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
1
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
基于肌电−惯性融合的人体运动估计:高斯滤波网络方法
被引量:
1
1
作者
杨旭升
李福祥
+1 位作者
胡佛
张文安
《自动化学报》
EI
CAS
CSCD
北大核心
2024年第5期991-1000,共10页
本文研究了基于肌电(Electromyography,EMG)−惯性融合的人体运动估计问题,提出了一种序贯渐进高斯滤波网络(Sequential progressive Gaussian filtering network,SPGF-net)估计方法来形成肌电和惯性的互补性优势,以提高人体运动估计精...
本文研究了基于肌电(Electromyography,EMG)−惯性融合的人体运动估计问题,提出了一种序贯渐进高斯滤波网络(Sequential progressive Gaussian filtering network,SPGF-net)估计方法来形成肌电和惯性的互补性优势,以提高人体运动估计精度和稳定性.首先,利用卷积神经网络对观测数据进行特征提取,以及利用长短期记忆(Long short-term memory,LSTM)网络模型来学习噪声统计特性和量测模型.其次,采用序贯融合的方式融合异构传感器量测特征,以建立高斯滤波与深度学习相结合的网络模型来实现人体运动估计.特别地,引入渐进量测更新对网络量测特征的不确定性进行补偿.最后,通过实验结果表明,相比于现有的卡尔曼滤波网络,该融合方法在上肢关节角度估计中的均方根误差(Root mean square error,RMSE)下降了13.8%,相关系数(R^(2))提高了4.36%.
展开更多
关键词
高斯滤波网络
多传感器融合
人体运动估计
非线性卡尔曼
滤波
在线阅读
下载PDF
职称材料
题名
基于肌电−惯性融合的人体运动估计:高斯滤波网络方法
被引量:
1
1
作者
杨旭升
李福祥
胡佛
张文安
机构
浙江工业大学信息工程学院
浙江省嵌入式系统联合重点实验室
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2024年第5期991-1000,共10页
基金
浙江省“尖兵”“领雁”研发攻关计划(2022C03114)
浙江省自然科学基金(LY23F030006)
浙江省科技计划项目(2023C04032)资助。
文摘
本文研究了基于肌电(Electromyography,EMG)−惯性融合的人体运动估计问题,提出了一种序贯渐进高斯滤波网络(Sequential progressive Gaussian filtering network,SPGF-net)估计方法来形成肌电和惯性的互补性优势,以提高人体运动估计精度和稳定性.首先,利用卷积神经网络对观测数据进行特征提取,以及利用长短期记忆(Long short-term memory,LSTM)网络模型来学习噪声统计特性和量测模型.其次,采用序贯融合的方式融合异构传感器量测特征,以建立高斯滤波与深度学习相结合的网络模型来实现人体运动估计.特别地,引入渐进量测更新对网络量测特征的不确定性进行补偿.最后,通过实验结果表明,相比于现有的卡尔曼滤波网络,该融合方法在上肢关节角度估计中的均方根误差(Root mean square error,RMSE)下降了13.8%,相关系数(R^(2))提高了4.36%.
关键词
高斯滤波网络
多传感器融合
人体运动估计
非线性卡尔曼
滤波
Keywords
Gaussian filtering network
multi-sensor fusion
human motion estimation
nonlinear Kalman filtering
分类号
TN911.7 [电子电信—通信与信息系统]
TP18 [自动化与计算机技术—控制理论与控制工程]
R318 [医药卫生—生物医学工程]
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
基于肌电−惯性融合的人体运动估计:高斯滤波网络方法
杨旭升
李福祥
胡佛
张文安
《自动化学报》
EI
CAS
CSCD
北大核心
2024
1
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