文献类型：期刊文章

作　　者：刘磊[1] 杨鹏[2,3] 刘作军[2,3] 宋寅卯[1]

机构地区：[1]郑州轻工业学院建筑环境工程学院,河南郑州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：《机器人》

基　　金：国家自然科学基金(61203323);河南省高等学校重点科研项目(16B413006);河北省自然科学基金(F2015202150;F2017202119);河南省科技厅重点科研项目(162300410070)

年　　份：2017

卷　　号：39

期　　号：5

起止页码：661-669

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对人体步态识别率低的问题,提出了一种将核主成分分析(KPCA)和相关向量机(RVM)相结合的步态识别方法.首先,选择表面肌电信号(s EMG)作为步态识别信息源,提取表面肌电信号的小波包能量特征.然后,采用核主成分分析方法降维特征值去除冗余的信息,得到能反映步态特征的特征值.最后,利用相关向量机对步态特征向量进行分类,识别平地行走、上楼、下楼、上坡、下坡5种步态.通过分析不同受试者步态识别结果,验证了该方法的可行性和实用性,并和BP(反向传播)神经网络、SVM(支持向量机)等方法比较,结果表明该方法分类时间为2.6609×10^(-4)s,识别正确率为96.67%,是一种有效的步态识别方法.

关 键 词：表面肌电信号 核主成分分析 相关向量机 运动意图识别  

分 类 号：TN911.7]