發(fā)布時間：2022-08-11 16:48

　　動力下肢假肢運動意圖研究是智能假肢控制的重要組成部分,傳統(tǒng)意圖識別算法多數(shù)使用傳統(tǒng)機器學習分類算法,而且需要手工選取數(shù)據(jù)特征,勢必會帶有主觀性。將自學習特征的深度學習技術應用到下肢假肢運動意圖識別中是可行的。選取兩類典型的深度學習網(wǎng)絡:卷積神經(jīng)網(wǎng)絡與長短時記憶神經(jīng)網(wǎng)絡,實驗證明了深度學習模型應用到運動意圖識別的可行性,與傳統(tǒng)的機器學習算法進行對比試驗,驗證了深度學習算法的性能優(yōu)勢。 

【文章頁數(shù)】：5 頁

【部分圖文】：

典型的LSTM構建塊

算法流程圖

4類分類器識別結(jié)果的混淆矩陣。（a）基于RF識別結(jié)果的混淆矩陣；（b）基于HMM識別結(jié)果的混淆矩陣；（c）基于CNN識別結(jié)果的混淆矩陣；（d）基于LSTM識別結(jié)果的混淆矩陣

【參考文獻】：
期刊論文
[1]基于改進模板匹配的智能下肢假肢運動意圖實時識別[J]. 盛敏,劉雙慶,王婕,蘇本躍.  控制與決策. 2020(09)
[2]慣性動捕數(shù)據(jù)驅(qū)動下的智能下肢假肢運動意圖識別方法[J]. 蘇本躍,王婕,劉雙慶,盛敏,向馗.  自動化學報. 2020(07)
[3]Intent Pattern Recognition of Lower-limb Motion Based on Mechanical Sensors[J]. Zuojun Liu,Wei Lin,Yanli Geng,Peng Yang.  IEEE/CAA Journal of Automatica Sinica. 2017(04)
[4]2006年第二次全國殘疾人抽樣調(diào)查主要數(shù)據(jù)公報[J]. Leading Group of the Second China National Sample Survey on Disability, National Bureau of Statistics of the People’s Republic of China.  中國康復理論與實踐. 2006(12)



本文編號：3675024