基于肌音信号的步态动作模式识别研究

通过采集腿部肌肉5个通道的肌音信号,利用3层决策树对跑步、上楼、下楼、走路、静止5种步态动作进行模式识别研究。在决策树的第1层和第2层,应用双阈值门限法识别静止和跑步两种步态模式,在第3层,提出基于步态信号的自适应不等长分割算法以及改进的模糊熵算法,利用线性分类器对走路、上楼、下楼进行分类识别。结果表明:双门限阈值法可有效地对静止和跑步进行识别,当采用改进的模糊熵特征时,对走路、上楼、下楼3种步态模式的分类准确率达到了94.87%;而当综合利用近似熵、样本熵和改进的模糊熵3种特征时,其分类准确率达到了98.76%。