基于sEMG和LSTM的下肢连续运动估计
TP183; 针对下肢助力外骨骼的连续运动控制问题,提出了一种基于表面肌电信号(sEMG)与长短时记忆(LSTM)网络的连续运动估计方法.通过LSTM对肌电-运动的映射关系进行训练分析,基于奇异值分解特征值矩阵的误差算法获取主元分析(PCA)算法的主成分数量(降维维度),实现了对下肢三个关节在矢状面内的连续运动估计,且提高了连续运动估计的实时性.通过与传统网络支持向量机(SVM)、反向传播(BP)神经网络训练结果的对比分析,证明了LSTM网络在下肢连续运动预测中的优越性....
Saved in:
Published in | 东北大学学报(自然科学版) Vol. 41; no. 3; pp. 305 - 342 |
---|---|
Main Authors | , , |
Format | Journal Article |
Language | Chinese |
Published |
东北大学 机器人科学与工程学院,辽宁 沈阳,110169
01.03.2020
|
Subjects | |
Online Access | Get full text |
ISSN | 1005-3026 |
DOI | 10.12068/j.issn.1005-3026.2020.03.001 |
Cover
Summary: | TP183; 针对下肢助力外骨骼的连续运动控制问题,提出了一种基于表面肌电信号(sEMG)与长短时记忆(LSTM)网络的连续运动估计方法.通过LSTM对肌电-运动的映射关系进行训练分析,基于奇异值分解特征值矩阵的误差算法获取主元分析(PCA)算法的主成分数量(降维维度),实现了对下肢三个关节在矢状面内的连续运动估计,且提高了连续运动估计的实时性.通过与传统网络支持向量机(SVM)、反向传播(BP)神经网络训练结果的对比分析,证明了LSTM网络在下肢连续运动预测中的优越性. |
---|---|
ISSN: | 1005-3026 |
DOI: | 10.12068/j.issn.1005-3026.2020.03.001 |