基于肌电−惯性融合的人体运动估计: 高斯滤波网络方法

doi:10.16383/j.aas.c230581

CORC > 自动化研究所 > 中国科学院自动化研究所 > 学术期刊 > 自动化学报

	基于肌电−惯性融合的人体运动估计: 高斯滤波网络方法
	杨旭升; 李福祥; 胡佛; 张文安
刊名	自动化学报
	2024
卷号	50 期号:5 页码:991-1000
关键词	高斯滤波网络多传感器融合人体运动估计非线性卡尔曼滤波
ISSN号	0254-4156
DOI	10.16383/j.aas.c230581
英文摘要	本文研究了基于肌电(Electromyography, EMG)−惯性融合的人体运动估计问题, 提出了一种序贯渐进高斯滤波网络(Sequential progressive Gaussian filtering network, SPGF-net)估计方法来形成肌电和惯性的互补性优势, 以提高人体运动估计精度和稳定性. 首先, 利用卷积神经网络对观测数据进行特征提取, 以及利用长短期记忆(Long short-term memory, LSTM)网络模型来学习噪声统计特性和量测模型. 其次, 采用序贯融合的方式融合异构传感器量测特征, 以建立高斯滤波与深度学习相结合的网络模型来实现人体运动估计. 特别地, 引入渐进量测更新对网络量测特征的不确定性进行补偿. 最后, 通过实验结果表明, 相比于现有的卡尔曼滤波网络, 该融合方法在上肢关节角度估计中的均方根误差(Root mean square error, RMSE)下降了13.8%, 相关系数(R²)提高了4.36%.
内容类型	期刊论文
源URL	[http://ir.ia.ac.cn/handle/173211/56713]
专题	自动化研究所_学术期刊_自动化学报
推荐引用方式 GB/T 7714	杨旭升,李福祥,胡佛,等. 基于肌电−惯性融合的人体运动估计: 高斯滤波网络方法[J]. 自动化学报,2024,50(5):991-1000.
APA	杨旭升,李福祥,胡佛,&张文安.(2024).基于肌电−惯性融合的人体运动估计: 高斯滤波网络方法.自动化学报,50(5),991-1000.
MLA	杨旭升,et al."基于肌电−惯性融合的人体运动估计: 高斯滤波网络方法".自动化学报 50.5(2024):991-1000.