信号 三轴加速度 支持向量机 模式识别

分 类 号：R318.6[生物医学工程类]