基于多源信息融合的人體運動分析與建模研究.pdf

1、隨著體育科研的發(fā)展，利用計算機(jī)人體建模與仿真，進(jìn)行運動技術(shù)診斷，已成為必然的發(fā)展趨勢。借助運動生物力學(xué)知識，進(jìn)行運動員的人體運動仿真具有很高的理論和實用價值，國內(nèi)外眾多學(xué)者對此進(jìn)行了深入而細(xì)致的研究工作。傳統(tǒng)的運動員建模方法以牛頓運動定律為基礎(chǔ)，通過簡化人體結(jié)構(gòu)，列寫運動方程，設(shè)定初始條件，對方程求解最終得出仿真結(jié)果。這種方法由于采用了簡化模型，不可避免地會出現(xiàn)較大的計算誤差，而且模型修正困難，為此本文在系統(tǒng)分析了當(dāng)前人體運動建模與仿真

2、研究方法的基礎(chǔ)上，提出了基于多源信息融合的人體運動分析與建模的新思路。本文從運動信息的獲取與分析入手，重點對人體運動過程中的地面反力信息、人體表面肌電(sEMG)信息以及運動圖像解析的有關(guān)參數(shù)借助多種數(shù)學(xué)工具，進(jìn)行了運動信息的特征提取與分類的深入研究，以抓舉專項運動為例，采用多源信息融合的方法，實現(xiàn)了抓舉運動過程的自動分解與識別，并基于逆動力學(xué)，建立了抓舉運動模型，最后在分析了當(dāng)前人體建模中的關(guān)節(jié)力矩估計存在的問題后，嘗試了關(guān)節(jié)力矩多源

3、信息融合估計的新方法，以期提高人體建模和仿真的精度，并為運動訓(xùn)練指導(dǎo)系統(tǒng)的構(gòu)建打下基礎(chǔ)。具體內(nèi)容概括如下： 提出了基于多源信息融合的人體運動分析與建模的新思路，并在實驗室原有實驗平臺的基礎(chǔ)上，構(gòu)建了人體運動過程多源信息獲取的硬件平臺。已納入平臺檢測的信息有運動員人體運動學(xué)、動力學(xué)、運動圖像、肌電信息以及人體慣性參數(shù)等。由于該平臺是基于局域網(wǎng)和CAN總線的分布式結(jié)構(gòu)，因此具有良好的開放性和可擴(kuò)展性。 借助多種現(xiàn)代信號分析和

4、處理方法，對人體運動過程中所表現(xiàn)出的肌電信號進(jìn)行了特征提取和運動模式分類的詳細(xì)研究，并對幾種神經(jīng)網(wǎng)絡(luò)的分類效果進(jìn)行了對比分析；通過引入馬氏距離(MahalanobisDistance)，提高了傳統(tǒng)FuzzyART網(wǎng)絡(luò)實現(xiàn)肌電信號分類時的學(xué)習(xí)效率，并在肌電—力(力矩)的對應(yīng)關(guān)系上進(jìn)行了探索，取得了初步研究成果。 在實驗平臺上設(shè)計了多種人體動作，以便對運動過程中的地面反力進(jìn)行研究分析，在大量獲取地面反力信息的基礎(chǔ)上，結(jié)合運動生物力學(xué)

5、的知識分析了這些力學(xué)行為的地面反力特征，并進(jìn)行了特征的提取，首次引入支持向量機(jī)(SVM)等方法，構(gòu)造了小樣本情況下的運動模式識別分類器，取得了滿意的分類效果。 以抓舉運動為例，對運動過程中的肌電信號、地面反力等多源信息，基于多輸入和多輸出(MIMO)支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)集成方法，進(jìn)行了肌電信息和腳力信息融合的運動階段分解與識別的研究，提高了運動階段分類器的魯棒性，降低了分類的錯誤率。 建立了抓舉運動提鈴階段的人體模型，通