HMM在下肢表面肌电信号步态识别中的应用

摘要

提出了一种基于隐马尔可夫模型(HMM)的分类方法，利用下肢表面肌电信号(SEMG)进行人体步态状态的识别。对每通道的SEMG信号按时间分段后，对每段数据提取4个时域特征来描述信号特点。根据对步态周期中状态的划分确定了HMM的结构，将HMM的状态与步态状态一一对应，并利用改进的BaumWelch算法估计HMM参数,然后通过使用Viterbi算法寻找最佳状态序列来将给定时刻的数据段对应到相应的步态状态，最终实现步态状态识别。实验结果表明HMM在时序变化信号的分类方面具有独特优势。