首页  |  期刊简介  |  稿件审稿流程  |  学术道德规范  |  编委会  |  征订启事  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
岳仁田,李君尉,韩蒙.基于粒子滤波算法的足底压力预测[J].数据采集与处理,2021,36(4):730-738
基于粒子滤波算法的足底压力预测
Prediction of Plantar Pressure Based on Particle Filter Algorithm
投稿时间:2021-04-26  修订日期:2021-07-02
DOI:10.16337/j.1004-9037.2021.04.011
中文关键词:  运动识别  步态周期  粒子滤波  压力预测
英文关键词:motion recognition  gait cycle  particle filtering  pressure prediction
基金项目:河北省自然科学基金(E2017209252)资助项目。
作者单位邮编
岳仁田 中国民航大学空中交通管理学院天津 300300,中国 300300
李君尉 中国民航大学空中交通管理学院天津 300300,中国 300300
韩蒙 中国民航大学空中交通管理学院天津 300300,中国 300300
摘要点击次数: 49
全文下载次数: 134
中文摘要:
      针对人体下肢运动状态识别精度低的问题,提出了一种基于足底压力的下肢运动状态识别预测方法。以EMED足底压力平板采集的不同步速下各40组足底压力数据为试验样本,通过分析足底压力特征参数,构建步态相位,建立足底步态周期关系,以及步态位移模型。下肢运动是非线性运动,采用步态周期模型结合粒子滤波算法实现足底压力预测。先对粒子群初始化获取先验概率密度函数,对预测压力进行估计,其次对状态向量检验,使用多元线性回归推导出预测足底压力。实验结果表明,在不同步态速度下,粒子滤波算法性能好,精确度达到97%以上,从而证明了足底压力预测方法的有效性。补充不同年龄、性别、体重的实验者的足底压力数据进行分析,预测精度均在97.5%以上,验证了预测算法的稳定性和精准性。
英文摘要:
      Aiming at the problem of low recognition accuracy of human lower limb motion state, a lower limb motion state recognition prediction method based on plantar pressure is put forward. The plantar pressure data of 40 groups at different walking speeds collected by EMED plantar pressure plate are used as test samples. By analyzing the characteristic parameters of plantar pressure, the gait phase is constructed, and the gait period relationship and the gait displacement model are established. The lower limb movement is nonlinear, and the plantar pressure prediction is realized by gait cycle model combined with particle filter algorithm. Firstly, the prior probability density function is obtained by particle swarm initialization, and the predicted pressure is estimated. Secondly, the state vector is tested, and the predicted plantar pressure is deduced by multiple linear regression. Experimental results show that the particle filter algorithm has good performance at different gait speeds with the accuracy of more than 97%, and the plantar pressure prediction is effective. The plantar pressure data of participants of different ages, genders and weights are added for analysis and the prediction accuracy is all over 97.5%, verifying the stability and accuracy of the prediction algorithm.
查看全文  HTML  查看/发表评论

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第2276477位访问者 本站今日一共被访问476

技术支持:北京勤云科技发展有限公司