【摘 要】
：
步态是人行走时的一种姿态,也是下肢最基本的运动特征。由于表面肌电信号（sEMG）中蕴涵着丰富的运动信息,可用来区分人下肢运动时动作的各个阶段,因此利用sEMG信号对不同的动作进行分类识别得到了广泛的研究。本文主要从五个方面进行研究,即在表面肌电数据采集、信号消噪处理和特征提取的基础上,分别采用DNN算法和CNN-LSTM算法,进行步态优化算法识别。以下是本文的主要研究工作和创新点:（1）sEMG信
论文部分内容阅读
步态是人行走时的一种姿态,也是下肢最基本的运动特征。由于表面肌电信号（sEMG）中蕴涵着丰富的运动信息,可用来区分人下肢运动时动作的各个阶段,因此利用sEMG信号对不同的动作进行分类识别得到了广泛的研究。本文主要从五个方面进行研究,即在表面肌电数据采集、信号消噪处理和特征提取的基础上,分别采用DNN算法和CNN-LSTM算法,进行步态优化算法识别。以下是本文的主要研究工作和创新点:（1）sEMG信号数据的采集、去噪和特征提取。本文通过对下肢步态的分析确定了信号类型,并选择下肢的八股肌肉通道作为信号来源。对比小波包、小波包阈值以及小波模极大值三种消噪方式,根据它们的均方根和信噪比等指标选择消噪效果最好的小波模极大值进行消噪处理。接着对消噪后的信号分别提取时域、频域等特征,并对其进行特征分析。（2）提出了采用多特征的深度神经网络（DNN）步态识别方法。针对算法在不同特征下的识别结果问题,本文在传统的超限学习机（ELM）、支持向量机（SVM）算法基础上引入了深度神经网络（DNN）算法,通过对比不同算法在单一特征下的识别结果,对比发现DNN算法的识别结果并不是最好的,因此为了提高算法的识别率,本文采用特征组合方法扩大了特征维数,其最终识别结果表明特征组合下的DNN算法的平均识别率最高。（3）实现了基于CNN-LSTM的步态识别算法优化。为了提高算法的高效性和稳定性,本文引入长短期记忆网络（LSTM）,并用卷积神经网络（CNN）对LSTM算法进行优化。然后分别对DNN、LSTM、CNN-LSTM进行不同特征下的识别结果分析,结果表明特征组合后的CNN-LSTM无论是在识别率上,还是稳定性上都优于前面两种算法。本文研究了深度学习构架下的步态识别方法,其优化算法模型在识别率和稳定性上都有明显的提升。上述工作对于人体运动科学以及医疗康复等领域具有重要的积极意义。
其他文献
汽车工业作为目前耗能较大的产业,存在着巨大节能和减排压力。在此背景下,汽车产业开始逐渐向新“四化”模式转型,对电动汽车相关的先进驾驶辅助系统（Advanced Driver Assistant System,ADAS）研究也正方兴未艾的进行着。其中自适应巡航控制（Adaptive Cruise Control,ACC）系统作为一种智能辅助驾驶技术也备受关注。传统的ACC系统主要维持一定的安全车距,
学校所提供的课后服务在很大程度上解决了“三点半难题”，为家长解除了后顾之忧，同时也为“双减”政策的落实提供了良好的条件。而在开展课后服务的过程中，学校应该积极关注进城务工随迁子女这一特殊群体的现状和需求，优先保障其课后服务需求。
近年来,类别可控的古诗生成式学习技术渐渐成为了前沿研究热点。诗歌智能生成技术在生成式预训练模型的基础上引入规划机制,成功实现对生成诗歌的自主可控。自主可控能力弱、存储成本高、格式限制严格是当前诗歌文本智能生成亟待解决的主要难题。针对给用户分发特定主题词的规划,会造成类别不平衡的问题;针对模型在小样本下生成与主题词相适的古典诗歌的规划,虽然语料成本降低,但训练、测试时参数存储成本过高;针对模型生成满
随着信息技术的不断发展,数字化改革已逐渐成为提高企业效能的重要举措。业务流程作为数字化转型的重要载体,目前已在办公自动化、制造工艺、应急救援、金融保险等领域被广泛应用。现如今,越来越多的企业根据自身的业务规则都建立了服务企业运营生产的流程管理系统,并且这些系统每时每刻都产生着大量的日志数据。通过分析这些数据可以为企业业务优化、管理决策等提供有效支持。例如,通过分析日志数据预测正在执行的流程实例的结
高校仪式是学校制度设计、氛围营造、活动体验的集合体,而非简单的规范或创新话题。作为思想政治教育的载体,它还具有承载和传递理想信念和价值追求的功能。如何通过仪式开展思想政治教育?参与者对仪式设计、氛围与活动产生了何种反应?这样的反应与仪式教育所承载和传递的理想信念和价值追求是否相匹配?围绕这三个问题,本研究从主体参与的角度切入,以马克思原理的认识论、思想政治教育的方法论、柯林斯的互动仪式链理论为指导
伴随着互联网技术的持续发展,物流运输业正处于高速发展的阶段,而仓储行业作为物流运输业中的一个重要组成环节,也愈发受到重视。目前部分仓储系统的信息易篡改、流程不透明、中心化严重、缺乏信任等问题逐渐暴露在人们面前,不断消耗着人们对仓储系统的信任度,如何提高仓储系统的安全可信性和货物溯源的能力,已经成为行业内亟需解决的问题。区块链技术作为一种新技术,具备去中心化、可信任、透明公开等天然特性,让其在仓储领
推荐系统通过分析用户的兴趣爱好,从互联网的海量信息中挖掘用户可能感兴趣或需要的信息资源或物品,从而为用户做出相应的推荐。目前主流推荐方法对于数据密集型任务有很好的推荐效果,但在某些实际场景中,因收集成本较高等原因而难以获得足够的数据,不充足的样本易导致过拟合、模型表达能力不足等问题,进而影响推荐效果。因此,需要研究基于小样本数据的推荐方法以缓解数据有效样本不足的问题。目前小样本学习已用于解决机器学
血管性痴呆（vascular dementia,VD）一病复杂多变，虚实夹杂。伴随我国人口老龄化，血管性痴呆这一疾病已成为中老年人群的常见问题之一。中医治疗血管性痴呆既着眼于整体，又侧重于局部病情变化，达到辨证合一的目的。近年来，国内外对VD的发展现状、病因病机、辨证分型及中药治疗等方面进行了大量的研究，本文对此进行论述。
随着可编程逻辑控制器（Programmable Logic Controller,PLC）功能的不断拓展,涌现了各种各样特殊的功能块。在使用这些功能块编程时,开发者难以设置合适的程序运行周期,而运行周期决定了实际场景下任务是否有序执行。为了解决这个问题,需要事先预测功能块执行时间。但目前现有方法存在局限性,只能够针对其中一部分功能块进行预测。因此,本文结合机器学习提出了基于特征的功能块时间预测方法