控制与决策

作者：苏本跃,宗文杰,刘文瑶,盛敏

单位：铜陵学院 数学与计算机学院，安徽 铜陵 244061,,铜陵学院 数学与计算机学院，安徽 铜陵 244061;安庆师范大学 计算机与信息学院，安徽 安庆 246133,,铜陵学院 数学与计算机学院，安徽 铜陵 244061;安庆师范大学 计算机与信息学院，安徽 安庆 246133,,安庆师范大学 数理学院，安徽 安庆 246133,

关键词：支撑相;足底动力相;小波变换;自适应分解层数;下肢运动意图识别;惯性传感器

基金：安徽省高校优秀科研创新团队项目(2023AH010056)；铜陵学院联合培养研究生创新基金项目(23tlcx01).

人体下肢运动的步态周期由支撑相和摆动相构成, 但是, 现有的人体运动步态意图识别通常对摆动相进行特征提取, 对于支撑相的研究较少, 且多仅限于离散触地状态, 往往忽略了支撑相的连续细节信息. 鉴于此, 提出一种足底动力相数据驱动的智能下肢假肢意图识别方法. 考虑到人体对于地形转换的适应性姿态调整始于支撑相末期的足底动力相, 其作为连接支撑相与摆动相的过渡阶段, 在运动过程中参与能量释放, 故所提出方法提取完整足底动力相数据, 并结合摆动相前期数据, 定义目标数据时间窗. 采用haar小波变换来表征支撑相中隐藏的非平稳信号特征, 并基于足底蹬地的能量变化来自适应地确定小波分解层数, 通过相应小波系数来构建特征向量, 并使用支持向量机进行分类. 实验结果表明: 该方法在自采集数据集的5种稳态模式下识别率可达到99.21%, 在13种综合运动模式下的识别率为97.65%, 较基准方法提升了1.69%和2.53%, 利用足底动力相阶段的数据辅助意图识别任务, 能够提高模型的识别率和鲁棒性.

来源：2025年第10期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第10期