从表面EMG估计膝关节角度使用多个内核相关性向量回归

科学领域:

• 机器人技术 机器人技术 机器人技术
• 生物医学工程 生物医学工程
• 机器学习 机器学习

背景情况:

• 表面电肌图 (sEMG) 信号对于可穿戴机器人的运动意图识别至关重要.
• 精确的膝关节角度估计对于有效的人机交互和降低模型复杂性至关重要.

研究的目的:

• 提出并验证一种新的多核相关向量回归 (MKRVR) 模型,用于使用sEMG信号估计膝关节的角度.
• 将MKRVR模型的性能与最小平方支向量回归 (LSSVR) 模型进行比较.

主要方法:

• 离线学习使用多个内核相关性向量回归 (MKRVR).
• 使用根平均平方误差 (RMSE),平均绝对误差 (MAE) 和R2_score进行性能评估.
• 在MKRVR和最小平方支向量回归 (LSSVR) 模型之间进行比较分析.

主要成果:

• 与LSSVR相比,MKRVR模型在估计膝关节角度方面表现优异.
• 实现了连续的全球MAE为3.27° ± 1.2°,RMSE为4.81° ± 1.37°,R2为0.8946 ± 0.07.
• 验证了MKRVR的可行性,用于从sEMG数据中准确地估计膝关节角度.

结论:

• 该MKRVR方法是从sEMG信号估计膝关节角度的可行方法.
• 这种技术可以应用于运动分析和识别穿着者在人机协作中的运动意图.
• 提高可穿戴机器人应用中的控制系统的精度和可靠性.