基于表面肌电信号的人体行走模式识别

【摘要】：随着人们生活水平的不断提高和科学技术的快速发展,针对残障、病痛、年老人士的假肢、康复训练系统、外骨骼助行器等机械设备的研究也进一步深入。为了保证这些外部机械装置的安全稳定性和舒适智能性,行走模式识别的研究变得尤为关键。表面肌电信息相对运动信息更能反映人体运动意图,具有显著优势。本课题提取步态初期下肢表面肌电信号的时域特征值,提出基于阈值分割的支持向量机-K近邻(SVM-KNN)算法,对行走模式进行识别,为机械装置提供准确的控制信息源。本论文针对平地行走、上楼梯、下楼梯、上斜坡、下斜坡五种行走模式进行识别。具体的研究内容如下:首先选定下肢肌肉群组,采集五种典型行走模式的表面肌电信号信息。通过对不同步态的肌电信息进行比较分析,提出利用移动窗的方法处理臀中肌表面肌电信号,确定特征提取初始时刻,进行时域特征提取,构建特征向量。其次提出基于阈值分割的SVM-KNN分类算法,对下肢不同肌肉组合的特征向量进行识别,识别率达到94%以上。利用该分类方法对连续不同路况组合进行识别,取得了较好的效果。最后搭建基于LabVIEW的在线识别演示系统,展示在一个步态周期尚未走完的情况下,完成对行走模式的识别。该系统验证了基于阈值分割的SVM-KNN分类算法的有效性。
【关键词】：行走模式 阈值分割 SVM-KNN 特征提取初始时刻 肌电信号
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41