基于多源信息融合的人體運動分析與建模研究.pdf

1、隨著體育科研的發(fā)展，利用計算機人體建模與仿真，進行運動技術診斷，已成為必然的發(fā)展趨勢。借助運動生物力學知識，進行運動員的人體運動仿真具有很高的理論和實用價值，國內外眾多學者對此進行了深入而細致的研究工作。傳統的運動員建模方法以牛頓運動定律為基礎，通過簡化人體結構，列寫運動方程，設定初始條件，對方程求解最終得出仿真結果。這種方法由于采用了簡化模型，不可避免地會出現較大的計算誤差，而且模型修正困難，為此本文在系統分析了當前人體運動建模與仿真

2、研究方法的基礎上，提出了基于多源信息融合的人體運動分析與建模的新思路。本文從運動信息的獲取與分析入手，重點對人體運動過程中的地面反力信息、人體表面肌電(sEMG)信息以及運動圖像解析的有關參數借助多種數學工具，進行了運動信息的特征提取與分類的深入研究，以抓舉專項運動為例，采用多源信息融合的方法，實現了抓舉運動過程的自動分解與識別，并基于逆動力學，建立了抓舉運動模型，最后在分析了當前人體建模中的關節(jié)力矩估計存在的問題后，嘗試了關節(jié)力矩多源

3、信息融合估計的新方法，以期提高人體建模和仿真的精度，并為運動訓練指導系統的構建打下基礎。具體內容概括如下： 提出了基于多源信息融合的人體運動分析與建模的新思路，并在實驗室原有實驗平臺的基礎上，構建了人體運動過程多源信息獲取的硬件平臺。已納入平臺檢測的信息有運動員人體運動學、動力學、運動圖像、肌電信息以及人體慣性參數等。由于該平臺是基于局域網和CAN總線的分布式結構，因此具有良好的開放性和可擴展性。 借助多種現代信號分析和

4、處理方法，對人體運動過程中所表現出的肌電信號進行了特征提取和運動模式分類的詳細研究，并對幾種神經網絡的分類效果進行了對比分析；通過引入馬氏距離(MahalanobisDistance)，提高了傳統FuzzyART網絡實現肌電信號分類時的學習效率，并在肌電—力(力矩)的對應關系上進行了探索，取得了初步研究成果。 在實驗平臺上設計了多種人體動作，以便對運動過程中的地面反力進行研究分析，在大量獲取地面反力信息的基礎上，結合運動生物力學

5、的知識分析了這些力學行為的地面反力特征，并進行了特征的提取，首次引入支持向量機(SVM)等方法，構造了小樣本情況下的運動模式識別分類器，取得了滿意的分類效果。 以抓舉運動為例，對運動過程中的肌電信號、地面反力等多源信息，基于多輸入和多輸出(MIMO)支持向量機和神經網絡集成方法，進行了肌電信息和腳力信息融合的運動階段分解與識別的研究，提高了運動階段分類器的魯棒性，降低了分類的錯誤率。 建立了抓舉運動提鈴階段的人體模型，通