基于多源信息的步態(tài)識(shí)別算法研究.pdf

1、步態(tài)是指人行走的方式和風(fēng)格。由于生理特點(diǎn)和行走習(xí)慣的差異，不同的人有不同的步態(tài)。步態(tài)識(shí)別技術(shù)在智能假肢、臨床醫(yī)學(xué)、康復(fù)治療、運(yùn)動(dòng)分析等眾多領(lǐng)域得到很好的應(yīng)用，成為第二代生物特征識(shí)別技術(shù)的代表，它促進(jìn)了模式識(shí)別、信號(hào)處理等領(lǐng)域的發(fā)展，具有重要的科學(xué)研究意義。步態(tài)識(shí)別的關(guān)鍵是尋找合適的步態(tài)特征及分類方法，為了提高步態(tài)識(shí)別的準(zhǔn)確性，本文在研究步態(tài)識(shí)別算法基礎(chǔ)上提出基于多源信息融合的步態(tài)識(shí)別算法，從多源信號(hào)的選擇、預(yù)處理、特征提取、特征值融合、

2、基于多源信息的步態(tài)識(shí)別等多個(gè)方面進(jìn)行了理論探索和實(shí)踐。主要研究?jī)?nèi)容如下：
　　1.本文在分析了步態(tài)識(shí)別信息源特點(diǎn)基礎(chǔ)上，選取5種步態(tài)（平地行走、上樓、下樓、上坡、下坡）的髖關(guān)節(jié)角度、加速度信號(hào)、下肢表面肌電信號(hào)和足底壓力信號(hào)作為步態(tài)識(shí)別信息源，然后搭建了多源信息采集系統(tǒng)，分析了行走速度對(duì)步態(tài)參數(shù)、髖關(guān)節(jié)的角度的影響以及行走速度對(duì)下肢肌群作用的影響，為了解人體運(yùn)動(dòng)規(guī)律提供數(shù)據(jù)支持。
　　2.針對(duì)表面肌電信號(hào)的不穩(wěn)定性、隨機(jī)性，

3、在采集的過程中常常會(huì)受到噪聲污染的特點(diǎn)，本文利用經(jīng)驗(yàn)?zāi)B(tài)分解預(yù)處理后提取肌電信號(hào)時(shí)域、頻域特征。髖關(guān)節(jié)角度、加速度信號(hào)小波去噪和零校準(zhǔn)后，為了更加準(zhǔn)確的表征髖關(guān)節(jié)角度、加速度的不同特征信息，利用足底壓力信號(hào)分為支撐前期、支撐中期、支撐后期、擺動(dòng)期4個(gè)細(xì)分模式，并采用不同方法對(duì)髖關(guān)節(jié)角度、加速度信號(hào)提取了細(xì)分模式下的特征值。
　　3.為了避免過多的特征值增大算法的復(fù)雜度，利用核主成分分析(KPCA)在特征層上融合特征值，提出基于快速

4、正交搜索(FOS)步態(tài)識(shí)別方法，該方法結(jié)合了KPCA的非線性融合能力和FOS的良好的分類能力，與主成分分析(PCA)和BP、PCA和FOS、KPCA和BP、PCA和支持向量機(jī)(SVM)、KPCA和SVM五種方法相比具有步態(tài)識(shí)別正確率高和分類時(shí)間較少的特點(diǎn)。
　　4.本文分析了常用的分類器的優(yōu)缺點(diǎn)，選用相關(guān)向量機(jī)(RVM)對(duì)步態(tài)進(jìn)行識(shí)別，提出了基于多核多分類相關(guān)向量機(jī)的步態(tài)識(shí)別方法，不同的核函數(shù)融合了髖關(guān)節(jié)角度特征、髖關(guān)節(jié)加速度特征