期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于GA-RBF神经网络和sEMG的下肢动作识别方法研究
被引量：
3
1
作者
张鹏
张峻霞
+1 位作者
刘瑞恒
Ahmed Mohamed Moneeb Elsabbagh
《中国生物医学工程学报》
CAS
CSCD
北大核心
2022年第1期41-47,共7页
为了提高人体肌电信号对于下肢动作识别的准确率,提出一种基于遗传算法(GA)优化的径向基(RBF)神经网络分类模型。通过采集人体日常8种下肢动作的表面肌电信号并选择“sym6”系小波函数对肌电信号进行滤波预处理,使用主成分分析法(PCA)...
为了提高人体肌电信号对于下肢动作识别的准确率,提出一种基于遗传算法(GA)优化的径向基(RBF)神经网络分类模型。通过采集人体日常8种下肢动作的表面肌电信号并选择“sym6”系小波函数对肌电信号进行滤波预处理,使用主成分分析法(PCA)对时频域特征降维,把特征向量输入GA算法优化的RBF神经网络进行训练和识别。实验结果表明,该方法对同一受试者8种下肢动作的平均识别率为94.00%±0.45%;对15位不同受试下肢动作识别率达到89.30%,比传统BP神经网络的识别准确率提高11.8%,预测时间缩短6 s。所提出的方法为肌电信号应用于下肢智能康复机器人的意图识别研究提供参考,有助于病人的康复。
展开更多
关键词
下肢表面肌电信号
小波变换
运动识别
RBF神经网络
主成分分析
在线阅读
下载PDF
职称材料
sEMG多特征融合的自适应神经网络下肢运动意图识别研究
被引量：
2
2
作者
刘瑞恒
张峻霞
钱芊橙
《现代电子技术》
2022年第7期33-40,共8页
针对表面肌电信号单一特征进行动作意图识别准确率低的问题,提出一种利用表面肌电信号多特征融合的动态自适应神经网络算法,实现8种下肢运动意图的准确识别。采集8种下肢动作的表面肌电信号,利用小波基函数对原始信号进行降噪处理,提取...
针对表面肌电信号单一特征进行动作意图识别准确率低的问题,提出一种利用表面肌电信号多特征融合的动态自适应神经网络算法,实现8种下肢运动意图的准确识别。采集8种下肢动作的表面肌电信号,利用小波基函数对原始信号进行降噪处理,提取时域、小波变换和样本熵的原始特征参数。对原始特征进行主成分分析,降低特征维度,使用改进的差分进化算法优化各个特征的权重值;针对传统BP神经网络梯度下降法收敛速度慢的问题,使用动态自适应学习率的神经网络算法代替传统BP神经网络识别方法,既提升了模型的收敛速度,又提高了运动意图识别的准确率。实验结果表明,采用多特征融合的自适应神经网络模型识别8种下肢运动意图,平均识别准确率达到94.89%,比单特征的BP神经网络方法识别准确率提高10%以上,动作的识别时间只需要280 ms。该方法在300 ms内可实现对下肢动作的识别,能够达到运动意图识别的要求。
展开更多
关键词
下肢
运动意图识别
多特征融合
动态自适应神经网络
特征提取
下肢表面肌电信号
差分进化算法
小波分析
主成分分析
在线阅读
下载PDF
职称材料
采用多核相关向量机的人体步态识别
被引量：
8
3
作者
刘磊
杨鹏
刘作军
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2017年第3期562-571,共10页
为进一步提升人体步态识别的准确率,参考人体步态特点,选择下肢表面肌电信号(SEMG)、髋关节角度、膝关节角度作为步态识别信息源,提出一种基于多核相关向量机(MKRVM)的人体步态识别方法.该方法以多源信息特征值作为多核相关向量机的输入...
为进一步提升人体步态识别的准确率,参考人体步态特点,选择下肢表面肌电信号(SEMG)、髋关节角度、膝关节角度作为步态识别信息源,提出一种基于多核相关向量机(MKRVM)的人体步态识别方法.该方法以多源信息特征值作为多核相关向量机的输入,通过实验对不同信号选取合适的核函数,利用萤火虫优化(GSO)算法确定核函数参数,输出为不同步态的概率.利用训练好的模型直接对新样本进行分类,将概率最高的步态模式作为识别结果.实验结果表明,该方法对于平地行走、上楼、下楼、上坡、下坡等步态的平均识别率为94.64%,优于单核支持向量机(SVM)等方法.
展开更多
关键词
下肢表面肌电信号
(SEMG)
关节角度
多核学习(MKL)
多核相关向量机(MKRVM)
步态识别
萤火虫优化(GSO)算法
在线阅读
下载PDF
职称材料
题名
基于GA-RBF神经网络和sEMG的下肢动作识别方法研究
被引量：
3
1
作者
张鹏
张峻霞
刘瑞恒
Ahmed Mohamed Moneeb Elsabbagh
机构
天津科技大学机械工程学院
艾因夏姆斯大学工程学院
出处
《中国生物医学工程学报》
CAS
CSCD
北大核心
2022年第1期41-47,共7页
基金
百城百园项目-营养健康关键技术与智能制造(21ZYQCSY00050)
2019天津市研究生科研创新项目(2019YJSB014)。
文摘
为了提高人体肌电信号对于下肢动作识别的准确率,提出一种基于遗传算法(GA)优化的径向基(RBF)神经网络分类模型。通过采集人体日常8种下肢动作的表面肌电信号并选择“sym6”系小波函数对肌电信号进行滤波预处理,使用主成分分析法(PCA)对时频域特征降维,把特征向量输入GA算法优化的RBF神经网络进行训练和识别。实验结果表明,该方法对同一受试者8种下肢动作的平均识别率为94.00%±0.45%;对15位不同受试下肢动作识别率达到89.30%,比传统BP神经网络的识别准确率提高11.8%,预测时间缩短6 s。所提出的方法为肌电信号应用于下肢智能康复机器人的意图识别研究提供参考,有助于病人的康复。
关键词
下肢表面肌电信号
小波变换
运动识别
RBF神经网络
主成分分析
Keywords
surface electromyography
wavelet analysis
motion recognition
RBF neural network
principal component analysis
分类号
R318 [医药卫生—生物医学工程]
在线阅读
下载PDF
职称材料
题名
sEMG多特征融合的自适应神经网络下肢运动意图识别研究
被引量：
2
2
作者
刘瑞恒
张峻霞
钱芊橙
机构
天津科技大学机械工程学院
天津市轻工与食品工程机械装备集成设计与在线监控重点实验室
出处
《现代电子技术》
2022年第7期33-40,共8页
基金
2019天津市研究生科研创新项目(2019YJSB014)
天津市科技支撑计划资助项目(14ZCZDSY00010)。
文摘
针对表面肌电信号单一特征进行动作意图识别准确率低的问题,提出一种利用表面肌电信号多特征融合的动态自适应神经网络算法,实现8种下肢运动意图的准确识别。采集8种下肢动作的表面肌电信号,利用小波基函数对原始信号进行降噪处理,提取时域、小波变换和样本熵的原始特征参数。对原始特征进行主成分分析,降低特征维度,使用改进的差分进化算法优化各个特征的权重值;针对传统BP神经网络梯度下降法收敛速度慢的问题,使用动态自适应学习率的神经网络算法代替传统BP神经网络识别方法,既提升了模型的收敛速度,又提高了运动意图识别的准确率。实验结果表明,采用多特征融合的自适应神经网络模型识别8种下肢运动意图,平均识别准确率达到94.89%,比单特征的BP神经网络方法识别准确率提高10%以上,动作的识别时间只需要280 ms。该方法在300 ms内可实现对下肢动作的识别,能够达到运动意图识别的要求。
关键词
下肢
运动意图识别
多特征融合
动态自适应神经网络
特征提取
下肢表面肌电信号
差分进化算法
小波分析
主成分分析
Keywords
lower limb motion intention recognition
multi-feature fusion
dynamic adaptive neural network
feature extraction
lower limb sEMG signal
DE algorithm
wavelet analysis
PCA
分类号
TN911.73-34 [电子电信—通信与信息系统]
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
采用多核相关向量机的人体步态识别
被引量：
8
3
作者
刘磊
杨鹏
刘作军
机构
郑州轻工业学院建筑环境工程学院
河北工业大学控制科学与工程学院
智能康复装置与检测技术教育部工程研究中心
出处
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2017年第3期562-571,共10页
基金
国家自然科学基金资助项目(61174009
61203323)
+1 种基金
天津市自然科学基金项目资助项目(13JCQNJC03400)
2016年度河南省高等学校重点科研项目(16B413006)
文摘
为进一步提升人体步态识别的准确率,参考人体步态特点,选择下肢表面肌电信号(SEMG)、髋关节角度、膝关节角度作为步态识别信息源,提出一种基于多核相关向量机(MKRVM)的人体步态识别方法.该方法以多源信息特征值作为多核相关向量机的输入,通过实验对不同信号选取合适的核函数,利用萤火虫优化(GSO)算法确定核函数参数,输出为不同步态的概率.利用训练好的模型直接对新样本进行分类,将概率最高的步态模式作为识别结果.实验结果表明,该方法对于平地行走、上楼、下楼、上坡、下坡等步态的平均识别率为94.64%,优于单核支持向量机(SVM)等方法.
关键词
下肢表面肌电信号
(SEMG)
关节角度
多核学习(MKL)
多核相关向量机(MKRVM)
步态识别
萤火虫优化(GSO)算法
Keywords
surface electromyography（SEMG）
joint angle
multiple kernel learning（MKL）
multiple kernel relevance vector machine（MKRVM）
Locomotion-Mode recognition
glowworm swarm optimization（GSO）algorithm
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于GA-RBF神经网络和sEMG的下肢动作识别方法研究
张鹏
张峻霞
刘瑞恒
Ahmed Mohamed Moneeb Elsabbagh
《中国生物医学工程学报》
CAS
CSCD
北大核心
2022
3
在线阅读
下载PDF
职称材料
2
sEMG多特征融合的自适应神经网络下肢运动意图识别研究
刘瑞恒
张峻霞
钱芊橙
《现代电子技术》
2022
2
在线阅读
下载PDF
职称材料
3
采用多核相关向量机的人体步态识别
刘磊
杨鹏
刘作军
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2017
8
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
