熊伟 徐秀娟

摘要：步态识别技术在许多领域得到了很好的应用，并已成为第二代生物特征识别技术的代表，推动了模式识别、信号处理等领域的发展。步态识别的关键是找到合适的步态特征和分类方法，从而提高步态识别的准确性。本文针对上楼、下楼、上坡、下坡和平地行走的五种步态，收集多源信息，提出利用多核多分类相关向量机（MKRVM）建立步态识别算法。通过对不同分类器的识别准确率结果的比较，表明MKRVM算法比单核SVM和单核RVM算法具有更高的识别率。

关键词：步态识别;下肢表面肌电信号;相关向量机

中图分类号：A 文献标识码：A 文章编号：（2021）-14-379

1.介绍

步态是指在运动过程中全身的运动姿势。步态识别是一个涉及模式识别、人工智能等诸多领域的研究课题，在医学等领域有着广泛的应用价值。本文研究了基于多源信息融合的步态识别算法。以肌电图信号、膝关节角信号和足底压力信号为步态识别信息源，提出利用MKRVM算法识别上、下、上、下和平地行走5种步态模式。我们根据每个信号的特征选择合适的核函数，并对核函数的参数进行优化，得到最优的核函数组合。最后，比较了不同分類器的识别准确率，确定了每个信息源识别率最高的核函数，从而构建出最优的步态识别算法。

2.人体步态的主要特征参数

人体步态的主要特征参数包括时空参数、关节角度参数、下肢运动学参数和下肢肌肉特征参数。

2.1 时空参数

时空参数是指步态周期、步长（step length）、步幅（stride length）、步速（walking speed）等特征。……