• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    肌電和足壓信息融合的外骨骼步態(tài)識別

    2024-02-02 14:00:06汪步云許德章
    兵器裝備工程學(xué)報 2024年1期
    關(guān)鍵詞:肌電電信號步態(tài)

    汪步云,繆 龍,吳 臣,楊 鷗,張 振,許德章

    (1.安徽工程大學(xué) 人工智能學(xué)院, 安徽 蕪湖 241000; 2.安徽工程大學(xué) 機械工程學(xué)院, 安徽 蕪湖 241000;3.蕪湖云擎機器人科技有限公司, 安徽 蕪湖 241007)

    0 引言

    隨著人口老齡化情況加劇及下肢運動功能障礙患者數(shù)量激增[1],下肢外骨骼機器人越來越多地被應(yīng)用于運動障礙患者的康復(fù)治療及助老助行[2]。目前,國外的HAL、ReWalk,Ekso及國內(nèi)的AutoLEE-Ⅱ、東南大學(xué)的繩驅(qū)膝關(guān)節(jié)外骨骼等有源性外骨骼通過主動對人體髖、膝關(guān)節(jié)提供適當(dāng)輔助力矩并有效糾正人體步態(tài),達到外骨骼助行的目的[3-7]。此外,外骨骼機器人在步態(tài)康復(fù)訓(xùn)練上得到了實際應(yīng)用,可實現(xiàn)訓(xùn)練過程中的數(shù)據(jù)檢測,并以可控、可重復(fù)的方式幫助康復(fù)的量化評估。目前,對于外骨骼機器人,能否精準(zhǔn)識別出人體下肢運動意圖是人機交互和安全助行的前提[8]。

    針對步態(tài)識別,國內(nèi)外一些學(xué)者開展了相關(guān)研究。Chenyao Zhu等[9]利用慣性測量單元和多類支持向量機,提出了一種新型的多自由度踝關(guān)節(jié)-足部連續(xù)運動人機交互識別穿戴系統(tǒng),其通用模型在14.1±4.5 ms的預(yù)測時間內(nèi)達到了85.3%±7.89%的總體準(zhǔn)確度。Gao等[10]將表面肌電信號進行降噪處理,提取了5種特征,以人工蜂群算法優(yōu)化支持向量機識別步態(tài),將支持向量機的平均識別率提高了3.18%并增加了識別的穩(wěn)定性。Kyeong等[11]分別采用支持向量機(SVM)和線性判別分析(LDA)模型,僅使用表面肌電信號對行走環(huán)境進行分類,準(zhǔn)確率分別為79.1%和76.3%。上述取得了有意義的研究成果,但是基于單一傳感器信號的步態(tài)識別會受到許多條件限制。機械傳感器能夠有效采集人體運動學(xué)信息,提升人體步態(tài)識別率,但數(shù)據(jù)的采集與傳輸滯后明顯[11]。生物信號雖然能較好地用于預(yù)測人體步態(tài),但是信號采集易受外界干擾且處理復(fù)雜,如表面肌電信號的噪聲大且由于肌肉疲勞和皮膚干燥程度的影響,信號可能會發(fā)生變化[12-13]。

    針對上述問題,本研究中首先構(gòu)建了基于肌電和足壓信號的多傳感器信息采集平臺,通過降噪、特征值提取等方法對各信號進行預(yù)處理;其次,針對單一信號的步態(tài)識別的受限問題,利用生理學(xué)和運動學(xué)信息建立了SVM-FCM融合算法,在決策級上融合足壓和肌電信息,以提升步態(tài)識別效率;最后,開展了人機協(xié)同助行實驗研究,驗證了步態(tài)識別方法的有效性及可行性。

    1 多傳感器信息平臺構(gòu)建及信號預(yù)處理

    1.1 人體下肢結(jié)構(gòu)與步態(tài)特征分析

    人體下肢包含髖膝踝3個關(guān)節(jié),其主要的功能是實現(xiàn)關(guān)節(jié)驅(qū)動下肢運動[14],如圖1(a)所示,人體下肢基本運動平面包含矢狀面、冠狀面、水平面,分別對應(yīng)了矢狀軸、冠狀軸和水平軸。

    步態(tài)是人體下肢運動過程的基本行為特征。正常步態(tài)表現(xiàn)為規(guī)律性與協(xié)調(diào)性的統(tǒng)一,使人體運動保持穩(wěn)定。步態(tài)分析是表征人體運動過程的重要手段。如圖1(b)所示,按單側(cè)腿相位,一個步態(tài)周期可以劃分為彈起相、擺動相、觸地相和支撐相,約占步態(tài)周期的10%、40%、10%和40%。

    1.2 多傳感器信息檢測平臺構(gòu)建

    構(gòu)建基于肌電和足底壓力信號的多傳感器信息檢測平臺,可實現(xiàn)多模態(tài)信息融合,提升人機步態(tài)識別的效果。

    如圖1(a)所示,肌電信號采集裝置采用Biometric表面肌電信號無線傳感器(LE230)。LE230有2個電極,對同一塊肌肉展開測試,2個電極之間的電壓差值作為輸出的信號值,采集頻寬20~480 Hz,放大增益為1 000。LE230傳感器與DG2無線接收器、Data LITE系統(tǒng)等配合使用,實現(xiàn)肌電信號的無線采集。

    如圖1(a)所示,足壓信息檢測采用課題組研制的鞋墊式足底壓力傳感器[15]。該裝置在對應(yīng)足部的拇指、第1跖骨、第5跖骨和足跟區(qū)域分別放置FSR402電阻式薄膜壓力傳感器,用以感知足底壓力。根據(jù)所設(shè)計的電壓跟隨器采集電路,將信息采集電路的前、后端分開,提升足壓信息采集的準(zhǔn)確性與抗干擾能力。各通道足底壓力信號通過嵌入式單片機處理數(shù)據(jù)并實現(xiàn)無線傳輸。

    圖1 人體運動基本平面、步態(tài)周期分析及傳感器檢測平臺構(gòu)建

    1.3 肌電信號預(yù)處理

    肌電信號易受噪聲干擾,為便于特征提取,提供有效的實驗數(shù)據(jù),需對采集的肌電信號進行預(yù)處理。肌電信號預(yù)處理步驟如下:信號降噪、閾值分解、特征值提取及降維。

    根據(jù)下肢肌肉的運動功能和特點,以及肌電傳感器使用的難易程度,選擇腓腸肌作為最初的肌電信號源[16]。肌電信號采樣頻率為1 000 Hz,采集時長6 s。將含有噪聲的肌電信號表達為

    Yt=Xt+et,t=1,2,…,n

    (1)

    式(1)中:Yt為原始肌電信號;Xt為不含噪聲的肌電信號;et為噪聲信號。運用移動均值濾波算法對原始肌電信號做預(yù)處理[17],選取窗口值T=10,信號更平滑,濾波效果更好,為下文更準(zhǔn)確地提取肌電信號變化及特征閾值提供數(shù)據(jù)基礎(chǔ)。具體表達為

    (2)

    式(2)中:Ys為第i個信號值的平均值;T為鄰域范圍。

    從肌電信號采集的角度看,一個完整的步態(tài)包含運動段和非運動段。運動段為下肢肢體運動時產(chǎn)生的生理電信號,平均幅值較高,非運動段信號為肢體放松時產(chǎn)生的電信號,平均幅值低。因此,必然存在一個合適閾值,可有效判別這2種狀態(tài)。定義提取尖峰的閾值Th,其閾值提取公式為[18]

    (3)

    式(3)中:Xt為濾波后的肌電信號;n為肌電信息序號;α為一般經(jīng)驗常數(shù),范圍為1.5~2.5,此處取值1.5。記肌電信號閾值左邊第3個采樣點起,到閾值右邊的3個采樣點止,共計7個采樣點數(shù)據(jù)為一個運動狀態(tài)單元序列,一個運動單元序列Xseq表示為

    Xseq=[xi-3,…,xi,…,xi+3]

    (4)

    依據(jù)閾值的大小對肌電信號進行分解處理,將處理后的肌電信號按照運動單元和原有所在位置重新排列組合,形成一組新的包含全部運動單元序列的肌電信號。具體表達為:

    X=(Xseq1,Xseq2,…,Xseqn)

    (5)

    (6)

    結(jié)合圖2及表1,獲得圖1(c)中單步態(tài)周期內(nèi)的肌電運動單元序列的具體步驟:

    1) 如圖2(a)所示,結(jié)合式(2),原始肌電原始信號進行信號降噪獲得濾波后的肌電信號。

    2) 如圖2(b)所示,結(jié)合式(3)及表1,濾波后的肌電信號通過各相位尖峰閾值Th曲線進行閾值分解,獲得肌電尖峰電位。

    3) 如圖2(b)所示,結(jié)合式(4)及式(5),肌電尖峰電位經(jīng)過沖排列,獲得了單各步態(tài)周期中包含所有運動單元序列的肌電信號。

    圖2 肌電信號預(yù)處理

    表1 各相位尖峰閾值Th數(shù)值表

    肌電信號閾值分解后,采用滑動窗口法分別提取絕對均值(MAV),方差(VAR),均方根(RMS),中值頻率(MF) 和平均功率頻率(MPF)5種特征值。每滑動一個步長,得到一個新的窗口數(shù)據(jù)。其中,數(shù)據(jù)窗tc長度取20 ms,步長lc設(shè)定為10 ms,利用上述時域頻域特征提取方法構(gòu)建特征樣本矩陣φc,如式(6)所示。w代表時間窗的個數(shù),m=5,代表特征值提取的種類。矩陣φc是一個五維數(shù)據(jù)矩陣。當(dāng)矩陣維數(shù)較高,會增加運動識別難度和運算解算速度。因此,需要對肌電信號特征矩陣做降維處理[17]。PCA是一種通過簡化數(shù)據(jù)集突出主要變量的多元統(tǒng)計分析方法[19],通過保留數(shù)據(jù)中的主要成分,忽略數(shù)據(jù)中的次要成分,達到降維效果,即將肌電信號特征值矩陣φc從m×w降為k×w,(m>w)。

    主成分貢獻率及累計貢獻率決定降維后矩陣維數(shù)。貢獻率ηi取值越大,則其對應(yīng)的第i個主成分,表達原始信息的能力更強。若累計貢獻率η取值在95%以上時,意味著主要信息得以保留,則往后的主成分可忽略。經(jīng)PCA降維得到的主成分累計貢獻率,如表2所示。從表2中可以看出,選用前3個主成分,肌電信號的主要信息能被表達,其所對應(yīng)的前3個分離向量為肌電信號數(shù)據(jù)中的特征信息,提取分離出的主要特征向量Xc=(x1,x2,x3)。其中,x1、x2及x3依次代表絕對均值(MAV),方差(VAR),均方根(RMS)。

    表2 肌電信息及累計信息貢獻率

    1.4 足壓信號預(yù)處理

    針對足壓信號的特征提取,在課題組研究基礎(chǔ)上,進一步開展相關(guān)工作[15]??紤]到FSR402壓敏電阻的閾值特性,當(dāng)足底壓電信號大于1.3 V時,可視為對應(yīng)通道傳感器處于激活狀態(tài)。設(shè)壓敏電阻通道激活時,信號標(biāo)志位為1;反之,為非激活狀態(tài)時,信號標(biāo)志位為0。如圖1(c)所示,可以看出在各個步態(tài)相位,足底壓力信號與肌電信號的對應(yīng)情況。

    結(jié)合圖3,獲得圖1(c)中單步態(tài)周期內(nèi)的足壓信號通道激活情況的具體步驟如下:

    1) 如圖3(c)所示,結(jié)合圖3(a)、圖3(b)、式(7)及式(8),從原始足底壓電信號中截取單個步態(tài)周期內(nèi)的信號通過信號分離模型獲得各足壓通道的壓電信號。

    2) 如圖1(c)所示,結(jié)合圖3(c)及FSR402壓敏電阻的閾值特性,對各通道壓電信號進行閾值分解獲得各信號通道激活情況。

    足底壓力實際采樣點信號如圖3(a)所示。由于足底壓力檢測傳感器采用的是FSR402壓敏電阻,其壓敏特性是非線性的,且單個傳感器與足部間的接觸壓力受穿戴松緊、摩擦等多種因素影響,采集到的信號含有大量噪聲。為了從足底壓力信息中提取相應(yīng)步態(tài)特征,需要對足壓信息進行數(shù)學(xué)建模分析,所建立的模型如圖3(b)所示。

    圖3(b)中S(t)為足底壓力原始信息,設(shè)足底壓力傳感器采集信號的通道數(shù)為n,X(t)為傳感器實測數(shù)據(jù),設(shè)步態(tài)特征信號數(shù)量為r,N(t)為噪聲干擾,Y(t)為待求解的足壓分離特征信號。足壓信息模型對應(yīng)的矩陣表達式如下

    X(t)=AS(t)+N(t)=W[S(t)+N(t)]

    (7)

    依據(jù)實際測量數(shù)據(jù)X(t)進行步態(tài)特征信息的估計,即有Y(t)≈S(t)。進一步對特征信號分析求解,表達式為

    Y(t)≈S(t)=φ(X(t))=φ(x1(t),…,xn(t))

    (8)

    易知A為n×r的信號混合矩陣,W為分離矩陣,實現(xiàn)特征信號的求解分離。由式(7)的結(jié)果可知,W應(yīng)滿足以下關(guān)系

    (9)

    式(9)中:分離矩陣與信號混合矩陣互逆,并且與信號干擾矩陣相乘為零陣,若A與N(t)的信息矩陣均為未知的,則無法利用式(9)求解分析。通常,求解分離矩陣W需要構(gòu)造代價函數(shù),并利用優(yōu)化算法求解代價函數(shù)的極值。但是,實際采集的足壓信號呈非負性,噪聲干擾難以完全濾除,以及壓力傳感器在足底陣列排布的不規(guī)則性難以滿足代價函數(shù)的假設(shè)條件。在考慮不引入分離矩陣W的前提下,從原始足壓數(shù)據(jù)中直接分解,提取待求的特征信息。

    圖3 足壓信號及通道激活情況

    設(shè)足底單傳感器采集的壓力信息為Xij(i=1,2,…,m;j=1,2,…,n),i為傳感器的個數(shù),m=4,j為采樣次數(shù),n為總的采樣次數(shù)。采集到的足壓信息構(gòu)成矩陣為

    (10)

    矩陣X為非方陣(m

    (11)

    式(11)中:σi為矩陣X的奇異值,按從大到小的順序進行排列為σ1≥σ2≥…≥σn;U為X的左奇異矩陣,VT為X的右奇異矩陣,均為正交陣。求解過程為:

    (12)

    對方陣XXT與XTX的特征分解,其奇異值為相應(yīng)特征值的平方根。方陣XXT與X的協(xié)方差矩陣C存在如下關(guān)系

    (13)

    上述矩陣中的列向量分別對應(yīng)各個足壓傳感器的采樣數(shù)據(jù),以式(13)按列向量交叉融合后,得到協(xié)方差矩陣C,對其特征分解得到左奇異矩陣U,其中的向量u1,u2,…,un,必然包含足壓信息的特征值和干擾噪聲。

    由SVD的特點可知,特征向量的值與其對應(yīng)的奇異值大小成正比[20]。包含信息量較大的視為特征信息,反之則視為干擾項。式(11)的具體的分離形式如式(14)所示,前r(r

    (14)

    (15)

    式(14)、式(15)中:以矩陣的F范數(shù)表示信息所占比重的大小,σr為前r項的信息量,σi為總的信息量,二者比值即為信息比重α,需大于閾值αTh。依據(jù)上一小節(jié)中PCA降維的設(shè)定,α≥0.95時,認為對應(yīng)的特征向量基本包含了有用信息。隨機選取一組足底壓力數(shù)據(jù),按上述方法進行求解并做出主成分分析后得表3。從表3中可以得出結(jié)論,前3個奇異值的累計信息比重為98.484%,此時其所對應(yīng)的前3個分離向量為將要提取的有效特征信息,可得其對應(yīng)的特征向量Xd= (u1,u2,u3)。其中,u1、u2及u3依次分別表示足壓信號通道FSR1、FSR2及FSR4的信號電壓。

    表3 足壓信息和累計信息比例表

    2 基于SVM-FCM算法的步態(tài)識別

    2.1 基于SVM的步態(tài)相位識別方法

    SVM的步態(tài)相位識別的核心思想是將非線性數(shù)據(jù)映射到高維線性空間,使樣本間的間距最大,并用分類線或者是分類超平面,把2類樣本分離開,達到分類效果[21]。

    給定樣本集和分類標(biāo)簽X={X1,…,XN},y={y1,…,yN},其中樣本集的每個樣本包含多個特征向量Xi={x1,…,xN}分類標(biāo)簽y∈{1,-1}分別表示正類和負類。從而求出一個最優(yōu)超平面wTX+b=0將2種類別正確分開。針對表面肌電等非線性可分信號,常引入徑向基核函數(shù)(radial basis function,RBF)進行替換,以解決樣本線性可分的問題。徑向基核函數(shù)為

    (16)

    最優(yōu)分類超平面可表示為

    (17)

    式(17)中:αi是拉格朗日因子。

    由于肌電信息與步態(tài)相位是動態(tài)關(guān)聯(lián)的,所采集的肌電需要根據(jù)步態(tài)信息完成多分類。支持向量機SVM (support vector machine)一般通過建立多個二分類問題以達到多分類效果,進而完成多相位的步態(tài)識別。采用SVM多分類算法識別運動狀態(tài),需要給出先驗知識條件。為此,在采集肌電信號時,配合使用三維運動捕捉系統(tǒng),獲取人體下肢運動軌跡,建立步態(tài)的分類標(biāo)簽。選取數(shù)據(jù)量中的75%作為訓(xùn)練集,25%作為測試集。

    2.2 基于FCM的步態(tài)相位識別方法

    本節(jié)通過模糊C均值算法(fuzzyC-means,FCM),對上面提取出的特征點進行聚類分析。即將n個特征點Pi按其隸屬于不同步態(tài)(聚類簇)的隸屬度uij,分為若干個模糊組,并求每組特征點的聚類中心Ci(xi,yi,zi),(i=1,2,…,c),使得由特征點與聚類中心所構(gòu)成的目標(biāo)函數(shù)J達到最小。目標(biāo)函數(shù)如式(18)所示,聚類中心及隸屬度函數(shù)為

    (18)

    (19)

    本文中將人體行走單個步態(tài)劃分為彈起相、擺動相、觸地相和支撐相4個狀態(tài),則模糊組m取值為4,其步態(tài)相位識別算法的具體流程如圖4所示。

    為了定量評價一個完整步態(tài)相位識別結(jié)果,引入一個客觀評價指標(biāo)R,該方法的評價需要有先驗的分類標(biāo)簽,采用三維運動捕捉系統(tǒng)采集一組在線實驗數(shù)據(jù),獲取先驗的步態(tài)分類標(biāo)簽

    (20)

    式(20)中:vi為識別錯誤個數(shù);pi為識別點個數(shù)。

    圖4 FCM算法流程

    2.3 基于SVM-FCM信號融合的步態(tài)相位識別方法

    SVM算法對于樣本間距離較大數(shù)據(jù)分類效果較好,但是對于樣本間距離較小的數(shù)據(jù)分類效果較差,FCM算法是均值聚類算法的改進,通過迭代計算的方法,為每個數(shù)據(jù)進行隸屬度判別,對于樣本間相似性較大的數(shù)據(jù)分類效果要好于SVM算法。因此,本研究結(jié)合上述2種算法優(yōu)點建立了一種FCM-SVM算法,融合處理肌電表征的生理學(xué)信息和足壓表征的運動學(xué)信息,進一步增強運動狀態(tài)的識別能力,融合算法原理如圖5所示。

    圖5 信息融合算法原理框圖

    若傳感器為單一數(shù)據(jù)輸出時,可直接使用FCM-SVM算法融合信息。但傳感器輸出的是多維數(shù)據(jù),而非一維數(shù)據(jù),因此需要對數(shù)據(jù)進一步地處理以適應(yīng)融合算法。自適應(yīng)加權(quán)對數(shù)據(jù)的融合有較好的效果,其計算公式為

    (22)

    式(22)中:n為傳感器個數(shù);xi為傳感器測量的有效值;wi為各個傳感器所對應(yīng)的權(quán)值。設(shè)?i為各個傳感器對應(yīng)的測量方差,數(shù)據(jù)的融合精度受傳感器方差大小影響。當(dāng)總?cè)诤戏讲钭钚r,融合結(jié)果的精確度最高,最終的融合模型公式為

    (23)

    將融合后的信息用類似線性函數(shù)表示X=w1x1+w2x2+…+wixi,轉(zhuǎn)換成矩陣形式表示為

    X=[w1,w2,…,wi][x1,x2,…,xi]T

    (24)

    數(shù)據(jù)在融合之前,首先要對樣本數(shù)據(jù)做均衡化處理。本文中所選用的肌電傳感器采樣頻率是足底壓力傳感器采樣頻率的10倍,因此選用均值法對肌電信號展開處理,每十個采樣點選取一個均值與足底壓力數(shù)據(jù)進行一一對應(yīng)。由于足底壓力信號通道數(shù)為4,因此還需要運用式(22)、式(23)自適應(yīng)加權(quán)算法進行融合處理,經(jīng)計算,對應(yīng)的加權(quán)因子w1、w2、w3、w4的加權(quán)系數(shù)分別是0.245、0.266、0.251、0.238。

    (25)

    將各傳感器的測量信號有效值看作一個集合,2個傳感器集合之間的相似度可以表示為(r1,r2,…,rk,…,ri)。定義f(x)為判定函數(shù),f(x)的大小Tf為判別閾值,表達式為

    (26)

    當(dāng)ri

    基于肌電和足壓信息融合的SVM-FCM算法的人機步態(tài)相位識別訓(xùn)練測試步驟具體如下:

    輸入:樣本集F= {(Xi,Yi),i=1,2,…,n},Xi為樣本值,Yi樣本類別,設(shè)定樣本集的75%為訓(xùn)練集, 25%為測試集;

    輸出:測試集的分類結(jié)果;

    2) 根據(jù)式(25),計算各信號間的相似比;

    3) 依據(jù)判別函數(shù)式(26),設(shè)定閾值Tf;

    4)ri≥Tf時,信息劃入集合f(x)+,此時送入SVM算法進行運動狀態(tài)識別;ri

    5) 更新測試集返回步驟2,重復(fù)步驟2)—步驟4),直至結(jié)束。將步態(tài)相位識別結(jié)果匯總輸出。

    3 實驗研究

    3.1 人機協(xié)同助行實驗方案設(shè)計

    結(jié)合課題組設(shè)計的下肢外骨骼機器人,開展人機協(xié)同助行實驗,實時采集下肢表面肌電信息和足底壓力信息,實驗過程如圖1所示。不同于靜態(tài)離線穿戴實驗,受場地和實驗過程的難易度影響,從25名志愿者中選擇10名志愿者作為本次動態(tài)在線實驗數(shù)據(jù)采集對象,10名志愿者中男女比例為6∶4,每人進行實驗3次。人機協(xié)同助行實驗方案如圖6所示,步驟如下:

    1) 試驗者穿戴外骨骼并做好實驗前準(zhǔn)備;

    2) 設(shè)定各傳感器采樣時間為6 s,實驗者保持勻速直線行走,采集各傳感器數(shù)據(jù);

    3) 處理各數(shù)據(jù)并通過不同方法進行相位識別;

    4) 得到各組識別率并匯總識別結(jié)果。

    圖6 人機協(xié)同實驗方案流程框圖

    3.2 實驗結(jié)果及分析

    表4及附錄中表1為信息融合后的一個步態(tài)周期內(nèi)的部分特征向量數(shù)據(jù)表。該步態(tài)周期的肌電運動單元序列與足壓信號激活情況結(jié)合圖1(c)所示。受試者連續(xù)行走時,步態(tài)相變化為“支撐相→彈起相→擺動相→觸地相”周期循環(huán),通過比較信號相似比rij與式(28)求得的閾值Tf大小,將特征向量歸入不同集合進行步態(tài)相位識別,按照時序更新并匯總測試集的識別結(jié)果。

    運用FCM-SVM融合算法識別該步態(tài)周期內(nèi)的步態(tài)相位。識別效果如圖7(a)與圖7(b)所示。針對單步態(tài)人機步態(tài)相位, SVM-FCM相位識別算法能夠有效區(qū)分4個步態(tài)相位,驗證了SVM-FCM方法的可行性。其中:

    1) 對于ri≥Tf的集合f(x)+,SVM-FCM相位識別算法利用表4的肌電信號特征向量Xc結(jié)合表1所示的尖峰閾值Th,通過式(16)及式(17)進行四分類識別,能有效區(qū)分4個步態(tài)相位。

    表4 信息融合后的單步態(tài)周期內(nèi)的特征向量數(shù)據(jù)

    圖7 人機協(xié)同助行實驗步態(tài)相位識別結(jié)果

    2) 對于ri

    本次實驗的整體結(jié)果如圖7(c)及表5(或附錄中表2)所示。從圖7和表5總結(jié)得出,基于肌電信號的SVM算法,其平均識別率為71.62%,該識別在彈起相、擺動相、支撐相的識別率較好,但觸地相識別率較差,僅有37.06%。主要原因是足部從擺動相向觸地相轉(zhuǎn)換、觸地相向支撐相轉(zhuǎn)換時,外骨骼對關(guān)節(jié)施加了較大交互力,使得人體肌肉在相位轉(zhuǎn)換過程中活動程度較大。如圖1(c),2個相位的尖峰閾值Th較為接近,易導(dǎo)致相位識別錯誤。與肌電信號相比,足壓信號在觸地相期間更穩(wěn)定。通過SVM-FCM識別方法,比較信號相似比rij及判定閾值Tf。利用有效信息多的足壓信號去彌補有效信息少的肌電信號,觸地相的平均識別率達到88.96%,驗證了SVM-FCM方法的有效性。

    此外,基于足壓信號的FCM算法的平均識別率為74.66%,并未出現(xiàn)識別率較差的極端情況?;诩‰姾妥銐盒盘柸诤系腟VM-FCM算法,平均識別率為82.49%,高于運用單一信號的平均識別率。而且SVM-FCM人機步態(tài)識別的標(biāo)準(zhǔn)差普遍小于FCM人機步態(tài)識別的標(biāo)準(zhǔn)差,說明基于肌電和足壓信號融合的SVM-FCM算法應(yīng)用在人機步態(tài)相位識別的結(jié)果離散程度較小,可信度較高。

    表5 人機協(xié)同助行實驗步態(tài)相位識別結(jié)果數(shù)據(jù)

    4 結(jié)論

    1) 針對表征下肢生理學(xué)信息的肌電信號,以及表征運動學(xué)信息的足壓信號,分別開展了包括特征提取、降噪等信號預(yù)處理方法并匹配合適算法,可有效識別外骨骼協(xié)同助行時的步態(tài)相位;

    2) 提出了一種基于肌電和足壓信息融合的SVM-FCM融合算法,在彈起相、擺動相、觸地相、支撐相的識別率分別達到了76.51%、86.54%、88.96%、77.93%,實驗數(shù)據(jù)表明該算法提升了人體穿戴外骨骼的步態(tài)相位識別率,為下肢外骨骼機器人運動狀態(tài)識別奠定基礎(chǔ);

    3) 通過實驗,基于肌電和足壓信號融合的FCM-SVM算法對人機協(xié)同助行的步態(tài)相位平均識別率達到了82.49%,高于運用基于單一信號步態(tài)相位識別的識別率,且標(biāo)準(zhǔn)差跟小,可信度更高,驗證了該算法用于人機步態(tài)相位識別的有效性。

    猜你喜歡
    肌電電信號步態(tài)
    小螞蟻與“三角步態(tài)”
    盆底肌電刺激聯(lián)合盆底肌訓(xùn)練治療自然分娩后壓力性尿失禁的臨床觀察
    基于聯(lián)合聚類分析的單通道腹部心電信號的胎心率提取
    基于Code Composer Studio3.3完成對心電信號的去噪
    科技傳播(2019年24期)2019-06-15 09:29:28
    基于面部和步態(tài)識別的兒童走失尋回系統(tǒng)
    電子制作(2018年18期)2018-11-14 01:48:04
    基于Kinect的學(xué)步期幼兒自然步態(tài)提取
    基于隨機森林的航天器電信號多分類識別方法
    經(jīng)皮神經(jīng)肌電刺激治療上肢周圍神經(jīng)損傷的療效
    女生穿運動鞋與高跟鞋步行腰背肌電比較
    便宜假肢能模仿正常步態(tài)
    在线播放国产精品三级| 亚洲第一av免费看| 久久中文看片网| 精品久久久久久久毛片微露脸| 视频在线观看一区二区三区| 十分钟在线观看高清视频www| 精品国内亚洲2022精品成人| 亚洲精品国产区一区二| 国产精品香港三级国产av潘金莲| 国产精品爽爽va在线观看网站 | 免费在线观看影片大全网站| 精品乱码久久久久久99久播| 在线观看午夜福利视频| 日本三级黄在线观看| 欧美乱色亚洲激情| av天堂在线播放| 一二三四社区在线视频社区8| 母亲3免费完整高清在线观看| 亚洲人成伊人成综合网2020| 久久国产亚洲av麻豆专区| 久久久久久免费高清国产稀缺| 两个人免费观看高清视频| 51午夜福利影视在线观看| 老司机午夜十八禁免费视频| 色播在线永久视频| 亚洲 国产 在线| 亚洲精品美女久久av网站| 桃红色精品国产亚洲av| av天堂久久9| 欧美人与性动交α欧美软件| 国产成人系列免费观看| 国产成人精品久久二区二区91| 国产97色在线日韩免费| 午夜福利影视在线免费观看| 亚洲欧美日韩无卡精品| 精品国产乱码久久久久久男人| 亚洲人成电影免费在线| 中文字幕av电影在线播放| 国产一区二区三区视频了| 91麻豆精品激情在线观看国产 | 老司机靠b影院| 午夜福利,免费看| 视频在线观看一区二区三区| 久久午夜综合久久蜜桃| 麻豆成人av在线观看| 久久亚洲精品不卡| 色精品久久人妻99蜜桃| 国产精品永久免费网站| 国产亚洲av高清不卡| 精品人妻在线不人妻| 最近最新中文字幕大全免费视频| 国产亚洲欧美精品永久| 激情在线观看视频在线高清| av视频免费观看在线观看| 国产成人精品久久二区二区91| 亚洲第一欧美日韩一区二区三区| 91九色精品人成在线观看| 亚洲av成人不卡在线观看播放网| 嫩草影院精品99| 午夜老司机福利片| 高清欧美精品videossex| 涩涩av久久男人的天堂| 久久人妻熟女aⅴ| 桃色一区二区三区在线观看| 亚洲自偷自拍图片 自拍| 欧美日本亚洲视频在线播放| 交换朋友夫妻互换小说| 天堂影院成人在线观看| 国产一区二区三区视频了| 十八禁网站免费在线| 中文欧美无线码| 黑人猛操日本美女一级片| 97人妻天天添夜夜摸| avwww免费| 人成视频在线观看免费观看| 国产av一区在线观看免费| 麻豆成人av在线观看| 久久中文看片网| 欧美成狂野欧美在线观看| 国产av一区在线观看免费| 亚洲人成网站在线播放欧美日韩| 久久中文看片网| 两性夫妻黄色片| 国产在线精品亚洲第一网站| 女人被躁到高潮嗷嗷叫费观| 香蕉丝袜av| 国产亚洲欧美98| 精品高清国产在线一区| 欧美av亚洲av综合av国产av| av超薄肉色丝袜交足视频| 色尼玛亚洲综合影院| 亚洲欧美日韩另类电影网站| 天堂动漫精品| av片东京热男人的天堂| av电影中文网址| 无遮挡黄片免费观看| 亚洲欧美一区二区三区黑人| 国产av一区在线观看免费| 天堂俺去俺来也www色官网| 黄片小视频在线播放| 成人手机av| 久久 成人 亚洲| 久久久久亚洲av毛片大全| 国产av精品麻豆| 欧美丝袜亚洲另类 | 国产av在哪里看| 免费观看人在逋| 国产精品亚洲av一区麻豆| 国产99久久九九免费精品| 男女高潮啪啪啪动态图| 麻豆久久精品国产亚洲av | 在线观看免费视频网站a站| 琪琪午夜伦伦电影理论片6080| 久久性视频一级片| 丰满迷人的少妇在线观看| 国产精品1区2区在线观看.| 波多野结衣高清无吗| 在线永久观看黄色视频| 午夜福利,免费看| 青草久久国产| 亚洲在线自拍视频| 中文字幕高清在线视频| 日韩免费高清中文字幕av| 久热爱精品视频在线9| 在线观看免费视频日本深夜| 亚洲专区字幕在线| 欧美人与性动交α欧美软件| 久久精品国产综合久久久| 成人精品一区二区免费| 纯流量卡能插随身wifi吗| 日本欧美视频一区| 国产高清激情床上av| 亚洲,欧美精品.| 一级片免费观看大全| 视频在线观看一区二区三区| 国产欧美日韩一区二区精品| 中文字幕色久视频| 50天的宝宝边吃奶边哭怎么回事| 老司机深夜福利视频在线观看| 国产精品综合久久久久久久免费 | 在线观看www视频免费| 亚洲国产毛片av蜜桃av| 黄色视频不卡| 少妇裸体淫交视频免费看高清 | 国产精品秋霞免费鲁丝片| 91大片在线观看| 精品国产乱子伦一区二区三区| 97超级碰碰碰精品色视频在线观看| 老司机福利观看| 精品久久久久久成人av| 又黄又粗又硬又大视频| 在线观看66精品国产| 欧美激情久久久久久爽电影 | 午夜福利一区二区在线看| 国产成人精品久久二区二区91| 成人影院久久| 亚洲专区中文字幕在线| 国产精品av久久久久免费| 桃色一区二区三区在线观看| 高潮久久久久久久久久久不卡| 一本综合久久免费| 国产成人精品久久二区二区91| 桃色一区二区三区在线观看| 天堂影院成人在线观看| 免费日韩欧美在线观看| 亚洲国产精品sss在线观看 | 欧美老熟妇乱子伦牲交| 亚洲黑人精品在线| 夫妻午夜视频| 久久精品国产综合久久久| 一级a爱视频在线免费观看| 精品久久久久久,| 成在线人永久免费视频| 成人三级做爰电影| 9热在线视频观看99| 男女做爰动态图高潮gif福利片 | 久久人妻熟女aⅴ| svipshipincom国产片| 亚洲精品在线美女| 啦啦啦 在线观看视频| 国产欧美日韩一区二区精品| 美女福利国产在线| 久久久久亚洲av毛片大全| 日韩欧美免费精品| 校园春色视频在线观看| 麻豆成人av在线观看| 亚洲熟妇熟女久久| 欧美日韩福利视频一区二区| 色播在线永久视频| 国产又色又爽无遮挡免费看| a级毛片在线看网站| 女警被强在线播放| 日本三级黄在线观看| 国产99久久九九免费精品| 成年版毛片免费区| 久久婷婷成人综合色麻豆| 啦啦啦免费观看视频1| 天堂√8在线中文| 18禁裸乳无遮挡免费网站照片 | 久久精品亚洲av国产电影网| 老鸭窝网址在线观看| e午夜精品久久久久久久| 成人18禁在线播放| 少妇 在线观看| 欧美黄色片欧美黄色片| 别揉我奶头~嗯~啊~动态视频| 99久久99久久久精品蜜桃| 天天影视国产精品| 精品国产乱码久久久久久男人| 国产单亲对白刺激| 欧美精品啪啪一区二区三区| 日韩欧美一区视频在线观看| 国产黄色免费在线视频| 免费观看精品视频网站| 18禁观看日本| 淫秽高清视频在线观看| 日本撒尿小便嘘嘘汇集6| 国产亚洲精品综合一区在线观看 | 少妇裸体淫交视频免费看高清 | e午夜精品久久久久久久| 精品久久久精品久久久| 美女大奶头视频| 俄罗斯特黄特色一大片| 在线观看免费日韩欧美大片| 怎么达到女性高潮| 国产欧美日韩一区二区三区在线| 黄色女人牲交| 一个人观看的视频www高清免费观看 | 欧美成狂野欧美在线观看| 多毛熟女@视频| 亚洲午夜精品一区,二区,三区| 国产真人三级小视频在线观看| 欧美日韩乱码在线| 美女 人体艺术 gogo| 久久青草综合色| 少妇 在线观看| 少妇被粗大的猛进出69影院| 俄罗斯特黄特色一大片| 波多野结衣一区麻豆| 亚洲avbb在线观看| www日本在线高清视频| 乱人伦中国视频| 午夜福利在线免费观看网站| av福利片在线| 窝窝影院91人妻| 国产精品综合久久久久久久免费 | 久久久久久免费高清国产稀缺| 免费av毛片视频| 免费搜索国产男女视频| 久久伊人香网站| 亚洲欧美精品综合一区二区三区| 一区二区日韩欧美中文字幕| 国产av又大| 亚洲午夜理论影院| 涩涩av久久男人的天堂| 久久久国产精品麻豆| 电影成人av| 夜夜躁狠狠躁天天躁| 久久久久久人人人人人| 露出奶头的视频| 可以免费在线观看a视频的电影网站| 国产精品国产高清国产av| 人人妻人人爽人人添夜夜欢视频| 日本wwww免费看| 欧美乱码精品一区二区三区| 亚洲精品在线观看二区| 国产亚洲欧美在线一区二区| 日韩一卡2卡3卡4卡2021年| 欧美乱色亚洲激情| 一区福利在线观看| 久久午夜亚洲精品久久| 精品久久久精品久久久| 精品人妻在线不人妻| tocl精华| 啦啦啦在线免费观看视频4| 少妇粗大呻吟视频| 亚洲中文av在线| 老司机午夜十八禁免费视频| 国产熟女xx| 国产三级在线视频| 日本a在线网址| 亚洲精品国产色婷婷电影| 国产欧美日韩一区二区三区在线| 日本免费a在线| 成人影院久久| 精品国产超薄肉色丝袜足j| 亚洲中文av在线| 免费久久久久久久精品成人欧美视频| 免费日韩欧美在线观看| 亚洲第一av免费看| 亚洲国产精品一区二区三区在线| 国产欧美日韩综合在线一区二区| 久久久久久久久免费视频了| a级毛片黄视频| 两个人免费观看高清视频| 久久精品成人免费网站| 久久午夜综合久久蜜桃| 国产无遮挡羞羞视频在线观看| 男女之事视频高清在线观看| av网站在线播放免费| 国产av一区在线观看免费| 国产精品乱码一区二三区的特点 | 国产精品一区二区免费欧美| 久热爱精品视频在线9| 欧美黑人精品巨大| 国产亚洲精品久久久久5区| 可以免费在线观看a视频的电影网站| 欧美日韩国产mv在线观看视频| 波多野结衣高清无吗| 亚洲精品国产精品久久久不卡| 狠狠狠狠99中文字幕| 国产亚洲欧美精品永久| 精品卡一卡二卡四卡免费| 亚洲少妇的诱惑av| а√天堂www在线а√下载| 丰满人妻熟妇乱又伦精品不卡| 国产视频一区二区在线看| 国产成年人精品一区二区 | 成年版毛片免费区| 日本 av在线| 国产黄色免费在线视频| 色尼玛亚洲综合影院| 国产精品乱码一区二三区的特点 | 国产欧美日韩一区二区三区在线| 亚洲精品中文字幕一二三四区| 亚洲男人的天堂狠狠| 久久久久久人人人人人| 日韩人妻精品一区2区三区| 亚洲av片天天在线观看| 亚洲片人在线观看| 操出白浆在线播放| 免费在线观看视频国产中文字幕亚洲| 欧美黑人欧美精品刺激| x7x7x7水蜜桃| a级毛片黄视频| 19禁男女啪啪无遮挡网站| bbb黄色大片| 男男h啪啪无遮挡| 在线观看免费日韩欧美大片| 久久精品亚洲av国产电影网| av国产精品久久久久影院| 亚洲成人免费av在线播放| 日韩欧美免费精品| 一级片'在线观看视频| 一区二区三区激情视频| 亚洲精品国产精品久久久不卡| 中文字幕色久视频| 国产一区二区三区视频了| 欧美日韩乱码在线| 91老司机精品| 久久人人精品亚洲av| 国产黄色免费在线视频| 美女福利国产在线| 国产真人三级小视频在线观看| 欧美日韩视频精品一区| 9热在线视频观看99| 国产精品九九99| 多毛熟女@视频| 欧美日韩亚洲高清精品| 久久人妻福利社区极品人妻图片| 91麻豆av在线| 在线观看66精品国产| 欧美日韩乱码在线| 国产成人啪精品午夜网站| 三上悠亚av全集在线观看| 久久精品成人免费网站| 亚洲色图综合在线观看| 国产三级在线视频| 中国美女看黄片| 淫妇啪啪啪对白视频| 嫩草影视91久久| 99riav亚洲国产免费| 咕卡用的链子| 午夜福利一区二区在线看| 很黄的视频免费| 成年版毛片免费区| 琪琪午夜伦伦电影理论片6080| svipshipincom国产片| 亚洲全国av大片| 一级片免费观看大全| 日韩免费高清中文字幕av| 久久精品人人爽人人爽视色| 人人妻人人添人人爽欧美一区卜| 久久香蕉精品热| 午夜福利在线免费观看网站| 久久影院123| 国产真人三级小视频在线观看| 国产精品秋霞免费鲁丝片| 妹子高潮喷水视频| 免费搜索国产男女视频| 欧美中文综合在线视频| 亚洲美女黄片视频| 高清毛片免费观看视频网站 | √禁漫天堂资源中文www| 丰满饥渴人妻一区二区三| 人成视频在线观看免费观看| 国产成人精品久久二区二区免费| 国产精品香港三级国产av潘金莲| 母亲3免费完整高清在线观看| 国产激情欧美一区二区| 免费av毛片视频| 国产麻豆69| 精品少妇一区二区三区视频日本电影| 视频区欧美日本亚洲| 国产高清国产精品国产三级| 中文亚洲av片在线观看爽| 国产av精品麻豆| 50天的宝宝边吃奶边哭怎么回事| 国产男靠女视频免费网站| 亚洲人成77777在线视频| 国产成人一区二区三区免费视频网站| 99国产精品一区二区三区| 国产精品国产av在线观看| 十分钟在线观看高清视频www| 纯流量卡能插随身wifi吗| 久久午夜亚洲精品久久| 水蜜桃什么品种好| 天天添夜夜摸| 99精品在免费线老司机午夜| 国产真人三级小视频在线观看| 亚洲精品粉嫩美女一区| 久久久久国内视频| 法律面前人人平等表现在哪些方面| 日本黄色视频三级网站网址| 免费av毛片视频| a在线观看视频网站| 久久青草综合色| 在线观看www视频免费| 国产精品一区二区三区四区久久 | 99热国产这里只有精品6| 丝袜美足系列| 亚洲自拍偷在线| 国产成人精品在线电影| 香蕉国产在线看| 搡老乐熟女国产| 变态另类成人亚洲欧美熟女 | 91成人精品电影| 满18在线观看网站| 老司机午夜福利在线观看视频| 一二三四社区在线视频社区8| 国产三级黄色录像| 欧美在线一区亚洲| 久久草成人影院| 无限看片的www在线观看| 国产91精品成人一区二区三区| 欧美一级毛片孕妇| 国产精品98久久久久久宅男小说| 欧美在线黄色| 午夜福利在线观看吧| 高清在线国产一区| 国产精品一区二区精品视频观看| 一a级毛片在线观看| 夜夜爽天天搞| 免费av中文字幕在线| 国产精品99久久99久久久不卡| 久久国产乱子伦精品免费另类| 欧美激情极品国产一区二区三区| 99香蕉大伊视频| 亚洲色图综合在线观看| 老熟妇仑乱视频hdxx| 欧美黑人欧美精品刺激| 欧美日韩一级在线毛片| 中文字幕av电影在线播放| 久久欧美精品欧美久久欧美| 亚洲av熟女| 最新美女视频免费是黄的| 亚洲成人久久性| 精品久久久久久久毛片微露脸| 国产单亲对白刺激| 色老头精品视频在线观看| 免费在线观看完整版高清| 一区二区三区精品91| 热re99久久国产66热| 婷婷精品国产亚洲av在线| 狠狠狠狠99中文字幕| 黑人欧美特级aaaaaa片| ponron亚洲| 男女之事视频高清在线观看| 亚洲avbb在线观看| 丝袜在线中文字幕| 欧美激情高清一区二区三区| 国产成人啪精品午夜网站| 日韩中文字幕欧美一区二区| 淫秽高清视频在线观看| 法律面前人人平等表现在哪些方面| 丝袜在线中文字幕| 丝袜美腿诱惑在线| 色综合欧美亚洲国产小说| 国产精品一区二区精品视频观看| 午夜福利一区二区在线看| 一区在线观看完整版| 国产99久久九九免费精品| 亚洲 国产 在线| 女性生殖器流出的白浆| 女人被狂操c到高潮| 侵犯人妻中文字幕一二三四区| 一二三四社区在线视频社区8| 操出白浆在线播放| 亚洲国产精品合色在线| 深夜精品福利| av片东京热男人的天堂| 久热爱精品视频在线9| 国产午夜精品久久久久久| 亚洲一卡2卡3卡4卡5卡精品中文| 国产日韩一区二区三区精品不卡| ponron亚洲| 久久99一区二区三区| 91老司机精品| 亚洲专区中文字幕在线| 99国产精品一区二区蜜桃av| 窝窝影院91人妻| 另类亚洲欧美激情| 欧美色视频一区免费| 欧美性长视频在线观看| av在线播放免费不卡| 久久久久国内视频| 久久精品亚洲熟妇少妇任你| 丝袜美腿诱惑在线| 精品卡一卡二卡四卡免费| 在线天堂中文资源库| 搡老乐熟女国产| 日韩欧美一区二区三区在线观看| 老司机福利观看| 欧美av亚洲av综合av国产av| 午夜精品久久久久久毛片777| 日韩精品中文字幕看吧| 免费高清在线观看日韩| xxx96com| 国产主播在线观看一区二区| 免费不卡黄色视频| 国产深夜福利视频在线观看| 免费在线观看亚洲国产| 国产av在哪里看| 中文字幕色久视频| av在线播放免费不卡| 可以免费在线观看a视频的电影网站| 日本五十路高清| 操美女的视频在线观看| 亚洲一区二区三区色噜噜 | www国产在线视频色| 97碰自拍视频| 一进一出抽搐动态| 丝袜在线中文字幕| 国产精品美女特级片免费视频播放器 | 久久狼人影院| 美女 人体艺术 gogo| 久久人人精品亚洲av| 久久久久国产一级毛片高清牌| 国产不卡一卡二| 夫妻午夜视频| 久久中文看片网| 一级毛片女人18水好多| 长腿黑丝高跟| 久久精品国产综合久久久| 成在线人永久免费视频| 国产精品1区2区在线观看.| 精品国产一区二区久久| 宅男免费午夜| 国产精品久久久久成人av| 国产欧美日韩一区二区精品| 亚洲国产看品久久| 日日爽夜夜爽网站| 国产精品久久久久久人妻精品电影| 成人av一区二区三区在线看| 国产激情久久老熟女| 午夜福利免费观看在线| 亚洲三区欧美一区| 91麻豆av在线| 亚洲av日韩精品久久久久久密| 777久久人妻少妇嫩草av网站| 精品一区二区三区四区五区乱码| 欧美老熟妇乱子伦牲交| 日韩国内少妇激情av| 中文字幕人妻熟女乱码| 国产主播在线观看一区二区| 美女福利国产在线| 黄片大片在线免费观看| 久久国产乱子伦精品免费另类| 精品国产乱子伦一区二区三区| 日韩av在线大香蕉| 伊人久久大香线蕉亚洲五| 亚洲欧洲精品一区二区精品久久久| 久久中文字幕一级| 久久久久久免费高清国产稀缺| av网站在线播放免费| 午夜福利免费观看在线| 激情视频va一区二区三区| 色综合欧美亚洲国产小说| 色综合站精品国产| 日韩中文字幕欧美一区二区| 精品午夜福利视频在线观看一区| 色综合站精品国产| 日本黄色视频三级网站网址| 久久久国产一区二区| 亚洲人成77777在线视频| 妹子高潮喷水视频| 法律面前人人平等表现在哪些方面| 黑丝袜美女国产一区| 老汉色∧v一级毛片| 黑人猛操日本美女一级片| 91av网站免费观看| 欧美一区二区精品小视频在线| 国产片内射在线| 一夜夜www| 欧美+亚洲+日韩+国产| 国产在线精品亚洲第一网站| 交换朋友夫妻互换小说| 国产男靠女视频免费网站| 精品国内亚洲2022精品成人| 18美女黄网站色大片免费观看| 在线视频色国产色| 美女福利国产在线| 久久九九热精品免费| 国产成人系列免费观看| 在线国产一区二区在线|