检索结果-维普期刊中文期刊服务平台

基于优化模糊加权核极限学习机的下肢运动识别方法被引量：3: 1; 作者赵翔涂娟黄紫娟《传感技术学报》 CAS CSCD 北大核心 2022年第5期621-626,共6页; 为了提高基于表面肌电信号下肢运动识别的准确性,提出了一种优化模糊加权核极限学习机(Kernel-based Fuzzy Weighted Extreme Learning Machine,KFWELM)的下肢运动识别方法。首先提取表面肌电信号的时域、频域、非线性特征,使用局部Fis... 展开更多; 关键词表面肌电信号下肢运动识别高斯量子粒子群算法模糊加权核极限学习机; 在线阅读下载PDF 职称材料

基于多源信息和粒子群优化算法的下肢运动模式识别被引量：7: 2; 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 2015年第3期439-447,共9页; 为了提高人体下肢多运动模式识别的准确性,提出一种基于多源信息和粒子群优化算法-误差反向传播(PSO-BP)神经网络的识别方法.建立下肢多源信息采集系统,该系统由下肢表面肌电信号、髋关节角度、髋关节加速度组成.选择肌电信号偏度、峭... 展开更多; 关键词多源信息粒子群优化算法主成分分析下肢运动模式识别 BP神经网络; 在线阅读下载PDF 职称材料

融合表面肌电和加速度信号的下肢运动模式识别研究被引量：8: 3; 作者席旭刚汤敏彦 +2 位作者张自豪张启忠罗志增《电子学报》 EI CAS CSCD 北大核心 2017年第11期2735-2741,共7页; 为了提高下肢运动模式识别率,本文设计了一种融合表面肌电和加速度信号的下肢运动模式识别方法.首先,用局部均值分解将表面肌电信号分解为多个乘积函数(Product Functions,PFs),再计算PF成分的多尺度排序熵.然后,通过拉普拉斯权重(Lapla... 展开更多; 关键词下肢运动模式识别表面肌电信号加速度信号多尺度排序熵改进二叉树支持向量机; 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: 4; 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... 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

题名基于优化模糊加权核极限学习机的下肢运动识别方法被引量：3: 1; 作者赵翔涂娟黄紫娟; 机构福州大学福建省医疗器械与医药技术重点实验室; 出处《传感技术学报》 CAS CSCD 北大核心 2022年第5期621-626,共6页; 基金国家自然科学基金项目(82074521)。; 文摘为了提高基于表面肌电信号下肢运动识别的准确性,提出了一种优化模糊加权核极限学习机(Kernel-based Fuzzy Weighted Extreme Learning Machine,KFWELM)的下肢运动识别方法。首先提取表面肌电信号的时域、频域、非线性特征,使用局部Fisher判别分析(Local Fisher Discriminant Analysis,LFDA)和局部保持投影(Locality Preserving Projections,LPP)进行特征降维处理,以减少原特征的信息丢失;其次,采用改进高斯量子粒子群算法(Gaussian Quantum Particle Swarm Optimization,GQPSO)优化KFWELM的正则化系数和核参数;最后进行决策级自适应融合得到分类结果。利用UCI数据库中的数据集进行算法验证,健康人群和患病人群下肢运动分类的平均准确率分别为96.6%和92.8%。实验表明,所提出的方法提高了下肢运动分类的准确率和有效性。; 关键词表面肌电信号下肢运动识别高斯量子粒子群算法模糊加权核极限学习机; Keywords surface EMG signal lower limb movement recognition Gaussian quantum particle swarm algorithm Kernel-based Fuzzy Weighted Extreme Learning Machine; 分类号 TP212.3 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于多源信息和粒子群优化算法的下肢运动模式识别被引量：7: 2; 作者刘磊杨鹏刘作军; 机构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 2015年第3期439-447,共9页; 基金国家自然科学基金资助项目(61174009 61203323) 天津市自然科学基金资助项目(13JCQNJC03400); 文摘为了提高人体下肢多运动模式识别的准确性,提出一种基于多源信息和粒子群优化算法-误差反向传播(PSO-BP)神经网络的识别方法.建立下肢多源信息采集系统,该系统由下肢表面肌电信号、髋关节角度、髋关节加速度组成.选择肌电信号偏度、峭度和功率谱比值为肌电信号特征,髋关节角度细分模式均值比为腿部角度信号特征,加速度标准差、能量峰值、两轴相关性系数为髋关节加速度特征.按照主成分分析(PCA)方法融合上述特征值,利用PSO-BP进行识别.实验结果表明:该方法识别率为95.75%,平均识别时间为1.234 8s.; 关键词多源信息粒子群优化算法主成分分析下肢运动模式识别 BP神经网络; Keywords multi-source information particle swarm optimization algorithm principal component analysis lower limb locomotion-mode identification BP neural network; 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

题名融合表面肌电和加速度信号的下肢运动模式识别研究被引量：8: 3; 作者席旭刚汤敏彦张自豪张启忠罗志增; 机构杭州电子科技大学智能控制与机器人研究所; 出处《电子学报》 EI CAS CSCD 北大核心 2017年第11期2735-2741,共7页; 基金浙江省自然科学基金(No.LY17F030021) 国家自然科学基金(No.61671197); 文摘为了提高下肢运动模式识别率,本文设计了一种融合表面肌电和加速度信号的下肢运动模式识别方法.首先,用局部均值分解将表面肌电信号分解为多个乘积函数(Product Functions,PFs),再计算PF成分的多尺度排序熵.然后,通过拉普拉斯权重(Laplacian score,LS)特征选择算法选定每路肌电信号的一个尺度排序熵为特征,并把该特征和加速度信号的排序熵组成特征向量.最后,根据类内欧氏距离和类间样本分布,设计了改进的二叉树支持向量机,把特征向量输入该支持向量机进行下肢运动模式分类.实验结果表明所提方法对七个日常动作的平均识别率达到98.62%,相较于其他方法有较高的识别率.; 关键词下肢运动模式识别表面肌电信号加速度信号多尺度排序熵改进二叉树支持向量机; Keywords lower limb motion pattern recognition surface electromyography(sEMG) acceleration signal multiscale permutation entropy(MPE) improved support vector machine based binary tree(ISVM-BT); 分类号 TP24 [自动化与计算机技术—检测技术与自动化装置]; 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: 4; 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	作者	出处	发文年	被引量	操作
1	基于优化模糊加权核极限学习机的下肢运动识别方法	赵翔涂娟黄紫娟	《传感技术学报》 CAS CSCD 北大核心	2022	3	在线阅读下载PDF 职称材料
2	基于多源信息和粒子群优化算法的下肢运动模式识别	刘磊杨鹏刘作军	《浙江大学学报（工学版）》 EI CAS CSCD 北大核心	2015	7	在线阅读下载PDF 职称材料
3	融合表面肌电和加速度信号的下肢运动模式识别研究	席旭刚汤敏彦张自豪张启忠罗志增	《电子学报》 EI CAS CSCD 北大核心	2017	8	在线阅读下载PDF 职称材料
4	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