基于多源生物信号的下肢步态相识别

摘要

为提高人体下肢步态相识别的准确性,研究了融合表面肌电信号(s EMG)、膝关节角度和足底压力信号的人体下肢步态相识别方法。首先,将s EMG信号进行小波包分解提取多尺度能量和多尺度模糊熵特征;然后,对提取的s EMG信号特征值采用主成分分析(PCA)方法进行降维处理,并与足底压力特征值和膝关节能量特征值构成一组特征向量;最后,将特征向量输入粒子群优化最小二乘支持向量机(PSO-LSSVM)对人体下肢运动信息进行步态相识别。实验结果表明,所提方法相较于其他方法有较高的识别准确率和有效性。