《表4 实验方法与结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于LSTM深度学习模型的智能下肢假肢运动意图识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

传统运动意图识别通常将传感器嵌于假肢上，在模式发生转换时，提取传感器在转换步摆动相采集的数据进行研究和分析。在转换模式中，转换步承接了前后两个不同的运动模态，因此，使用来自假肢上的传感器采集的数据进行实验和分析，对运动意图的识别和下肢假肢的控制，必然存在一定的延迟性，不能体现真正的运动意图识别。本文通过单惯性传感器采集健侧摆动相前期的数据，使用LSTM神经网络进行识别。健侧的运动意图被识别出来后，通过对称映射的关系识别出患侧的运动意图，把识别结果提前传递给假肢控制器，及时的调整控制参数，没有明显的滞后性，让截肢者自然、无缝的转换到下一运动模态，做到真正的意图识别。相关近期的研究对比，如表4所示。