基于改進(jìn)隱馬爾科夫模型的人體步態(tài)自適應(yīng)識別.pdf

1、人體步態(tài)識別技術(shù)是指利用運(yùn)動學(xué)、信號處理、模式識別等理論去分析處理傳感設(shè)備獲得人體運(yùn)動學(xué)、動力學(xué)和生理學(xué)等步態(tài)信號的技術(shù)。它在仿人機(jī)器人、人機(jī)耦合機(jī)器人（外骨骼和假肢等）、醫(yī)學(xué)診斷和康復(fù)治療、運(yùn)動分析、身份識別等領(lǐng)域得到了廣泛的應(yīng)用。
　　步態(tài)信號具有準(zhǔn)周期性，步態(tài)階段之間的轉(zhuǎn)換可以看做一條馬爾科夫鏈。這種性質(zhì)使得隱馬爾科夫模型(Hidden Markov Model, HMM)在步態(tài)階段識別中得到了廣泛的應(yīng)用。但是，隱馬爾科夫模

2、型應(yīng)用在步態(tài)階段識別中存在兩個不足。一是模型基于統(tǒng)計(jì)特征構(gòu)造駐留時間分布函數(shù)，不能很好地描述步態(tài)階段的時間特性；二是模型參數(shù)固定，未針對具體使用場景進(jìn)行自適應(yīng)處理。這些不足限制了步態(tài)階段識別的效果。
　　本文使用大腿上的加速度信號進(jìn)行步態(tài)階段識別。通過對傳統(tǒng)隱馬爾科夫模型的改進(jìn)和優(yōu)化，提高了模型對步態(tài)階段識別的準(zhǔn)確性和對步態(tài)數(shù)據(jù)的適應(yīng)性。
　　具體工作如下：1，對采集的運(yùn)動步態(tài)數(shù)據(jù)進(jìn)行了預(yù)處理和特征提取。預(yù)處理主要包括去噪和

3、平滑。特征提取主要包括步態(tài)窗口劃分和按窗口提取特征。2，討論了隱馬爾科夫模型原理。分析了其應(yīng)用于步態(tài)階段識別的不足，并指明了改進(jìn)方向。3，在隱馬爾科夫模型中引入時間參數(shù)，用駐留時間分布函數(shù)來代替自轉(zhuǎn)移概率，使其能夠更好的描述運(yùn)動步態(tài)階段。4，針對隱馬爾科夫模型無法適應(yīng)不同的穿戴者、不同的運(yùn)動狀態(tài)、不同的運(yùn)動環(huán)境的缺陷進(jìn)行改進(jìn)。使用自適應(yīng)算法修正模型參數(shù)，提高步態(tài)階段識別模型的魯棒性。5，針對自適應(yīng)過程中參考模型單一的問題進(jìn)行改進(jìn)，提出將