科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对目前下肢动作模式识别技术存在的数据量少、识别率低的问题，提出了一种新的基于卷积神经网络的下肢动作模式识别方法。以下肢步态动作识别为对象，采集无负重平地行走，无负重上/下楼及负重上/下楼5种步态的表面肌电信号(surface electromyography, sEMG),对sEMG进行特征提取，构建了一种以特征集作为输入的卷积神经网络，并比较了其与另外几种传统分类识别方法的识别准确率和工作特征。实验结果表明，新方法对于5种步态的平均识别准确率大于95%,错误率都低于8%,具有较高的准确性。因此所提方法的输入特征集更能代表预测模型特征，模式识别率更高，可为康复医疗机器人、助力机器人等设备改善下肢运动功能提供参考。
- 单位
