换一批
换一批摘要人体关节角度的连续预测对于提高人机协同控制至关重要.为了提高关节角度的预测精度,提出了一种基于特征的卷积神经网络—双向长短期记忆网络(Convolutional Neural Network-Bidirectional long short-term memory network,CNN-BiLSTM)模型并对下肢关节角度进行了连续预测.采集了人体在正常步态、上楼梯运动时下肢的表面肌电信号和膝关节角度,对信号进行预处理,利用主成分分法进行特征值融合,与传统的支持向量机、长短期记忆网络、卷积神经网络等算法预测效果进行对比,结果表明CNN-BiL-STM模型对关节角度的拟合效果最优,所提模型能够更有效地预测不同运动模式下的膝关节角度,在促进人机协作方面具有更好的性能.
更多相关知识
关键词
表面肌电信号连续运动预测卷积神经网络双向长短时记忆神经网络surface electromyography signalcontinuous motion predictionconvolutional neural net-worksbidirectional long short-term memory neural network
栏目名称
基础·应用研究
DOI
10.3969/j.issn.1673-2103.2024.05.009
发布时间
2024-12-20
基金项目
安徽理工大学环境友好材料与职业健康研究院(芜湖)研发专项
安徽省高校学科(专业)拔尖人才学术支持项目
安徽省高校协同创新计划项目
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
