基于使用渐进特征选择方法的sEMG信号进行步行识别

科学领域:

• 生物医学工程 生物医学工程
• 机器人技术 机器人技术 机器人技术
• 信号处理 信号处理

背景情况:

• 使用表面电肌图 (sEMG) 的步态识别对于控制外骨架设备至关重要.
• 目前的研究面临的挑战是特征提取和识别精度,由于无关和冗余的sEMG特征.

研究的目的:

• 开发一种有效的特征选择方法,用于基于sEMG的步态识别.
• 为了提高下肢外骨应用的步态识别的准确性和效率.

主要方法:

• 提出了一种新的渐进特征选择 (PFS) 方法,集成立体模型投影和3D动态捕获,从下肢肌肉中提取步行阶段特定的特征.
• 时间和频率域特征被捕获和优化,使用基于健身评估的渐进特征组合来消除不那么有信息的特征.

主要成果:

• PFS方法在sEMG步态识别方面表现出很高的表现,平均准确率为98.54%,中位准确率为98.67%.
• 对实验和SIAT-LLMD数据集的验证显示,PFS算法达到高达98.91%的准确性,超过了最先进的方法.

结论:

• 拟议的PFS方法有效地减少了特征维度,从而提高了步态识别的准确性.
• 提高识别精度和减少特征冗余性有助于提高下肢外骨架机器人的安全性.