GRNN在肌电预测踝关节运动中的应用

被引：30

作者：

戴虹 ^{[1
,2
]}

钱晋武 ^{[1
]}

张震 ^{[1
]}

沈林勇 ^{[1
]}

章亚男 ^{[1
]}

机构：

[1] 上海大学机电工程与自动化学院

[2] 上海第二工业大学电子与电气工程学院

来源：

仪器仪表学报 | 2013年 / 34卷 / 04期

关键词：

广义回归神经网络; 肌电信号; 踝关节角; 主分量分析; 小波分析;

D O I：

10.19650/j.cnki.cjsi.2013.04.020

中图分类号：

TP242 [机器人]; TP183 [人工神经网络与计算];

学科分类号：

1111 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

下肢运动预测对于步行康复机器人患者主动训练控制系统的设计具有重要意义。提出一种基于广义回归神经网络(GRNN)的利用肌电信号预测踝关节角轨迹算法:分别用肌电图仪和三维运动捕捉仪同步采集踝关节做屈伸运动时周围五块肌肉的肌电信号和踝关节角度,并对肌电信号进行特征提取。基于主分量分析的数值算法对肌电数据进行降维,得到肌电主分量信号。基于肌电主分量信号利用GRNN算法预测踝关节角轨迹,用黄金分割搜索算法确定GRNN中的最佳平滑参数σ。采用小波消噪算法对踝关节角预测轨迹进行滤波以提高预测精度。用上述算法对9名志愿者进行实验的结果表明:该方法预测精度较高,与BP神经网络预测算法相比运算时间短且预测误差较小,因而更适用于下肢关节角轨迹的在线预测。

引用

页码：845 / 852

页数：8

共 6 条

[1]

步行康复训练助行腿机器人系统.[D].冯治国.上海大学.2009, 05

[2] 模拟生物视觉机制的彩色人脸识别方法 [J].