换一批摘要表面肌电信号随着时间的变化而改变,这将影响运动模式的分类精度.传统人体下肢假肢运动模式的识别算法不能保证在整个肌电控制时间内达到对运动模式的有效识别.为了解决这些问题,本文提取步态初期200 ms的信号的特征值,将无监督和有监督的Kohonen神经网络算法应用到大腿截肢者残肢侧的步态识别中,并与传统BP神经网络进行了对比.结果表明,有监督的Kohonen神经网络算法将五种路况下步态的平均识别率提高到88.4%,优于无监督的Kohonen神经网络算法和BP神经网络.
更多相关知识
关键词
表面肌电信号智能假肢特征提取有监督Kohonen神经网络步态识别Surface electromyography (sEMG)intelligent prosthesisfeature extractionsupervised Kohonen neural networkgait recognition
栏目名称
DOI
10.16383/j.aas.2017.c160114
发布时间
2017-04-26（万方平台首次上网日期，不代表论文的发表时间）
基金项目
河北省青年自然基金（(F2016202327)）
河北省高等学校科学技术研究项目（(Q2012079,ZC2016020)）
中国科学院人机智能协同系统重点实验室开放基金资助Supported by Natural Science Foundation of Hebei Province（(F2016202327)）
Science Technology Research Project of Higher Education of Hebei Province（(Q2012079,ZC2016020)）
:the Open Fund of CAS Key Laboratory of Human-Machine Intelligence-Synergy Systems
- 浏览1
- 被引56
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
