《表5 实验方法与结果对比》
对于5种稳态模式,本文的识别率已达到99.50%,高于文献[16,18-21]的识别结果.当引入8种转换模式时,文中的识别率为97.03%,依然高于文献[16]和文献[21],这与运动模式的重定义有内在的联系.文献[16]意图识别转换步起始于脚跟触地时刻,在脚跟触地时或脚跟触地后,而本文使用的转换步起始于前一个地形条件下一只脚脚尖离地时刻,结束于同侧脚脚后跟着地于后一个地形.此外,本文实验采集的数据均来自健侧的大腿、小腿及脚踝处的传感器,这样在转换步摆动相即可识别出健侧的运动意图,由对称性可识别假肢的运动意图.而且,假肢运动模式还未切换,此时调节假肢的控制参数可以解决传统意图识别中的滞后性问题.文中采用单惯性传感器,与文献[18-20]速度计、陀螺仪、压力传感器等多类型传感器相比,无需解决多模态数据信号融合的问题,降低了算法的复杂度,且在识别时间方面做到了短时、无延迟,识别精度上也不低于传统意图识别的结果(如表5所示).
图表编号 | XD00165483100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 盛敏、刘双庆、王婕、苏本跃 |
绘制单位 | 安庆师范大学数学与计算科学学院、安徽省智能感知与计算重点实验室、安庆师范大学数学与计算科学学院、安徽省智能感知与计算重点实验室、安徽省智能感知与计算重点实验室、安庆师范大学计算机与信息学院、安徽省智能感知与计算重点实验室、安庆师范大学计算机与信息学院 |
更多格式 | 高清、无水印(增值服务) |