控制与决策

作者：苏本跃,倪钰,盛敏,赵丽丽

单位：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 244061hspace{3pt};安徽省智能感知与计算重点实验室,安徽 安庆 246133,,安庆师范大学 计算机与信息学院,安徽 安庆 246133;安徽省智能感知与计算重点实验室,安徽 安庆 246133,,安徽省智能感知与计算重点实验室,安徽 安庆 246133;安庆师范大学 数学与计算科学学院,hspace{11pt} 安徽 安庆 246133,,中国科学院 合肥智能机械研究所,合肥 230031,

关键词：动力下肢假肢;运动意图识别;短时时间序列样本;改进卷积神经网络;自学习特征

基金：国家自然科学基金项目(11475003,61603003,11471093)；教育部“云数融合科教创新”基金项目(2017A09116)；安徽省科技重大专项(18030901021)；安徽省高校领军人才团队项目(皖教秘人[2019]16号)；安徽省高校优秀拔尖人才培育项目(gxbjZD26).

传统动力下肢假肢运动意图识别算法常使用机器学习算法分类器,在特征选择方面则需要手工提取.针对该问题将深度学习算法应用于运动意图识别研究中,通过在传统的卷积神经网络的基础上进行改进,使算法更适应于基于短时行为样本数据的运动意图识别,同时抑制深度学习算法应用于运动意图识别中的过拟合.在意图识别数据集中进行滑动窗口预处理,目的是对时间序列样本做数据增广,扩增目标数据集能够使训练集更加丰富全面,提高识别的精度,运用改进后的卷积神经网络对增广后的数据集进行特征学习与分类.实验结果表明,该方法在13类运动模式下的识别率达到93%.

来源：2021年第12期

《控制与决策》期刊编辑部

查看控制与决策杂志2021年第12期