科研之友
微信
新浪微博
Facebook
分享链接
摘要
在人体步态的解析研究中,足底压力信号常被检测用以分析步态的变化情况。其中,以传感器阵列采集的足压信息,因信号关联性弱、冗余度高以及噪声干扰等原因,而无法直观识别出步态的变化规律。针对这一问题,以盲信号建立足压信号的数学模型,在分析其构成与解析上的复杂性后,采用奇异值分解(SVD)的方法,从多源观测数据中提取出足压特征信号。提出以主特征向量张成信息子空间中各特征点的分布规律,结合先验的步态运动过程,对单足步态运动进行识别与划分,并利用多组步态实验数据,验证了该方法的有效性。
- 单位
在人体步态的解析研究中,足底压力信号常被检测用以分析步态的变化情况。其中,以传感器阵列采集的足压信息,因信号关联性弱、冗余度高以及噪声干扰等原因,而无法直观识别出步态的变化规律。针对这一问题,以盲信号建立足压信号的数学模型,在分析其构成与解析上的复杂性后,采用奇异值分解(SVD)的方法,从多源观测数据中提取出足压特征信号。提出以主特征向量张成信息子空间中各特征点的分布规律,结合先验的步态运动过程,对单足步态运动进行识别与划分,并利用多组步态实验数据,验证了该方法的有效性。
