利用平均影响值和概率神经网络的步态识别

被引：7

作者：

袁娜 ^{[1
]}

杨鹏 ^{[1
,2
]}

刘作军 ^{[1
,2
]}

机构：

[1] 河北工业大学控制科学与工程学院

[2] 智能康复装置与检测技术教育部工程研究中心

来源：

哈尔滨工程大学学报 | 2015年 / 36卷 / 02期

关键词：

智能假肢; 步态识别; 平均影响值; 概率神经网络; 特征筛选;

D O I：

暂无

中图分类号：

TP391.4 [模式识别与装置]; TP183 [人工神经网络与计算];

学科分类号：

0811 ; 081101 ; 081104 ; 1405 ;

摘要：

为了实现对智能下肢假肢进行有效控制,下肢步态(包括平地行走、上下楼梯和上下坡等)的有效识别是关键。先从提取不同步态下的特征值入手,利用平均影响值(MIV)来实现变量的筛选,并针对膝上截肢者的特点确定了6个特征值,分别为髋关节角度的最大值、支撑前期均值、支撑中期均值、支撑中期标准差、摆动期标准差(即Mh、ISh、MSh、SWh、MSV、SWV),然后利用概率神经网络(PNN)对本实验系统的5种步态进行准确识别,并与BP神经网络(BPNN)识别步态进行比较,试验结果表明将特征值用平均影响值方法筛选后,用概率神经网络进行步态识别,具有较好的识别率和识别速度,其识别率与BP神经网络相比提高了10%以上,验证了该方法的有效性和可行性。

引用

页码：181 / 185

页数：5

共 9 条

[1] 大腿截肢者步速识别系统设计
耿艳利
杨鹏
刘作军
陈玲玲
[J]. 中国康复医学杂志, 2012, 27 (07) : 651 - 653
[2] 基于多源信息融合的膝上假肢步态识别方法
高云园
佘青山
孟明
罗志增
[J]. 仪器仪表学报, 2010, 31 (12) : 2682 - 2688
[3] 多特征和多视角信息融合的步态识别
赵永伟
张二虎
鲁继文
胡峻林
[J]. 中国图象图形学报, 2009, 14 (03) : 388 - 393
[4] 基于多传感器的实时步态检测研究
张今瑜
王岚
张立勋
[J]. 哈尔滨工程大学学报, 2007, (02) : 218 - 221
[5] 基于量子遗传算法的特征选择算法
张葛祥
金炜东
胡来招
[J]. 控制理论与应用, 2005, (05) : 136 - 139+145
[6] Human gait recognition via deterministic learning[J] . Wei Zeng,Cong Wang.Neural Networks . 2012
[7] Neural network ensemble with probabilistic fusion and its application to gait recognition[J] . Heesung Lee,Sungjun Hong,Euntai Kim.Neurocomputing . 2008 (7)
[8] Hip, knee, ankle kinematics and kinetics during stair ascent and descent in healthy young individuals[J] . Anastasia Protopapadaki,Wendy I. Drechsler,Mary C. Cramp,Fiona J. Coutts,Oona M. Scott.Clinical Biomechanics . 2006 (2)
[9] Design and testing of a genetic algorithm neural network in the assessment of gait patterns
Su, FC
Wu, WL
[J]. MEDICAL ENGINEERING & PHYSICS, 2000, 22 (01) : 67 - 74

← 1 →