检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

-

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

1 篇 学位论文

馆藏范围

1 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

1 篇 工学
- 1 篇 机械工程
- 1 篇 控制科学与工程
- 1 篇 计算机科学与技术...
- 1 篇 软件工程
1 篇 管理学
- 1 篇 管理科学与工程(可...

主题

1 篇 在线识别优化算法
1 篇 多模态信号
1 篇 深度学习
1 篇 特征融合
1 篇 人体下肢行为识别

机构

1 篇 东北大学

作者

1 篇 胡佛

语言

1 篇 中文

检索条件"主题词=在线识别优化算法"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

融合多模态信号特征的下肢行为识别算法研究

融合多模态信号特征的下肢行为识别算法研究

引用

作者：胡佛东北大学

学位级别：博士

人类下肢行为识别技术在下肢外骨骼机器人等人机交互系统中发挥着重要作用,如康复助行,负重助力和避免运动损伤等。为了保证人机交互系统能够人机和谐地实时有效运行,需要对人体下肢行为进行精确识别,并将行为动作识别结果实时反馈给人... 详细信息

人类下肢行为识别技术在下肢外骨骼机器人等人机交互系统中发挥着重要作用,如康复助行,负重助力和避免运动损伤等。为了保证人机交互系统能够人机和谐地实时有效运行,需要对人体下肢行为进行精确识别,并将行为动作识别结果实时反馈给人机交互系统,增加人机交互系统的协同性和协调性。本文着重对4种步态动作及子相位和8种跳跃动作及子相位进行分析和识别。一方面,步态识别技术与下肢外骨骼机器人结合既能帮助残障和年老人群恢复部分行走能力,又能增强健康人群体能,达到助力助行目的。另一方面,健康人群体育运动或士兵在军事训练中需要进行跳跃,跳伞和跨越障碍等危险系数较高的动作,这些跳跃动作也是导致人体受伤机率最高的行为动作之一。跳跃动作识别技术研究能辅助缓冲设备发挥有效作用,可大幅降低人体下落受伤程度和几率。实时、精确和鲁棒性强的人体下肢行为识别技术是人机交互系统走向精准、智能控制的重要基础,也是人机交互技术迈向实际应用的关键一步。本文的研究重点是基于可穿戴式传感器的人体下肢行为识别算法研究。因此,传感器的优化选择,多模态信号特征数据融合方法和在线识别优化算法是本文的重点研究内容。摒弃了以往对人体下肢行为识别基于单一模态信号的方法,本文对传感器进行优化选择以构建不同的数据形式,并基于多种深度学习和特征融合技术,充分利用和挖掘了多模态信号中蕴藏着的多源信息,从融合运动生理特征信息、骨架图各节点特征信息和长时间依赖信息等角度进行建模,最终实现对人体下肢行为的精准识别。本文提出的在线识别优化算法能极大地提高系统的在线识别准确率和鲁棒性。因此,本文的研究工作能对建立更精密的便携式人体下肢行为识别系统提供良好的借鉴和指导作用。本文的主要研究内容和创新性工作如下: (1)提出了使用可穿戴式传感器设备来实现人体下肢行为数据采集与处理工作。本文首先阐述了与步态和跳跃动作相关的生理学和运动学知识基础,进而确定了可穿戴式传感器的布局方案。设计多运动任务的步态和跳跃动作实验方案,并使用可穿戴式传感器设备同步记录表面肌电(Surface electromyography,sEMG)信号,惯性传感器(Inertial measurement unit,IMU)信号和脚踏开关信号,完成人体下肢行为数据采集工作。使用时频分析方法分别为sEMG信号和IMU信号设计预处理方案,以去除信号噪声和伪迹,保留信号中的有效成分。使用样本熵双阈值参数法对信号进行活动段端点检测,并截取出各下肢行为的活动段数据。使用非负矩阵分解和一致性分析方法研究步态和跳跃动作下各肌肉对的肌间协同性和耦合强度。根据肌间协同性和耦合强分析结果,完成对sEMG传感器的筛选工作。 (2)提出了使用机器学习和遗传算法来探究人体下肢行为数据的可分离性。该部分内容着重于研究人体下肢行为数据的可分离性以及特征冗余度对模型识别结果的影响,为后续设计和优化下肢行为识别模型建立指导方向。本文基于角度和脚踏开关信号对各下肢行为的子相位进行划分,根据下肢行为活动段检测和子相位划分结果截取各行为及子相位数据段。基于数据段提取时频域特征,并使用t分布随机邻域嵌入(t-Distributed stochastic neighbor embedding,t-SNE)算法进行特征分布可视化分析,发现各下肢行为及子相位的特征分布具有一定可区分性,但同类特征的聚拢性较差。因此,本文基于遗传算法和机器学习算法对特征组合进行优化选择,发现优化后的特征组合能进一步增强各下肢行为数据的可区分性,其中基于遗传算法和Back propagation(BP)神经元网络优化后的特征组合的识别准确率表现要比未优化的特征组合在下肢行为分类任务,步态子相位分类任务和跳跃子相位分类任务分别提高1.91%,2.04%和1.66%。证实了本研究所采集的多模态信号中的特征信息可以有效识别各下肢行为动作及子相位,而识别结果与特征的冗余度相关。此外,本研究分别使用sEMG信号特征、角速度信号特征和融合信号特征进行下肢行为及子相位识别,发现sEMG和角速度两种信号特征存在一定的差异性和互补性,两种信号特征结合能提升模型的分类性能。 (3)建立了融合运动生理信息和深度学习技术的步态动作及子相位识别模型。从结合深度学习和多模态信号特征融合方法角度进行步态动作及子相位识别。本文分别提取sEMG和角速度信号的频谱特征图,并基于融合卷积神经网络,典型相关分析和长短时记忆循环网络三种算法构建了步态及子相位识别模型,平均识别准确率达到97.33±1.05%。发现双分支模型方法能挖掘更高效的多模态信号特征信息,不论从识别效果还是稳定性,都优于单分支模型方法。此外,本文创新性地将典型相关分析引入到深度学习模型中,该方法要明显优于拼接方式的特征融合方法,能极大提高模型的识别性能。 (4)构建了基于卷

关键词：人体下肢行为识别多模态信号特征融合深度学习在线识别优化算法

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：