论文部分内容阅读
提出基于粒子群（PSO）优化支持向量机（SVM）的下肢假肢穿戴者跑动步态识别方法.将假肢接受腔装配的肌电(EMG)传感器、加速度计和足底的压力传感器采集的假肢穿戴者跑动运动信息进行去噪预处理，对应提取加速度的偏度、均值与肌电信号均方根多个特征参数作归一化处理，结合双下肢足底压力信息组成多维特征向量，作为SVM的输入，解决了单一特征识别步态的低准确率问题.利用PSO优化分类模型参数，建立基于SVM的次序二叉树分类模型对跑动步态进行辨识.与传统BP神经网络的步态识别方法对比表明，利用PSO优化SVM方法能够将