GA—BP神经网络在下肢运动步态识别中的应用研究.pdf

《GA—BP神经网络在下肢运动步态识别中的应用研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第26卷第9期传感技术学报Vo1．26No．92013年9月CHINESEJOURNALOFSENSORSANDACTUATORSSep．2013GaitPhaseRecognitionofLowerLimbBasedonGAOptimizedBPNeuralNetworkMAYuliang，MAYunpeng，ZHANGQizhong，LUOZhizeng，YANGJiaqing(1．InstituteofIntelligentControlandRobotics，HangzhouDianziUniversity，Hangzhou310018，China；2．CollegeofEle

2、ctricalEngineering，ZhejiangUniversity，Hangzhou310027，China)Abstract：Inordertoimprovetheaccuracyofthelowerlimbgaitrecognitionusinglimbsurfaceelectromyography，aclassificationmethodofBPneuralnetworkoptimizedbygeneticalgorithms(GA)isputforward．FirstlyfilterandextractfeaturesoflimbSEMG．Secondlyconstr

3、ucttheBPneuralnetworkclassifierbasedonGAoptimization，thentraintheclassifierwithextractedfeaturesofSEMG，andfinallytesttheclassifierwhichhasbeentrained．Theexperi—mentalresultsshowthattheBPneuralnetworkclassifierbasedonGAoptimizationcansuccessfullyidentifyfivenormalwalkinggaitsoflowerlimbandtheaver

4、agerecognitionrateisabove98％．TherecognitioneffectofGA-BPmethodisobviouslybetterthanthatofBPneuralnetwork．Keywords：electromyography；gaitrecognition；featureextraction；BPneuralnetwork；GA(GeneticAlgorithms)EEACC：7230Jdoi：10．3969／j．issn．1004-1699．2013．09．001GA—BP神经网络在下肢运动步态识别中的应用研究木马玉良，马云鹏，张启忠，罗志增，杨家

5、强(1．杭州电子科技大学智能控制与机器人研究所，杭州310018；2．浙江大学电气工程学院，杭州310027)摘要：为了提高下肢表面肌电信号步态识别的准确性，提出了一种基于遗传算法(GA)优化的BP神经网络分类器设计方法。首先，对采集的下肢表面肌电信号进行小波滤波及特征提取，其次，构造基于GA优化的BP神经网络分类器，然后，以提取的表面肌电信号特征作为输入对分类器进行训练，最后对训练好的分类器进行测试。实验结果表明，基于GA优化的BP神经网络分类器能成功识别下肢正常行走的5个步态，平均识别率达到98％以上，可见基于GA—BP神经网络分类器的识别效果明显优于BP神经网络分类器。关键词：肌

6、电信号；步态识别；特征提取；BP神经网络；遗传算法中图分类号：TP242．6文献标识码：A文章编号：1004—1699(2013)09—1183—05TP212．3人的步态是自身生理结构、运动功能、的训练算法速度较慢，因此不利于以后的深入研究，健康状况、行为习惯及心理活动等诸多因素在行走并且尚没有成熟。随着人工神经网路的发展，国内有时的综合外在表现。步态识别的宗旨是根据人们的人使用神经网络对肌电信号提取出的特征值进行分行走姿态和方式进行身份识别或生理、病理及心理类，最后得到了较好的效果。国外学者对人体肢体动等特征信息检测。由于步态识别融合了计算机作的识别主要采用神经网络的方法，Nish

7、ikawaK等视觉、模式识别与视频、图像序列处理等多项新技人在1991年首次使用神经网络完成了对三自由度假术，因此成为近年来信息技术科学领域备受关注肢的控制，识别率虽然不高，但是却启发人们开始了的前沿研究方向。对人工神经网络的研究，并把它应用到人体的动作识在人体动作模式识别这方面GaneshRNaikl3等别中。AbelEW、ZaChafiaEC等人经过研究，分别人使用支持向量机的办法对人手动作进行识别，得到使用了学习矢量量化网络，自组织特征映