论文部分内容阅读
为克服步态辨识中特征向量法存在的步态特征难于提取、计算量大和算法复杂等局限,提出一种基于过程神经网络的步态模式自动分类综合方案.为感知人体步态,在测试者下肢安装加速度传感器来采集步行过程中的时序运动学信息.采用巴特沃斯滤波处理并将其拟合为时变函数直接输入到过程神经网络,利用其对任意连续泛函的逼近能力来实现对不同步态模式下时序加速度信号的自动分类.同时,针对传统梯度下降法难于收敛和局部极小等问题,提出采用粒子群优化算法对网络的权函数和权系数进行学习.实验证明了该方案的正确性和有效性.