郭 欣 王 蕾 宣伯凯 李彩萍

基于有监督Kohonen神经网络的步态识别

郭 欣1,2王 蕾1,2宣伯凯1,2李彩萍1,2

表面肌电信号随着时间的变化而改变,这将影响运动模式的分类精度.传统人体下肢假肢运动模式的识别算法不能保证在整个肌电控制时间内达到对运动模式的有效识别.为了解决这些问题,本文提取步态初期200ms的信号的特征值,将无监督和有监督的Kohonen神经网络算法应用到大腿截肢者残肢侧的步态识别中,并与传统BP神经网络进行了对比.结果表明,有监督的Kohonen神经网络算法将五种路况下步态的平均识别率提高到88.4%,优于无监督的Kohonen神经网络算法和BP神经网络.

表面肌电信号,智能假肢,特征提取,有监督Kohonen神经网络,步态识别

近年来,随着交通事故、工伤、自然灾害等意外伤害的频繁发生以及脑血管疾病、糖尿病和骨关节病等慢性疾病的不断蔓延,中国康复医学会2006年统计大腿截肢患者达到1725万,约占肢体截肢总人数的71%.穿戴下肢假肢对快速恢复截肢患者基本行走能力有重大的促进作用.随着机器人技术的发展,国内外科研机构在智能假肢领域的研究有了长足的进步.清华大学的王启宁教授致力于膝下假肢的研究,通过采集残存肌肉的肌电信号和仿生假肢的机械运动信号,并对踝关节角度的再生力矩和功率进行分析,实现对踝关节运动的自适应控制[1−2].Meier等介绍了2011年德国奥托博克公司研制的智能仿生腿Genium的特点,它的核心部件是单轴……