基于多源信息的步態(tài)識別算法研究.pdf

1、步態(tài)是指人行走的方式和風格。由于生理特點和行走習慣的差異，不同的人有不同的步態(tài)。步態(tài)識別技術在智能假肢、臨床醫(yī)學、康復治療、運動分析等眾多領域得到很好的應用，成為第二代生物特征識別技術的代表，它促進了模式識別、信號處理等領域的發(fā)展，具有重要的科學研究意義。步態(tài)識別的關鍵是尋找合適的步態(tài)特征及分類方法，為了提高步態(tài)識別的準確性，本文在研究步態(tài)識別算法基礎上提出基于多源信息融合的步態(tài)識別算法，從多源信號的選擇、預處理、特征提取、特征值融合、

2、基于多源信息的步態(tài)識別等多個方面進行了理論探索和實踐。主要研究內容如下：
　　1.本文在分析了步態(tài)識別信息源特點基礎上，選取5種步態(tài)（平地行走、上樓、下樓、上坡、下坡）的髖關節(jié)角度、加速度信號、下肢表面肌電信號和足底壓力信號作為步態(tài)識別信息源，然后搭建了多源信息采集系統(tǒng)，分析了行走速度對步態(tài)參數(shù)、髖關節(jié)的角度的影響以及行走速度對下肢肌群作用的影響，為了解人體運動規(guī)律提供數(shù)據(jù)支持。
　　2.針對表面肌電信號的不穩(wěn)定性、隨機性，

3、在采集的過程中常常會受到噪聲污染的特點，本文利用經(jīng)驗模態(tài)分解預處理后提取肌電信號時域、頻域特征。髖關節(jié)角度、加速度信號小波去噪和零校準后，為了更加準確的表征髖關節(jié)角度、加速度的不同特征信息，利用足底壓力信號分為支撐前期、支撐中期、支撐后期、擺動期4個細分模式，并采用不同方法對髖關節(jié)角度、加速度信號提取了細分模式下的特征值。
　　3.為了避免過多的特征值增大算法的復雜度，利用核主成分分析(KPCA)在特征層上融合特征值，提出基于快速

4、正交搜索(FOS)步態(tài)識別方法，該方法結合了KPCA的非線性融合能力和FOS的良好的分類能力，與主成分分析(PCA)和BP、PCA和FOS、KPCA和BP、PCA和支持向量機(SVM)、KPCA和SVM五種方法相比具有步態(tài)識別正確率高和分類時間較少的特點。
　　4.本文分析了常用的分類器的優(yōu)缺點，選用相關向量機(RVM)對步態(tài)進行識別，提出了基于多核多分類相關向量機的步態(tài)識別方法，不同的核函數(shù)融合了髖關節(jié)角度特征、髖關節(jié)加速度特征