盛 敏，唐少波

（安庆师范大学数理学院，安徽安庆246133）

全世界因各种事故导致肢体残疾者众多，为改善下肢截肢者的生活质量，让其穿戴某种假肢。通过采集人体不同运动模式的步态周期数据识别下肢截肢者的运动意图是智能下肢假肢需要解决的关键技术问题之一。根据采集数据的信号源属性不同，下肢运动意图识别方法主要分两种[1]：（1）收集脑电波信息和人体表面肌电的信息等生物电数据，分析下肢截肢者运动趋势。（2）采集三轴加速度、三轴角速度、关节角度以及电容信息、足底压力信息等生物力学机械信号数据，判断下肢截肢者运动意图。

表面肌电信号（surface electromyography，sEMG）是产生肌肉力的生物电学信号，是更接近原始运动意图的信号，利用表面肌电信号构建的分类模型，可以在未做出动作前识别下一步的运动意图。Huang等选取脚跟落地和脚尖离地之间的sEMG信号，提出了基于sEMG的人体运动模式识别方法，对7种日常生活常见运动模式识别精度为92.6%[2]。但肌肉阻抗、皮肤汗液、毛发及电磁波等会干扰信息采集的稳定性和完整性，肌电信号强度对截肢者的截肢程度依赖性高[3]，采用sEMG信号无法克服自身信息的不稳定性。随着机械信号传感技术趋于成熟稳定，机械信号传感器具有体积小、集成性强等优势。因此，本文采用生物力学机械信号型的传感器采集运动时序数据进行截止患者下肢的运动意图识别。

在基于智能下肢假肢的意图识别研究中，文献[4]采集了5种稳态运动模式和8种转换运动模式的数据用于训练，总体识别率为93.9%，但该工作未对用于分类模型训练的数据本身作过多考虑，运动意图识别有一定的滞后性。……