信息与控制

作者：杜妍辰, 杨良栋, 汪晓铭, 黎林荣, 廖文祥, 喻洪流

关键词：肌压信号, 惯性测量单元, 股骨截肢者, 信号融合, 下肢运动意图识别

对截肢者下肢运动意图的准确识别是提高下肢假肢人机交互性能，降低假肢使用者运动能耗的关键。本文通过自行设计的信号采集系统对股骨截肢者和健全受试者进行了7种不同步态模式下的下肢运动学信号采集，包括大腿残端肌压信号(FMG)和6自由度惯性测量单元(IMU)的大小腿角度、加速度等信号，同时，采用了特征融合的方法将两种信号的时域特征进行融合，并利用机器学习的方法研究了不同信息源融合下的下肢步态模式分类准确率情况。研究结果表明，在3种分类算法下，截肢受试者和健全受试者FMG-IMU信号的平均分类准确率比单一FMG信号与单一运动学信号训练模型的平均分类准确率分别最高提高了4.7%与9.5%，最高可达99.6%的平均分类准确率。这一结果表明基于FMG信号与IMU信号融合的下肢运动意图识别方案能取得良好的效果，有望进一步拓宽FMG信号在下肢运动意图识别领域的研究，同时为下肢假肢的进一步改进和优化提供理论支持和实践指导。

来源：2024年第6期

《信息与控制》期刊编辑部

查看信息与控制杂志2024年第6期