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. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论